Как радикальная архитектура DeepSeek разрушает символический барьер Кремниевой долины

Мэтт Маршалл

Объявление компании DeepSeek, сделанное на выходных, о том, что она навсегда снизила цену на свою флагманскую модель V4 Pro на 75%, является серьезным ударом по капиталоемким бизнес-моделям передовых лабораторий Кремниевой долины.

Снижение цены DeepSeek V4 Pro напрямую превосходит аналогичные западные модели, используемые в качестве «рабочих лошадок» для корпоративного производства. Он в 7 раз дешевле по входным данным и в 17 раз дешевле по выходным данным, чем Claude Sonnet от Anthropic или GPT 5.5-Med от OpenAI, а облегченный DeepSeek V4 Flash в 10-25 раз дешевле альтернатив начального уровня, таких как Claude Haiku.

Снижение цен стало возможным благодаря ряду аппаратно-программных инноваций, особенно в области кэширования, которые делают модели DeepSeek значительно более эффективными в работе. При размещении на серверах в Китае стоимость чтения из кэша DeepSeek в 87 раз ниже, чем в западных облачных сервисах — настолько агрессивный дефляционный порог, что гигант мобильной связи Xiaomi недавно перевел цены на свой новый тарифный план MiMo на аналогичный уровень.

Производительность DeepSeek V4 Pro практически не уступает западным моделям, достигая 80,6% в задачах на программирование в таблице лидеров SWE-bench Verified и элитного показателя логического мышления в 87,5 в расширенном тесте. Технический индекс MMLU-Pro . Как V4 Pro, так и V4 Flash — сверхбыстрая, оптимизированная версия для разработчиков — являются открытыми и распространяются под разрешительной лицензией MIT. Это обеспечивает предприятиям полную гибкость в развертывании. Такая стратегия с использованием двух моделей позволяет техническим командам направлять наиболее ресурсоемкие многоэтапные задачи автономных агентов на сверхбыструю модель Flash, оставляя при этом ресурсоемкую модель Pro для задач глубокого анализа, что значительно снижает затраты в условиях растущих бюджетных ограничений.

Это также происходит в то время, когда закрытые западные лаборатории, в частности OpenAI и Anthropic, подвергаются тщательному анализу рентабельности инвестиций в многомиллиардные проекты по созданию универсальной аппаратной инфраструктуры.

Этот дефляционный коллапс не затронет все лаборатории Кремниевой долины в равной степени, сигнализируя о необратимом разделении рынка корпоративного ИИ. В то время как премиальный, детерминированный уровень сохранится для критически важных инженерных задач, высокопроизводительный фоновый агентный слой полностью превращается в товар, доступный через открытые весовые коэффициенты. В конечном итоге это создает гораздо более опасную ситуацию для OpenAI, чья структура доходов в значительной степени зависит от универсальных потоков API, чем для таких защищенных от программного обеспечения конкурентов, как Anthropic.

Кризис стоимости токенов

Uber утверждает, что потратил весь свой бюджет на 2026 год на Claude Code и Cursor всего за первые четыре месяца года; операционный директор компании заявил, что затраты, связанные с высоким уровнем использования токенов некоторыми инженерами, «становятся все труднее оправдать» без более качественных продуктов. Брайан Чески из Airbnb заявил в прошлом году, что, хотя компания использует новейшие модели OpenAI, она не сильно полагается на них в производстве, предпочитая более быстрые и дешевые альтернативы, такие как Qwen от Alibaba. А в последнем эпизоде подкаста VentureBeat Beyond the Pilot технический директор Pinterest Мэтт Мадригал подтвердил, что компания полностью перешла на стратегию использования ИИ с открытым исходным кодом, обучив открытую модель Qwen от Alibaba на собственном «графе вкусов» компании для управления голосовым помощником Pinterest — достигнув качества, сравнимого с передовыми технологиями, при снижении затрат на 90%. Последующее снижение цен DeepSeek делает вероятность таких различий в стоимости еще более высокой .

