DeepSeek V3

Name: DeepSeek V3
Author: DeepSeek

Модель, с которой началась слава DeepSeek (26 декабря 2024): открытая MoE на 671B параметров с 37B активных, обученная за ~$5.6 млн - в 10-20 раз дешевле GPT-4. На старте вышла на уровень GPT-4o и Claude 3.5 Sonnet. Лицензия MIT, контекст 128K. Основа, из которой выросли V3.1 и вся линейка.

Бесплатно (открытые веса, MIT) / API от ~$0.20 за 1M входныхРаботает в РФ

⭐ 7.9/10📅 2024-12-26🏢 DeepSeek✓ Open Source

Открыть сайт

Рейтинг и бенчмарки

Общий рейтинг

7.9/10

Benchmark Score

7.9/10

Скорость

8.5/10

Архитектура

MoE 671B总 / 37B активных, MLA + DeepSeekMoE

Стоимость обучения

~$5.6 млн на 2048 NVIDIA H800 за 55 дней

MATH-500

90.2

Обучение

14.8 трлн токенов

Уровень на старте

паритет с GPT-4o и Claude 3.5 Sonnet

Входные и выходные данные

Входные данные

текст

Выходные данные

текст

API и стоимость

Входные токены (Input)

Бесплатно (открытые веса, MIT) / API от ~$0.20 за 1M входных

цена за промпт

Выходные токены (Output)

~$0.80 / 1M токенов (зависит от провайдера)

цена за ответ

✓API доступен

Документация API →

Способы доступа

API (DeepSeek)Web (chat.deepseek.com)Self-hosted (Hugging Face)

Сценарии использования

чат и письмопрограммированиематематика и анализдешевые массовые задачидообучение под свои цели

Тарифы и подписки - DeepSeek

Актуальные планы подписки провайдера. Цены могут меняться - уточняйте на странице цен

Открытые веса (self-host)

Бесплатно

Чекпойнты на Hugging Face (MIT + Model License)
Коммерческое использование разрешено
Дообучение под свои задачи
Нужен кластер GPU для 671B

Популярный

API DeepSeek

от ~$0.20 / $0.80 за 1M

Один из самых дешевых API среди сильных моделей
Контекст 128K, вывод до 8K
JSON Output, Tool Calls, FIM
Кеширование входа дает скидку

Сторонние провайдеры

оплата за токены

OpenRouter, Together AI и др.
Доступ для РФ через агрегаторы
Без собственного железа

Российские карты не принимаются.Genova-ai - работает в РФ без VPN

Плюсы и минусы

✓ Плюсы

Историческая модель: доказала, что фронтир-уровень достижим за ~$5.6 млн - в 10-20 раз дешевле, чем оценивали обучение GPT-4

Открытые веса под MIT - бесплатный локальный запуск, дообучение и коммерческое использование без ограничений

MoE-эффективность: при 671B总 активны лишь 37B параметров на токен, инференс дешевле плотных моделей того же класса

Сильная математика: 90.2 на MATH-500, а на старте модель встала вровень с GPT-4o и Claude 3.5 Sonnet

Архитектурные новшества: Multi-head Latent Attention, DeepSeekMoE, балансировка без вспомогательных потерь, multi-token prediction

Очень дешевый API (~$0.20 за 1M входных) и доступность в России - сервис не заблокирован

✗ Минусы

Это версия декабря 2024 - линейка ушла далеко вперед: есть V3.1 с гибридным мышлением и более свежие релизы

Не reasoning-модель: длинную цепочку рассуждений строит хуже, чем R1-0528 или современные thinking-режимы

Полный self-host 671B требует кластера GPU - дома не запустить

Официальный API DeepSeek не принимает российские карты (доступ - через агрегаторы)

Максимальный вывод 8K токенов - мало для очень длинных генераций

Только текст: без обработки изображений и других модальностей

Подробный обзор

Что такое DeepSeek V3

DeepSeek V3 - открытая языковая модель китайской лаборатории DeepSeek, вышедшая 26 декабря 2024 года. Именно с нее началась мировая известность компании. Это Mixture-of-Experts на 671 миллиард параметров, из которых на каждый токен активны лишь 37 миллиардов. Модель предобучена на 14.8 триллионах токенов и распространяется под лицензией MIT.

