История DeepSeek: как китайская лаборатория обошла конкурентов

История DeepSeek укладывается в три года и один обвал рынка: китайская лаборатория, выросшая из хедж-фонда, выпустила открытую модель, которая в математике догнала закрытых лидеров, и стоила при этом в десятки раз меньше. Сегодняшняя линейка V4 — уже четвёртое поколение, и путь к ней объясняет, почему компания так упорно держится за открытые веса и низкие цены.
Откуда взялась компания
DeepSeek основана в 2023 году в Ханчжоу. За ней стоит китайский хедж-фонд High-Flyer, который занимался количественной торговлей и скупал вычислительные мощности задолго до того, как нейросети стали мейнстримом. Руководитель — Лян Вэньфэн, математик по образованию.
Эта предыстория объясняет две вещи. Первая: у лаборатории изначально были деньги на GPU, когда у конкурентов их не было. Вторая: инженерная культура квантовой торговли — оптимизация стоимости вычислений, а не «максимальная модель любой ценой».
Хронология
| Когда | Что вышло | Почему это важно |
|---|---|---|
| 2023 | DeepSeek Coder | первый публичный продукт, модели для кода |
| 2024 | DeepSeek V2 | архитектура MoE и цена API, которая обвалила рынок |
| декабрь 2024 | DeepSeek V3 | 671 млрд параметров за $5,5 млн обучения |
| январь 2025 | DeepSeek R1 | открытая reasoning-модель уровня закрытых флагманов |
| 2025 | V3.1, затем V3.2 | объединение текста и рассуждений, работа над агентными задачами |
| апрель 2026 | V4 Preview: V4-Pro и V4-Flash | контекст 1 млн токенов в открытой модели |
| август 2026 | V4-Pro GA | три уровня усилия рассуждений, поддержка Responses API |
| сентябрь 2026 | V4.1-Flash и Harness | нативное зрение, асимметричная архитектура, собственный агент |
Почему R1 стал переломным моментом
До января 2025 года считалось, что рассуждающие модели — привилегия закрытых лабораторий: они дороги в обучении и требуют огромных вычислительных ресурсов. DeepSeek выпустила R1 с открытыми весами и MIT-лицензией — и показала, что качество рассуждений достигается архитектурой и обучением с подкреплением, а не только масштабом.
Эффект был двойным: техническим (открытые веса стали нормой для reasoning-моделей) и рыночным — капитализация западных компаний просела за один день, а вопрос «зачем платить за подписку» перестал быть риторическим.
Спор о цене обучения
Отдельная сюжетная линия — заявленные $5,5 млн на обучение V3. Цифра вызвала бурю: одни увидели доказательство эффективности, другие — некорректное сравнение, потому что в неё не входили затраты на исследования, инфраструктуру и неудачные эксперименты.
Корректный вывод такой: DeepSeek действительно тратит на обучение в разы меньше конкурентов за счёт архитектуры MoE и инженерной оптимизации, но «в 10 раз дешевле» относится к финальному прогону, а не к полной стоимости разработки.
Что определило стратегию
- Открытые веса. Все ключевые модели публикуются на Hugging Face под MIT — это и маркетинг, и способ набрать экосистему.
- Агрессивная цена API. Компания раз за разом снижала тарифы, заставляя рынок подстраиваться.
- MoE вместо гигантомании. Активируется лишь часть параметров, поэтому модель на сотни миллиардов работает быстро и дешёво.
- Ставка на эффективность, а не на объём. V4.1-Flash с 552 млрд параметров обходит флагман V4-Pro на агентных задачах.
Где компания сейчас
К концу 2026 года линейка выглядит так: V4.1-Flash — рабочая модель по умолчанию, V4-Pro — флагман для сложных задач, Harness — официальный агент с открытым кодом. Старые имена deepseek-chat и deepseek-reasoner отключены с 24 июля 2026 года, а V4-Flash и V4-Flash-Vision-Exp сняты и перенаправлены на V4.1.
Одновременно компания вышла в агентный сегмент: Harness конкурирует не с чатами, а с Claude Code и OpenCode. Это показывает направление — от «модели по API» к полноценной среде работы.
История DeepSeek: что это значит для пользователя
История DeepSeek полезна не как хроника, а как объяснение текущих правил: открытые веса, низкие цены и быстрая смена моделей — не случайность, а стратегия с 2023 года. Зная её, проще не удивляться, когда через полгода снова поменяются имена и тарифы.
Практических выводов три. Первый: не привязывайтесь к именам моделей, они меняются каждые несколько месяцев — держите их в конфиге. Второй: открытые веса дают страховку — если сервис закроется или изменит тарифы, модель можно развернуть у себя. Третий: цена, скорее всего, останется конкурентной, потому что это часть стратегии компании, а не временная акция.
Устройство актуальной линейки — в статье модели DeepSeek, сравнение с конкурентами — в материале Дипсик или ChatGPT.
История DeepSeek объясняет и то, почему инструкции 2025 года стоит перечитывать с осторожностью.
Кто создал DeepSeek?
Китайская лаборатория DeepSeek из Ханчжоу, основанная в 2023 году при поддержке хедж-фонда High-Flyer. Руководитель — Лян Вэньфэн.
Когда вышла первая модель DeepSeek?
Первым публичным продуктом в 2023 году стал DeepSeek Coder, а широкую известность компании принесли V2 (2024), V3 (декабрь 2024) и R1 (январь 2025).
Сколько стоило обучение DeepSeek V3?
Около $5,5 млн за финальный прогон обучения — цифра без учёта исследований и инфраструктуры. Она показывает эффективность архитектуры, но не полную стоимость разработки.
DeepSeek — китайская компания?
Да, компания базируется в Ханчжоу, Китай. Это объясняет и сильные стороны модели, и ограничения доступа из России, и требования к данным.