DeepSeek

DeepSeek — провайдер больших языковых моделей с публичным API и веб-чатом; платформа для доступа к моделям через веб-интерфейс, мобильные приложения (iOS/Android) и OpenAI-совместимый API.

Текущая линейка облачных моделей включает DeepSeek-V3.2 в двух режимах доступа через единый API: диалоговую модель без явного режима рассуждений и рассуждающую модель с цепочкой рассуждений. Обе работают на базе архитектуры V3.2, поддерживают режим «thinking» (режим рассуждений) и тесную интеграцию с вызовом инструментов; отдельный высокоинтенсивный вариант DeepSeek-V3.2-Speciale доступен как открытая модель для локального развёртывания.

Реализована полная совместимость с OpenAI-подобным API, поддерживаются JSON-вывод, вызовы инструментов, префикс автодополнения чата, FIM (заполнение середины, только в обычном режиме), а также потоковая передача. Режим рассуждений предоставляет явное поле `reasoning_content` и может сочетаться с вызовом инструментов через параметр `thinking`.

Обновлено 9 февраля 2026 года.

Факты

Быстрые ссылки

• Документация
• Модели и цены
• JSON-вывод
• Вызов функций
• Режим рассуждений
• V3.2 GitHub
• R1 GitHub
• Статус
• Журнал изменений / Обновления

История релизов

• 2025-12-01 — DeepSeek-V3.2 (официальная): запуск официальной версии V3.2 с режимом рассуждений и поддержкой вызова инструментов в обычном режиме и режиме рассуждений; обновление моделей API (`deepseek-chat` и `deepseek-reasoner`) и веб-сервисов/приложений до V3.2 без изменений интерфейсов — ссылка
• 2025-12-01 — DeepSeek-V3.2-Speciale: выпуск открытого высокоинтенсивного варианта, ориентированного на максимально глубокие рассуждения; существенно более глубокие рассуждения по сравнению с V3.2 и золотые медали на олимпиадах IMO/IOI/ICPC; в 2025 году предоставлялся ограниченный временный API-эндпоинт до 15 декабря 2025, далее модель используется преимущественно через открытые веса — ссылка
• 2025-09-29 — DeepSeek-V3.2-Exp: запуск экспериментальной версии с более чем 50% снижением стоимости за счёт Разрежённого внимания DeepSeek (DSA); ускорение в 2–3 раза для длинных контекстов; позднее заменена официальной V3.2 как основным API-эндпоинтом — ссылка
• 2025-09-05 — Уравнивание цен: переход deepseek-chat и deepseek-reasoner на единую сетку цен, дальнейшая оптимизация стоимости за счёт кэширования контекста — ссылка
• 2025-08-21 — DeepSeek-V3.1-Terminus: официальный релиз с гибридной архитектурой (рассуждения + быстрый режим), улучшениями вызова инструментов и работы агентов; впоследствии заменён линейкой V3.2 — ссылка
• 2024-12-26 — DeepSeek-R1: представление открытой рассуждающей модели с RL-обучением; 79.8% на AIME 2024 и 97.3% на MATH-500 — ссылка

Модели (API)

Ключевые особенности

• Совместимый с OpenAI формат API (современные SDK): вызовы через /chat/completions и совместимость с OpenAI SDK при указании base_url=https://api.deepseek.com
• Разрежённое внимание DeepSeek (DSA) — селективный механизм внимания, фокусирующийся на релевантных токенах; более чем 50% снижение вычислительной стоимости и ускорение в 2–3 раза для длинных контекстов (около 128K токенов) без потери качества.
• Гибридная архитектура V3.2: режим рассуждений и стандартный быстрый режим, доступные как через раздельные модели (deepseek-reasoner / deepseek-chat), так и через параметр thinking внутри одной модели.
• Режимы JSON-вывода и вызова функций в обычном режиме и режиме рассуждений, с передачей tool_calls и интеграцией с агентами.
• Публичный режим рассуждений с доступом к цепочке рассуждений через поле reasoning_content в сообщениях; возможна потоковая выдача хода рассуждений отдельно от финального ответа.
• Полностью открытый исходный код (лицензия MIT) для DeepSeek-R1, DeepSeek-V3.2 и DeepSeek-V3.2-Speciale; доступны полные веса на Hugging Face и GitHub, есть дистиллированные модели от 1.5B до 70B параметров для локального развёртывания.
• Префикс автодополнения чата и заполнение середины (FIM) в обычном режиме для специализированных задач: автодополнение кода, подсказки IDE, доавтодополнение фрагментов.
• Потоковая передача, кэширование контекста и файловое кэширование на диске для резкого удешевления повторяющихся запросов (до 90% экономии при попадании в кэш).
• Контекст-кэш: $0.028/1M токенов при попадании против $0.28/1M при промахе (цены для входных токенов); расчёт стоимости прозрачен и основан на фактическом числе токенов.
• Интеграция с математическим стеком DeepSeekMath-V2 и RL-обучением DeepSeek-R1 для сложных задач рассуждений, доказательств и проверки логики.

