DeepSeek объявил 10 сентября, что V4 Pro будет отключён сегодня в 04:00 UTC. Вместо этого они отыграли назад под давлением пользователей, сохранив V4 Pro на прежних ценах. Разбираем актуальные параметры двух моделей и решения для routing-операторов.
DeepSeek запустил V4.1-Flash с новым именем deepseek-flash и нативным зрением. 14 сентября в 12:00 по Пекину все запросы к deepseek-v4-pro уйдут на V4.1-Flash по ценам Flash. Имя и URL не меняются, код 200 — но модель другая. Дельта возможностей и что изменить до дедлайна.
Алиас DeepSeek V4-Pro перешел на новую GA-модель с сильными agent-бенчмарками, а peak/off-peak pricing вступает в силу 16 августа. Экономика production routing изменилась.
OpenAI Ultrafast mode routing добавляет для GPT-5.6 Sol limited-preview tier до 14 раз быстрее Standard, поэтому операторам gateway нужно отделить latency-critical traffic от cost-sensitive fallback lanes.
Google Cloud API Gateway model routing вышел в Public Preview: serverless-слой на OpenAPI для маршрутизации Gemini, Claude и OpenAI requests, но только когда все backends находятся в Vertex AI.
Обновление Anthropic API от 24 июля добавило fallbacks: "default" на Opus 5 и Opus 4.8 и превратило speed: "fast" для Opus 4.7 в жёсткую ошибку 400. Разбираем, что это значит для routing-политики прямо сейчас.
Anthropic запустила claude-opus-5 с adaptive thinking по умолчанию — thinking-токены тарифицируются как output-токены, даже если приложение их не получает. Разбираем обновление routing-политики для команд на Claude API, Bedrock и Vertex.
Cohere выпустила North Mini Code — MoE-модель с 30B параметрами и лишь 3B активными — в трёх режимах: API, управляемое облако и self-hosting. Разбираем фреймворк маршрутизации для операторов.
Dreams API от Anthropic больше не требует Opus 4.8 для консолидации памяти агента. Fable 5 и Sonnet 5 теперь поддерживаются, что создаёт реальный выбор модели для каждой команды, запускающей асинхронные задачи с памятью.
xAI Grok 4.3 model routing превращает новый flagship alias, 1M context, cached-input pricing и региональную доступность в решение AI gateway policy.
GLM-5.2 combines a verified 1M-token context, 128K max output, and strong coding-agent benchmarks. Routing teams should evaluate latency, pricing, provider fit, and long-horizon workloads.
Отчёт Datadog «State of AI Engineering 2026» фиксирует: более 70% организаций используют три и более AI-модели в продакшне. Данные тысячи реальных клиентов раскрывают, что делает multi-model AI routing production-ready — и где команды до сих пор действуют вслепую.
12 июня Moonshot AI выпустила Kimi K2.7 Code. Kimi K2.7 Code API принудительно включает режим рассуждений — его отключение возвращает ошибку API — что меняет расчёт стоимости, routing-политику и логику fallback для команд с coding-агентами.
Claude Code v2.1.175 добавляет enforceAvailableModels: теперь allowlist из availableModels также ограничивает Default-модель, а проектные и пользовательские настройки не могут его расширить. Для корпоративных команд это закрывает долгое время существовавший обход.
code_execution_20260521 раскрывает 90-секундный лимит ячейки в описании инструмента: Claude планирует ячейки заранее, при превышении — detection_timeout. Операторам нужно обновить версию инструмента, логику повторов и стратегию разбивки ячеек.
Claude Code v2.1.166 добавляет цепочку из трёх fallback-моделей в fallbackModel и ужесточает границу доверия в мульти-агентных сценариях: SendMessage больше не передаёт пользовательские полномочия между сессиями.
Zhipu AI запустила GLM-5.1-highspeed: 400 ток/с через TileRT, 200K контекст, поддержка MCP. Доступна через DashScope. Изменяет routing-логику для realtime-запросов.
Kimi K2.6 API стоит ¥1.10 за cache-hit input, ¥6.50 за cache-miss input и ¥27 за output на 1M токенов; доступны KVV-проверка, 256K context и OpenAI-compatible routing для coding agents.
