DeepSeek V4 Flash для coding: цена, benchmark и подключение к инструментам

DeepSeek V4 Flash выгодно тестировать как дешёвую модель для частых coding-вызовов, subagent и задач с чётким критерием готовности. Но низкая цена за Token не отменяет стоимость длинного reasoning, ошибок клиента и повторных запусков. Для тяжёлой архитектурной работы Flash лучше сравнивать с Pro на одинаковом репозитории, а не считать его “дешёвой копией” флагмана.

Хотите проверить Flash на небольшом бюджете? В каталоге BetterToken 13 августа 2026 года модель deepseek-v4-flash-0731 стоила около $0.095 за миллион входных и $0.191 за миллион выходных Token. Создайте собственный API Key, выполните один безопасный тест и проверьте Model ID и расход в Workspace. Перед следующим запуском сверяйте каталог повторно: Model ID и цена зависят от выбранного провайдера и могут измениться.

Какой DeepSeek V4 Flash обсуждают сейчас

Официальный анонс 24 апреля представил V4 Preview. На 13 августа страница моделей DeepSeek показывает два стабильных API Model ID: deepseek-v4-flash и deepseek-v4-pro. В строке MODEL VERSION им соответствуют сборки DeepSeek-V4-Flash-0731 и DeepSeek-V4-Pro-0813.

Версия и Model ID выполняют разные задачи. Версия сообщает, какую сборку сейчас обслуживает DeepSeek, а стабильный Model ID остаётся строкой для официального API. У другого провайдера каталог может называться иначе: 13 августа BetterToken показывал deepseek-v4-flash-0731 и deepseek-v4-pro, но не deepseek-v4-pro-0813. Перед настройкой откройте каталог выбранного endpoint и скопируйте имя оттуда; не переносите 0813 в конфигурацию автоматически.

Где вызываете модель	Flash	Pro	Что копировать в конфигурацию
Официальный DeepSeek API	версия DeepSeek-V4-Flash-0731	версия DeepSeek-V4-Pro-0813	deepseek-v4-flash или deepseek-v4-pro
BetterToken, проверка 13 августа	deepseek-v4-flash-0731	deepseek-v4-pro	Model ID из текущего каталога BetterToken

Числа 0731 и 0813 помогают понять свежесть обслуживаемой сборки, но не задают универсальный alias для всех endpoint.

По документации и официальной модели Flash имеет 284 млрд общих и 13 млрд активных параметров, контекст 1 млн Token и максимальный выход 384K. Доступны thinking и non-thinking, а для reasoning сравниваются High и Max.

Миллионный контекст — верхний технический предел, а не обещание одинакового качества на любом объёме кода. Проверяйте способность найти нужную информацию в середине контекста и не потерять правила проекта после длинной истории tools.

Сколько стоит один agent-запуск

Официальный тариф DeepSeek API:

• Вход, cache hit: $0.0028 за 1 млн Token.
• Вход, cache miss: $0.14 за 1 млн Token.
• Выход: $0.28 за 1 млн Token.

Запуск с 200 000 входных и 20 000 выходных Token без кэша:

0.2 × $0.14 + 0.02 × $0.28 = $0.0336.

Если вход полностью попал в кэш, расчёт даёт $0.00616. Полное попадание — условный крайний случай; реальный agent меняет историю, tool results и файлы, поэтому часть префикса перестаёт совпадать.

По карточке BetterToken тот же объём без отдельного учёта кэша стоит:

0.2 × $0.095 + 0.02 × $0.191 = $0.02282.

Низкая сумма не должна скрывать расход reasoning. Если клиент запросил большой max_tokens, модель может потратить значительную часть бюджета до полезного ответа. Для финансового сравнения фиксируйте не только цену за миллион, но и Token на завершённую задачу.

Что меняется между Non-Think, High и Max

Официальная модель-карта публикует сравнение трёх режимов:

• LiveCodeBench: 55.2 в Non-Think, 88.4 в High и 91.6 в Max.
• Terminal Bench 2.0: 49.1 в Non-Think, 56.6 в High и 56.9 в Max.
• SWE Verified: 73.7 в Non-Think, 78.6 в High и 79.0 в Max.
• SWE Pro: 49.1 в Non-Think, 52.3 в High и 52.6 в Max.
• MRCR 1M: 37.5 в Non-Think, 76.9 в High и 78.7 в Max.

Это vendor/model-card результаты, а не независимый production benchmark. Они показывают две полезные закономерности. Во-первых, отключение thinking сильно бьёт по некоторым coding и long-context тестам. Во-вторых, переход High → Max даёт гораздо меньший прирост, чем Non-Think → High.

Практический выбор:

• Non-Think — форматирование, извлечение, очевидная локальная правка после проверки на ваших примерах;
• High — основной кандидат для bug fix, review и нескольких связанных файлов;
• Max — сложная отладка, длинный agent-план или задача, где ошибка дороже дополнительных Token.

Не делайте Max значением по умолчанию только из-за наибольшей цифры в таблице.

Для каких задач Flash выглядит рационально

Flash особенно интересен там, где запросов много, а каждый шаг можно проверить автоматически:

• subagent ищет файлы и собирает факты для главного агента;
• CI объясняет конкретное падение теста;
• массовый review проверяет одно правило;
• агент генерирует тесты для уже определённого интерфейса;
• кодовая миграция разбита на короткие одинаковые партии.