[Ищете план действий? Кризис токеновой стоимости и согласование аппаратного и программного обеспечения, описанные в этой статье, определяют повестку дня VB Transform 2026, который состоится 14-15 июля. Мероприятие, специально разработанное для руководителей технологических компаний и специалистов по искусственному интеллекту, внедряющих автономные корпоративные системы, включает в себя специальные сессии по архитектуре агентной инфраструктуры, оптимизации плотности вычислений и анализу реальных примеров отказов от замкнутых циклов разработки. Ознакомьтесь с программой выступлений и приобретите пропуск здесь: https://venturebeat.com/vbtransform2026 ]

Геополитические препятствия и защита от нарушений законодательства

Широкое внедрение китайских моделей в корпоративном секторе сталкивается с серьезными геополитическими препятствиями на Западе. Для американских гигантов в сфере финансов, здравоохранения и обороны, деятельность которых строго регулируется, освоение DeepSeek потребует времени.

Несмотря на то, что архитектура с открытыми весами под лицензией MIT позволяет компании размещать модель локально и предотвращать активную утечку данных на зарубежные серверы, корпоративные советы по соблюдению нормативных требований по-прежнему крайне обеспокоены рисками, связанными с цепочкой поставок программного обеспечения, потенциальными скрытыми лазейками и угрозой внезапных федеральных санкций.

С другой стороны, более мелкие и гибкие команды разработчиков программного обеспечения сталкиваются с гораздо меньшим количеством бюрократических препятствий. Освободившись от многомесячных циклов проверки безопасности, эти быстро развивающиеся организации рассматривают немедленную 75-процентную экономию на инфраструктуре как огромное конкурентное преимущество, которое стоит внедрить прямо сейчас.

Клиринговый центр OpenRouter: отображение глобального трафика токенов.

Рассмотрим метрики использования токенов на OpenRouter, ведущем общедоступном инструменте, определяющем популярность моделей среди разработчиков. OpenRouter предоставляет разработчикам простой способ сравнения и развертывания моделей, и хотя его данные никоим образом не являются полным отражением реальной популярности моделей, они подтверждают, что эта структурная миграция уже происходит в корпоративных конвейерах обработки данных. Модель DeepSeek V4 Flash за последнюю неделю заняла первое место в рейтинге OpenRouter, увеличив использование токенов на 48%. Ее продвинутый аналог, V4 Pro, находится на 6-м месте. Три лучшие модели DeepSeek обработали почти 6 триллионов токенов на OpenRouter за последнюю неделю, что дает им огромное преимущество перед конкурентами. Например, премиальная модель OpenAI, GPT-5.5, опустилась на 15-е место с 470 миллиардами токенов.

Точно неизвестно, какая часть мирового трафика токенов приходится на OpenRouter. По консервативным оценкам, это около 3%. Это не отражает огромные объемы токенов, обрабатываемых API, предоставляемыми разработчикам напрямую такими компаниями, как Anthropic, OpenAI и Google. Однако недавние оценки показывают, что OpenRouter обрабатывает от 15 до 40% использования токенов OpenAI и Google, и эта доля продолжает расти, что делает его важным индикатором относительных тенденций независимо от точного процента, который он представляет.

Хотя скептики часто считают трафик агрегаторов сигналом от независимых разработчиков, а не отражением ИТ-затрат компаний из списка Fortune 500, реальность корпоративных ИТ-процессов меняется. Анализ инфраструктуры, проведенный ведущей венчурной компанией Andreessen Horowitz, показал, что в производственных средах предприятий одновременно развертывается в среднем 14 различных моделей для оптимизации маршрутизации рабочих нагрузок и избежания привязки к одному поставщику. Именно этот структурный сдвиг в архитектуре стал причиной того, что OpenRouter недавно привлекла огромные 113 миллионов долларов в рамках раунда финансирования серии B, напрямую поддержанного крупными поставщиками корпоративных данных и программного обеспечения, обслуживающими корпоративную Америку, — включая ServiceNow Ventures, Snowflake Ventures, Databricks Ventures, NVentures от Nvidia и CapitalG от Google. Stripe также сослалась на корпоративных клиентов OpenRouter в своем решении тесно сотрудничать с компанией.

Вот почему стремительный взлет DeepSeek в этом рейтинге так впечатляет. DeepSeek сам предоставляет разработчикам API, и поэтому он тоже обеспечивает больший трафик токенов, чем показывает OpenRouter.

За пределами чат-ботов: появление многоступенчатых автономных агентов.