Рекомендации по применению

• deepseek-chat (V3.2): ассистенты и чат-боты общего назначения, структурированный вывод (JSON), интеграции через OpenAI-совместимые SDK, массовая обработка с минимальной стоимостью, продакшн-приложения с вызовом инструментов. Подходит как базовая модель для продуктов, где важны низкая цена и стабильное качество.
• deepseek-reasoner (V3.2/R1, режим рассуждений): задачи, критичные к качеству рассуждений — математика, сложное программирование, длинные многошаговые сценарии (планирование, анализ, рассуждения в несколько десятков шагов). Рекомендуется для STEM-задач, сложной аналитики и там, где допустима повышенная стоимость за счёт длинных цепочек рассуждений.
• Открытые модели V3.2 / V3.2-Speciale / R1 (локально): локальные развёртывания, где важен полный контроль над данными и инфраструктурой; эксперименты с модификацией архитектуры и обучения; сценарии, где ограничены или неприемлемы внешние API.

Ограничения и риски

• Глубокие рассуждения в режиме рассуждений заметно увеличивают расход токенов: чем сложнее задача и чем глубже цепочка рассуждений, тем дороже запрос; особенно заметно для сложной математики и программирования.
• В режиме рассуждений часть параметров генерации (temperature, top_p и др.) не используется; управление стилем ответа ограничено, зато поведение более детерминированно.
• Актуальность знаний: по состоянию на документацию, базовые модели обучены приблизительно до конца 2024 года; для информации после этой даты требуется веб-поиск или внешний источник знаний.
• Базирование в Китае (Ханчжоу) может вызывать юридические и регуляторные вопросы у отдельных заказчиков, требуя отдельной оценки рисков и соответствия требованиям комплаенса.
• Цепочки рассуждений могут избыточно усложнять решение простых задач — модель стремится развернуть подробный ход мысли даже там, где достаточно краткого ответа; для простых запросов рекомендуется использовать обычный режим deepseek-chat без режима рассуждений.

Сравнение цен

Чат (подписка)

API (модели)

Бенчмарки (официальные; декабрь 2025)

Обновления декабря 2025

• DeepSeek-V3.2 — официальный релиз (1 декабря 2025) — замена V3.2-Exp на основной API/web/app-эндпоинт; бесшовное обновление для всех пользователей; передовые показатели на задачах общего назначения; поддержка совмещённого режима рассуждений и вызова инструментов; около 93.1% на AIME 2025 и 92–95% на HMMT.
• DeepSeek-V3.2-Speciale — вариант с максимальной глубиной рассуждений; рассуждения глубже примерно в 2–3 раза по сравнению с V3.2; до 96.0% на AIME 2025 и 99.2% на HMMT; ориентирован на сложные задачи математики и программирования; доступен как открытые веса.
• DeepSeekMath-V2 и стек RL — интеграция механизма самопроверки математических доказательств и масштабное RL-дообучение (DeepSeek-R1), улучшающее проверку логики и вывод теорем.
• Эффективность Разрежённого внимания DeepSeek (DSA) — селективное внимание к релевантным токенам; более чем 50% снижение стоимости API и ускорение в 2–3 раза для длинных контекстов; снижение потребления памяти без заметной потери качества.
• Единое ценообразование для чат / рассуждений — интеграция контекст-кэша и унификация цен для deepseek-chat и deepseek-reasoner; сетка $0.028 (кэш) / $0.28 (промах входа) / $0.42 (выход) за 1M токенов.
• Открытый исходный код — DeepSeek-R1 и DeepSeek-V3.2 (включая V3.2-Speciale) распространяются с открытыми весами под лицензией MIT; доступны уменьшенные дистиллированные модели, упрощающие локальное развёртывание и эксперименты.
• Бесшовное обновление платформы — веб-версия, мобильные приложения (iOS/Android) и API обновляются синхронно; пользователям не требуется миграция на новые идентификаторы моделей — достаточно продолжать использовать deepseek-chat и deepseek-reasoner.