История DeepSeek: как китайская лаборатория обошла конкурентов

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.