DeepSeek официально представила V4 Pro — топовую версию своей новой линейки моделей. Главная сенсация: модель набрала 80.6% на бенчмарке SWE-Bench Verified, что делает её не просто лучшей среди open-weight решений, но и лидером общего зачета, включая закрытые проприетарные модели.
Для контекста: на май 2026 года Claude Sonnet 4 показывает 77.2%, а GPT-5 — около 74.9%. DeepSeek V4 Pro стала первой открытой моделью, которая системно доминирует в решении реальных GitHub-тикетов.
Что это значит для вайбкодеров
Главное изменение — теперь «мозги» топового уровня можно запустить локально или в своем облаке. Это закрывает вопрос безопасности данных для тех, кто не хочет скармливать свой проприетарный код API-провайдерам.
Ключевые характеристики:
- Контекстное окно 1М токенов: в один запрос теперь влезают целые монорепозитории. Это уровень Claude Opus 4.7.
- GPQA Diamond 90.1: модель сильна не только в синтаксисе, но и в общей логике (reasoning), приближаясь к топовым моделям-рассуждалкам.
- Open-weight: веса доступны для скачивания под коммерческой лицензией DeepSeek.
Бенчмарки и реальность
Эпоха HumanEval закончилась — топовые модели давно пробили там потолок в 97%. SWE-Bench Verified сегодня является единственным адекватным мерилом, так как проверяет способность модели писать работающие патчи к реальным багам. Тот факт, что open-weight модель лидирует здесь, меняет экономику разработки: вместо оплаты токенов по прайсу Anthropic или OpenAI, команды могут инвестировать в собственные GPU-кластеры.
Однако стоит помнить: отрыв в 3% на публичном бенчмарке может нивелироваться на специфическом стеке или внутреннем DSL компании. Перед тем как закупать H100, стоит прогнать V4 Pro на собственном бэклоге багов.
В линейку V4 также вошла облегченная версия V4 Flash, но именно Pro-версия меняет правила игры для профессионального использования в агентских пайплайнах.