Менее очевидный выбор — новая архитектура без чётких ограничений, конфликтующие требования и работа, где модель должна часами самостоятельно принимать продуктовые решения. Там низкая цена Flash может быть съедена повторными попытками, а Pro или другая модель окажется дешевле на принятый результат.

Подключение к Claude Code

DeepSeek предлагает Anthropic-compatible endpoint и в официальном примере разделяет роли моделей: Pro — основной агент, Flash — Haiku и subagent.

export ANTHROPIC_BASE_URL="https://api.deepseek.com/anthropic"
export ANTHROPIC_AUTH_TOKEN="YOUR_API_KEY"
export ANTHROPIC_MODEL="deepseek-v4-pro[1m]"
export ANTHROPIC_DEFAULT_HAIKU_MODEL="deepseek-v4-flash"
export CLAUDE_CODE_SUBAGENT_MODEL="deepseek-v4-flash"
export CLAUDE_CODE_EFFORT_LEVEL="max"

Такой split удобен: дорогая модель принимает архитектурные решения, а Flash выполняет более узкие подзадачи. Если вы хотите проверить Flash как основной агент, не выдавайте это за официальную рекомендуемую схему — создайте отдельный профиль и сравните результат.

После запуска проверьте Base URL, фактическую модель subagent и один tool call. Одного текстового ответа мало: проблема совместимости часто появляется только после первого вызова инструмента.

Подключение к OpenCode

Официальная инструкция требует OpenCode не ниже 1.14.24:

opencode --version
opencode

В интерфейсе выполните /connect, выберите DeepSeek и вставьте ключ через диалог. Затем откройте список моделей. Официальный guide демонстрирует выбор Pro; Flash выбирайте только если deepseek-v4-flash действительно присутствует в списке официального провайдера. Для BetterToken на момент проверки использовался deepseek-v4-flash-0731. Эти имена нельзя менять местами без проверки каталога конкретного endpoint.

Проверка должна быть многошаговой: попросите прочитать файл, вызвать tool, затем продолжить рассуждение после tool result. Именно второй ход выявляет проблему с reasoning_content.

Почему возникает ошибка reasoning_content

В thinking-режиме DeepSeek требует передавать reasoning_content обратно в историю следующих запросов. OpenCode issue #24130 описывает случай, когда клиент терял это поле и получал ошибку после tool call; связанное исправление разбиралось в PR #24146. Отдельно текущая официальная инструкция DeepSeek требует OpenCode 1.14.24 или новее. Не выводите номер исправленной версии только из issue или PR — проверяйте актуальное требование в guide.

Если ошибка сохраняется:

1. обновите OpenCode;
2. убедитесь, что используется актуальный DeepSeek provider;
3. не удаляйте reasoning-поля при собственной нормализации messages;
4. повторите двухходовый тест с одним tool;
5. только после этого проверяйте Model ID и сеть.

Ручной JSON из случайного комментария может временно помочь, но официальный provider безопаснее: он обновляется вместе с контрактом клиента.

Откуда берётся ограничение 32K

В OpenCode issue #29363 сообщалось, что конфигурация клиента ограничивала выход 32K, хотя модель документирует 384K. Это два разных уровня: лимит модели и лимит, который приложение отправило в запросе.

Не нужно автоматически запрашивать 384K. Большой потолок увеличивает потенциальный расход и время. Но если ответ обрывается с length, проверьте effective max_tokens, provider adapter и режим reasoning до вывода, что “Flash не умеет длинный ответ”.

Что дают единичные пользовательские отчёты

В одном обсуждении практического coding пользователи описывали как удачные repo-аудиты и короткие миграции, так и пропущенные требования, необходимость исправлять план и повторяемые ошибки в небольшой тестовой задаче. У этих историй нет общего prompt, commit, harness и независимой проверки, поэтому они дают только сценарии для собственной приёмки, а не среднюю производительность модели.

Отдельный issue #1483 сообщает о переключении ответа на китайский в некоторых запросах V4 Flash. Это один пользовательский отчёт, а не известная частота дефекта. Добавьте в тест явную проверку языка ответа и комментариев, соблюдения файла правил и восстановления после failed tool call.

Как провести тест без самообмана

Сравните Non-Think, High и Max на десяти одинаковых заданиях. Заморозьте commit и не меняйте prompt между режимами. Считайте:

• долю задач, прошедших тесты;
• время до готового diff;
• входные, выходные и reasoning Token;
• число повторных попыток;
• нарушения правил и языка;
• стоимость принятой задачи.

Если High завершает девять задач из десяти, а Max — те же девять с вдвое большим расходом, максимальный режим не окупается. Если Max единственный проходит сложный bug, его более высокая стоимость обоснована именно для этого класса задач.

Источники

• Официальный анонс V4 Preview
• Текущая цена и лимиты DeepSeek API
• DeepSeek в coding agents
• DeepSeek V4 Flash: официальная модель-карта
• OpenCode issue #24130: reasoning_content
• OpenCode PR #24146: связанное исправление
• OpenCode issue #29363: output cap
• Issue #1483: единичный сигнал о переключении языка
• Смешанные пользовательские отчёты о coding