DeepSeek-V4-Flash-0731 стал GA: Responses API доступен только для Flash, а разрыв в конкурентности превратился в решение по маршрутизации

Запись в changelog DeepSeek от 31 июля не объявляет о новой модели — она объявляет о переломном моменте в маршрутизации. API-псевдоним deepseek-v4-flash теперь указывает на V4-Flash-0731 — checkpoint после повторного пост-обучения, который превосходит V4-Pro-Preview по всем ключевым агентным бенчмаркам. Одновременно DeepSeek сделал Responses API эксклюзивным для Flash: поддержка Pro появится только в начале августа. Для команд, использующих Codex-native рабочие процессы или формат OpenAI Responses API, Pro-fallback сейчас недоступен. Это структурный факт, который каждая конфигурация маршрутизации должна учесть сегодня.

Что произошло

DeepSeek опубликовал публичную бету V4-Flash-0731 в официальном changelog API. Обновление:

• Переводит псевдоним deepseek-v4-flash на новый checkpoint без необходимости менять specifier модели в существующих интеграциях
• Подтверждает ту же архитектуру MoE (284B/13B), что и у Preview; изменилось только пост-обучение
• Объявляет Responses API эксклюзивным для deepseek-v4-flash — сноска в таблице цен указывает, что поддержка Pro появится в начале августа 2026 года
• Отмечает, что V4-Flash-0731 «специально адаптирован для Codex» с документацией в руководстве по интеграции Codex
• Публикует результаты агентных бенчмарков, значительно превышающие V4-Pro-Preview по всем публичным тестовым наборам

Бенчмарки впечатляют. По задачам, критически важным для coding-agent и автономных рабочих процессов — Terminal Bench 2.1 (82.7), NL2Repo (54.2), DeepSWE (54.4), Toolathlon verified (70.3), Cybergym (76.7), DSBench-Hard (59.6) — Flash-0731 опережает V4-Pro-Preview с существенным отрывом. Согласно документации DeepSeek, результаты получены с использованием DeepSeek Harness minimal mode при max effort, topp=0.95, temperature=1.0.

Почему это важно для AI-инжиниринг команд

Переворот в агентных бенчмарках — первый неожиданный результат. V4-Flash позиционировался как экономичный tier, примерно равный Pro на простых агентных задачах; теперь он лидирует на сложных coding-agent задачах. Если логика маршрутизации по умолчанию использует Pro как «качественный» уровень для генерации кода или агентных pipeline, это предположение нужно проверить на актуальных данных.

Более непосредственный операционный факт — разделение Responses API. Таблица цен DeepSeek делает текущее состояние явным:

Пятикратная разница в конкурентности между Flash и Pro (2500 против 500) уже была существенной для агентных рабочих процессов с высокой нагрузкой. В сочетании с эксклюзивностью Responses API и трёхкратным ценовым преимуществом Flash становится доминирующим уровнем для любого рабочего процесса, принимающего компромисс по качеству — а данные бенчмарков показывают, что этот компромисс значительно меньше, чем казалось в апреле.

Третье структурное изменение: DeepSeek объявил о введении пиковых/внепиковых цен — 2× от базовых в пиковые часы (09:00–12:00 и 14:00–18:00 по пекинскому времени, UTC+8). Точная дата вступления в силу пока не объявлена. Команды с высоким объёмом инференса в эти окна должны заранее рассчитать бюджетные последствия.

Взгляд роутера и оператора

Следствие 1 для маршрутизации — окно блокировки Responses API. Если ваш agent harness использует формат Responses API — который применяет всё больше Codex-native и tool-loop рабочих процессов — единственный доступный endpoint DeepSeek сейчас — это Flash. Запросы Responses API к Pro будут возвращать ошибку до начала августа. Fallback-цепочки, которые считают Flash и Pro взаимозаменяемыми для этого формата запросов, будут молча падать, если Pro стоит первым.

Следствие 2 — Codex native harness. DeepSeek явно адаптировал V4-Flash-0731 для Codex. Конфигурационные параметры в документации по интеграции не поддерживались формально в Preview checkpoint. Если вы маршрутизируете DeepSeek через Codex-совместимый harness, -0731 — это первая версия с задокументированным, стабильным путём интеграции.

Следствие 3 — запас конкурентности Flash vs Pro. 2500 параллельных запросов для Flash против 500 для Pro — пятикратная разница в пиковой пропускной способности. Для agent swarm с параллельным выполнением множества задач — циклы ревью кода, генерация multi-file diff, агентный поиск — Flash является естественным уровнем при пиковых нагрузках даже без учёта стоимости. Более низкий лимит конкурентности Pro создаёт жёсткий потолок мощности, который не может обойти никакая fallback-маршрутизация.

Следствие 4 — планирование стоимости в пиковые часы. Объявленный двукратный множитель пиковых часов поднимает стоимость вывода Flash с $0.28/1M до $0.56/1M в пекинское рабочее время. Это всё ещё ниже внепикового тарифа Pro в $0.87/1M, но разрыв сокращается. Команды с глобально распределёнными пользователями, нагружающими систему в пиковые пекинские часы, должны заранее смоделировать это в прогнозах стоимости — пока ещё есть время. Стоит оценить логику маршрутизации по времени суток (переключение на другого провайдера в пиковые пекинские часы).

Следствие 5 — выравнивание пути миграции. V4-Flash-0731 сохраняет тот же API-интерфейс, что и V4-Flash-Preview. Миграция не требуется. Команды, явно указавшие -0731 в specifier модели для Preview, должны проверить, нужно ли удалять суффикс или псевдоним его поглощает — changelog указывает, что псевдоним стабилен.

За чем следить

Объявление GA для Pro — следующее ключевое событие. Changelog DeepSeek прогнозирует GA для V4-Pro «в ближайшее время», что, вероятно, принесёт поддержку Responses API и обновлённые бенчмарки. После этого текущая асимметрия устранится, и решение по маршрутизации сведётся к чистой оптимизации стоимость/качество, а не доступности формата API. До тех пор рабочие процессы с Responses API должны маршрутизироваться исключительно через Flash.

Команды, оценивающие влияние пиковых/внепиковых цен, должны следить за официальным каналом анонсов DeepSeek и таблицей цен на предмет даты вступления в силу. Окно для корректировки политики маршрутизации по времени суток до наступления изменений открыто прямо сейчас.

Для команд, интегрирующихся через AI gateway — включая TheRouter — расширение конкурентности Flash до 2500 означает существенно больший запас пиковой пропускной способности от провайдера по сравнению с уровнем Pro. Политики rate limit на стороне gateway, настроенные под V4-Flash, стоит пересмотреть, чтобы отразить реальные возможности провайдера.