Главная сенсация - цена обучения

Настоящий резонанс вызвали не бенчмарки, а экономика: обучение заняло 55 дней на 2048 видеокартах NVIDIA H800 и обошлось примерно в $5.6 млн. Для сравнения, стоимость обучения GPT-4 оценивали в $50-100 млн. При этом по результатам V3 превзошла LLaMA 3.1 и Qwen 2.5 и вышла на паритет с GPT-4o и Claude 3.5 Sonnet, а на математическом тесте MATH-500 набрала 90.2. Это перевернуло представление отрасли о том, сколько стоит фронтир.

Что под капотом

Multi-head Latent Attention (MLA) и архитектура DeepSeekMoE - основа эффективности
Балансировка экспертов без вспомогательных потерь - новая на тот момент стратегия
Multi-token prediction в обучении - для более сильного результата
Контекст 128K токенов, вывод до 8K

Актуальность сегодня

Честно: V3 - это конец 2024 года, и линейка с тех пор ушла далеко вперед. Появилась reasoning-модель R1-0528 и универсальная DeepSeek V3.1 с гибридным мышлением, где обычный и "думающий" режимы объединены. Для практической работы сегодня логичнее брать их. Но V3 остается важной вехой и по-прежнему рабочей моделью: дешевый API, открытые веса под MIT и хорошая база для дообучения.

Доступность в России

Модель доступна в России: сервис chat.deepseek.com не заблокирован, а веса под MIT можно скачать с Hugging Face и запускать на своем железе без аккаунтов и карт (правда, для 671B нужен кластер). Барьер - оплата официального API: российские карты не принимаются, поэтому платный доступ проще получить через агрегаторы вроде OpenRouter или сервисы с рублевой оплатой. Русский язык модель понимает, но отвечает точнее на английском.

Часто задаваемые вопросы

Что такое DeepSeek V3?

Открытая MoE-модель DeepSeek, вышедшая 26 декабря 2024 года: 671 млрд параметров总 при 37 млрд активных на токен, контекст 128K, лицензия MIT. Именно с нее началась известность компании - модель вышла на уровень GPT-4o и Claude 3.5 Sonnet, будучи обученной радикально дешевле.

Почему DeepSeek V3 наделала столько шума?

Из-за экономики обучения: 55 дней на 2048 видеокартах NVIDIA H800 и около $5.6 млн затрат, тогда как обучение GPT-4 оценивали в $50-100 млн. При этом по качеству модель встала вровень с топовыми закрытыми моделями того времени. Это изменило представление отрасли о стоимости создания фронтир-модели.

DeepSeek V3 актуальна в 2026 году?

Как рабочая и очень дешевая модель - да, но линейка ушла вперед. Сейчас логичнее брать DeepSeek V3.1 с гибридным мышлением (объединяет обычный и reasoning-режимы) или R1-0528, если нужны глубокие рассуждения. V3 остается хорошей базой для дообучения и историческим ориентиром.

Сколько стоит DeepSeek V3?

Веса открыты и бесплатны (MIT + Model License), можно запускать локально и использовать коммерчески - но для 671B нужен кластер GPU. Через API это один из самых дешевых вариантов среди сильных моделей: ориентировочно от $0.20 за 1M входных и около $0.80 за 1M выходных токенов, с кешированием входа еще дешевле.

Чем V3 отличается от R1?

V3 - обычная модель: отвечает сразу, без длинной видимой цепочки рассуждений. R1 (и особенно R1-0528) - reasoning-модель, которая "думает" перед ответом и потому сильнее в математике и логике, но медленнее и дороже по токенам. Позже DeepSeek объединила оба подхода в V3.1 с гибридным мышлением.

Работает ли DeepSeek V3 в России?

Да: сайт chat.deepseek.com не заблокирован, а открытые веса можно скачать с Hugging Face и запускать локально без карт и аккаунтов. Официальный API российские карты не принимает - платный доступ проще получить через агрегаторы (OpenRouter) или сервисы с рублевой оплатой.