DeepSeek V4 выходит 17 февраля: что известно о новом coding-гиганте

Год назад DeepSeek выпустила R1 в разгар китайского Нового года — и перевернула рынок. Теперь компания готовит повторение: 17 февраля 2026 года, к началу празднования года Змеи, ожидается релиз DeepSeek V4 — модели, специально заточенной под программирование.

Почему это важно

DeepSeek последовательно доказывает, что можно конкурировать с OpenAI и Anthropic при меньших затратах на обучение. V3 уже показала сопоставимое качество при цене инференса в разы ниже конкурентов. V4 идёт дальше — это не просто очередная итерация, а модель с принципиально новой архитектурой памяти.

Внутренние бенчмарки DeepSeek, просочившиеся в сеть, утверждают, что V4 превосходит Claude 3.5 Sonnet и GPT-4o на задачах программирования. Независимая верификация пока отсутствует, но если это подтвердится — расклад сил на рынке coding-моделей изменится радикально.

Engram: память, которая понимает код

Главная инновация V4 — технология Engram Conditional Memory, описанная в исследовательской статье DeepSeek от 13 января 2026 года.

Традиционные LLM обрабатывают контекст как поток токенов, не различая структурную информацию от шума. Engram работает иначе: модель учится распознавать паттерны проекта — naming conventions, архитектурные решения, стиль кода конкретной команды. Вместо механического запоминания происходит «понимание» структуры репозитория.

На практике это означает, что V4 может работать как опытный разработчик, который провёл несколько месяцев в проекте: знает, где искать нужные файлы, как принято называть переменные, какие паттерны использует команда.

Архитектура: три ключевых компонента

DeepSeek V4 строится на нескольких технологических прорывах.

Manifold-Constrained Hyper-Connections (mHC) — новый метод организации связей между слоями нейросети. В глубоких сетях информация теряется при прохождении через множество слоёв — mHC создаёт «логические магистрали», которые сохраняют целостность рассуждений. Это критично для рефакторинга больших кодовых баз, где нужно удерживать в памяти тысячи строк зависимостей.

DeepSeek Sparse Attention (DSA) — механизм внимания, который фокусируется на релевантных частях контекста вместо равномерной обработки всех токенов. Результат — контекстное окно свыше 1 миллиона токенов при снижении вычислительных затрат примерно на 50%. Можно загрузить целый репозиторий и работать с ним как с единым документом.

Multi-Head Latent Attention (MLA) — механизм сжатия информации. Там, где другим моделям нужно 100 токенов для хранения контекста, MLA укладывает ту же информацию в 10 ключевых символов. При обращении к памяти происходит математическая реконструкция без потери деталей. Это позволяет держать больше информации в оперативной памяти GPU.

На что способна V4

Ключевая метрика для coding-моделей — SWE-bench, где нужно решать реальные баги из open-source проектов. Текущий лидер — Claude Opus 4.5 с результатом 80.9%. DeepSeek заявляет, что V4 нацелена на превышение этого показателя.

Возможность	Что это даёт
Контекст 1M+ токенов	Весь репозиторий в одном запросе
Multi-file reasoning	Понимание зависимостей между файлами
Repository-level bugs	Исправление багов, затрагивающих несколько модулей
Pattern recognition	Код в стиле конкретного проекта

Помимо SWE-bench, V4 должна показать результаты на HumanEval (генерация функций), MBPP (задачи на Python), CodeContests (олимпиадное программирование) и LiveCodeBench (задачи с обратной связью от интерпретатора).

Open-source и железо

DeepSeek сохраняет стратегию открытых весов. V4 будет доступна для скачивания и локального запуска — важный момент для компаний с требованиями к приватности данных. Финтех, медицина, оборонка — везде, где код нельзя отправлять на внешние API.

Требования к железу для локального запуска оказались неожиданно демократичными. Минимальная конфигурация — два RTX 4090 или один RTX 5090. Это всё ещё дорого, но укладывается в бюджет рабочей станции, а не серверной стойки.

Для тех, кто не готов собирать собственный сервер, V4 будет доступна через облачные провайдеры — API появится у Atlas Cloud, Together AI и других платформ сразу после релиза.

Что ждать дальше

Независимая верификация бенчмарков — главный открытый вопрос. DeepSeek известна амбициозными заявлениями, которые не всегда подтверждаются сторонними тестами с первого раза. Сообщество быстро проверит V4 на реальных задачах.

Второй вопрос — лицензия. V3 использовала модифицированную MIT-лицензию с ограничениями на коммерческое использование выше определённого порога. Какие условия будут у V4 — пока неизвестно.

Релиз 17 февраля выглядит как продуманный маркетинговый ход: праздничные дни в Китае, сниженная активность американских конкурентов, максимальный резонанс в социальных сетях. DeepSeek уже доказала, что умеет выбирать момент — остаётся дождаться, оправдает ли V4 ожидания.