DeepSeek вошел в ИИ-повестку не как очередной чат с бодрыми ответами, а как инженерный вызов для рынка. Китайская команда показала сильную языковую модель, открыла веса для разработчиков и резко снизила цену доступа через API. Для индустрии закрытых платформ и огромных бюджетов удар получился чувствительным.
Вокруг проекта быстро вырос миф: перед нами китайский ChatGPT. Формулировка звучит понятно, но упрощает картину. ChatGPT в 2026 году больше похож на закрытую корпоративную платформу, а DeepSeek дает разработчикам гибкий ИИ-компонент для API, локальных стендов и дешевого масштабирования.
Откуда взялась китайская нейросеть
DeepSeek — китайская компания из Ханчжоу и семейство больших языковых моделей. Проект вырос рядом с High-Flyer, количественным хедж-фондом с опытом машинного обучения. Основателем называют Ляна Вэньфэна. Для рынка важна не биография предпринимателя, а редкая ставка для фронтирных моделей: меньше глянца, больше инженерной экономии и больше свободы для разработчиков.
Большая языковая модель предсказывает следующий фрагмент текста, но в современных системах простой принцип превращается в рабочий инструмент. DeepSeek пишет код, объясняет ошибки, переводит, помогает с документами, решает задачи, строит планы и отвечает на вопросы. Пользователь видит окно чата, разработчик получает модель для приложения, бота, внутреннего сервиса или локального стенда.
Открытые веса стали главным отличием от западных конкурентов. Открытые веса не раскрывают весь процесс обучения и полный набор исходных данных, зато инженер может загрузить модель, проверить поведение на внутренних задачах, дообучить под узкую область или развернуть в собственной инфраструктуре. Для компаний с закрытым кодом, коммерческой тайной и строгими правилами по данным свобода важнее красивого интерфейса.
R1 принес DeepSeek массовую известность. Модель сделали с упором на рассуждения: математику, программирование, логику, пошаговое решение сложных задач. В открытом репозитории R1 доступны базовая версия, R1-Zero и дистиллированные варианты на базе Qwen и Llama. Дистилляция означает перенос поведения крупной модели в меньшую. Младшая версия не становится равной старшей, но быстрее и дешевле закрывает часть типовых задач.
Техническая начинка: MoE, контекст и цена
DeepSeek часто обсуждают через слово MoE, или Mixture-of-Experts. За сложным названием стоит понятная идея: модель хранит большой набор параметров, но для каждого токена активирует только часть. Можно представить большую команду специалистов, где на конкретную задачу зовут нужных людей, а не весь офис сразу. Подход снижает вычислительную нагрузку и помогает обслуживать большие модели дешевле.
DeepSeek-V3 работала по схеме MoE с 671 млрд параметров, но на один токен активировала 37 млрд. V4 Preview подняла масштаб: V4-Pro получила 1,6 трлн параметров и 49 млрд активных, V4-Flash — 284 млрд параметров и 13 млрд активных. Обе версии поддерживают контекст до одного миллиона токенов. Для переписки запас избыточен, зато при анализе кодовой базы, логов, договоров или больших отчетов длинное окно быстро перестает выглядеть роскошью.
Режим Thinking нужен для задач, где модель должна потратить больше вычислений на промежуточные шаги: сложный код, математику, анализ требований, поиск причин ошибки. Non-Thinking отвечает быстрее и дешевле, поэтому подходит для черновиков, коротких ответов, классификации и простых преобразований текста. Разделение режимов полезно: нет смысла гонять дорогой мыслительный режим ради исправления пары формулировок.
По тарифам разрыв заметный. У DeepSeek V4-Flash официальная цена составляет $0,14 за миллион входных токенов без попадания в кеш и $0,28 за миллион выходных токенов. V4-Pro по обычному тарифу стоит $1,74 за вход и $3,48 за выход, а до 5 мая 2026 года действует скидка 75%. Для сравнения, GPT-5.5 в API OpenAI стоит $5 за миллион входных токенов и $30 за миллион выходных токенов. Значит, V4-Pro по стандартной цене дешевле GPT-5.5 примерно в 2,9 раза на входе и примерно в 8,6 раза на выходе, а V4-Flash уходит еще ниже.
| Критерий | DeepSeek | ChatGPT |
|---|---|---|
| Главная роль | Модель и API для разработчиков и дешевой обработки текста | Готовая рабочая среда с инструментами |
| Открытость | Открытые веса у ключевых моделей, но обучающие данные полностью не раскрываются | Закрытые модели, доступ через ChatGPT и API OpenAI |
| Цена API | V4-Pro дешевле GPT-5.5 примерно в 2,9 раза на входе и в 8,6 раза на выходе; Flash дешевле сильнее | $5 за миллион входных токенов и $30 за миллион выходных токенов для GPT-5.5 |
Чем отличается от ChatGPT и кому подходит
ChatGPT и DeepSeek решают похожую внешнюю задачу: человек задает вопрос, модель отвечает. На уровне продукта разница намного глубже. ChatGPT продает готовую среду, где модель соединена с файлами, поиском, анализом данных, изображениями, памятью, Canvas, агентными возможностями и корпоративными настройками. Пользователь платит не только за токены, но и за удобную оболочку.
DeepSeek сильнее там, где интерфейс не главный фактор. Разработчику важны цена за миллион токенов, локальный запуск, открытые веса, совместимость API, скорость и контроль над инфраструктурой. Если команда не пользуется половиной экосистемы ChatGPT, платить за весь набор функций не всегда рационально. В таком случае китайская модель выглядит как более грубый, но гибкий инструмент, который легче встроить в собственный стек.
ChatGPT удобнее, когда людям нужен не строительный материал, а готовый рабочий кабинет. Написать аналитическую записку, разобрать таблицу, сравнить документы, подготовить письмо, обсудить картинку, найти свежие данные и собрать черновик презентации проще в интерфейсе, где инструменты уже соединены. Закрытость модели остается минусом для инженеров, но для обычного пользователя закрытая платформа часто снижает количество технических проблем.
Для практической работы пригодится гайд ChatGPT в 2026. Свежую линейку OpenAI можно добрать через материал про GPT-5.5, а соседний рынок закрытых моделей - через сравнение GPT-5.5 против Claude Opus 4.7.
DeepSeek стоит пробовать техническим командам, которые генерируют много текста, проверяют код, анализируют логи, обрабатывают длинные документы или гоняют тысячи однотипных запросов в день. Разница в несколько раз на выходных токенах быстро превращается в бюджет на серверы, разметку данных или зарплату инженера. ChatGPT лучше оставить для офисных задач, мультимодальной работы и случаев, когда людям важнее удобство, чем контроль над моделью.
Важно: не отправляйте в публичные ИИ-сервисы персональные данные, коммерческую тайну, пароли, ключи API, закрытый исходный код и документы с ограниченным доступом без разрешения владельца информации. Перед рабочим внедрением проверьте политику компании, условия сервиса и требования российского законодательства о защите данных.
DeepSeek не заменяет ChatGPT один к одному. Китайская модель давит ценой, открытыми весами, длинным контекстом и инженерной гибкостью. ChatGPT отвечает зрелым интерфейсом, мультимодальностью, связкой инструментов и привычной средой для массовой работы. Самый полезный вывод прост: DeepSeek расширил рынок, дал разработчикам дешевый и открытый компонент, а владельцам закрытых платформ напомнил, что одной экосистемой конкуренцию не удержать.