Всплеск активности DeepSeek на OpenRouter указывает на более глубокий структурный сдвиг в том, как автоматизированные программные архитектуры используют машинный интеллект. Технические команды перестают использовать тривиальные чат-боты с одним циклом действий и начинают развертывать более сложные автономные агенты, которые работают часами подряд, рекурсивно перебирая кодовые базы и хранилища данных. Огромное количество вызовов инструментов и постоянное перечитывание длинных историй контекста приводят к экспоненциальному росту потребления токенов ИИ.

Запуск этих рекурсивных циклов на закрытых, премиальных западных API быстро приводит к непомерным затратам на инфраструктуру. В то время как корпоративные технологические команды в прошлом году свободно экспериментировали с ранними прототипами, работающими в один цикл, не беспокоясь о бюджетах, появление автономных агентов, генерирующих огромное количество токенов, спровоцировало кризис в структуре корпоративных расходов. Исследование VentureBeat за первый квартал 2026 года, в котором приняли участие корпоративные пользователи в организациях с численностью сотрудников более 100 человек (n=65, в США в сфере программного обеспечения, финансов и здравоохранения), подтверждает этот сдвиг: «Стоимость за токен или модель лицензирования» подскочила с 25,4% в январе до 36,7% в марте, уступая по значимости только производительности как основному критерию выбора для корпоративных покупателей.

DeepSeek оптимизировал свои весовые коэффициенты для этой конкретной тенденции активного использования токенов агентами. Он установил стандартную стоимость ввода в размере 0,435 доллара за миллион токенов и стандартную скорость вывода в размере 0,87 доллара за миллион токенов, а также минимальную стоимость чтения с использованием префиксного кэша в размере 0,003625 доллара за миллион.

Именно этот третий пункт стоимости — кэш — является, пожалуй, самым значимым. «Если измерить, как все эти агенты сейчас используют токены, то 80–90% токенов — это токены для чтения из кэша», — сказал Вал Берковичи, главный директор по искусственному интеллекту в компании WEKA, которая предоставляет быстрое хранилище для большей части этого кэша. «Это означает, что [эта цена] является практически самой важной ценой, делая остальные несущественными — почти погрешностью округления. Поэтому DeepSeek не просто заявила, что будет на 5%, 10% или 20% дешевле. Они снизили цену на чтение из кэша в 87 раз с DeepSeek V4 Pro. Это действительно заставило отрасль задуматься».

Инфраструктурный прорыв: отделение HBM от контекста.

Основные инновации DeepSeek связаны с согласованием аппаратного и программного обеспечения. Вот здесь мы немного углубимся в технические детали.

В то время как западные передовые лаборатории, такие как OpenAI, любой ценой отдавали приоритет производительности, они инвестировали миллиарды в несжатые «плотные» нейронные архитектуры. DeepSeek, напротив, систематически стремилась извлечь максимальный интеллект из менее мощного оборудования, поскольку у них не было доступа к графическим процессорам Nvidia. Благодаря внедрению глубокой программной оптимизации еще в своих архитектурах V2 в 2024 году, лаборатория разработала серию из четырех взаимосвязанных прорывов в области согласования аппаратного и программного обеспечения, которые отделили операционный контекст модели от дорогостоящих вычислительных затрат:

Прорыв 1: Сжатие размерности последовательности с помощью CSA и HCA

Архитектура трансформера, используемая в большинстве LLM-систем, имеет узкое место в так называемом кэше «ключ-значение» (KV). По мере выполнения агентом длительных многошаговых сессий, исторические контекстные ключи перегружают высокоскоростную память (HBM) на графическом процессоре, вызывая серьезные скачки задержки и значительные затраты на инфраструктуру.

DeepSeek устранил это структурное узкое место, внедрив гибридный механизм внимания — описанный в документе DeepSeek V4 Architecture Paper — который сочетает в себе сжатое разреженное внимание (CSA) и сильно сжатое внимание (HCA), что позволяет сократить общее использование KV-кэша на целых 90% в рамках контекстного окна, содержащего 1 миллион токенов.

В то время как традиционные модели пытаются хранить уникальный журнал памяти для каждого отдельного слова, DeepSeek сжимает строки своего кэша в памяти. CSA действует как локальный фильтр, сжимая небольшие фрагменты текста в лаконичные индексируемые блоки, чтобы модель не беспокоилась о мельчайших деталях. HCA действует как агрессивный глобальный индекс, сжимая огромные фрагменты текста глубоко в истории сессии в высокоплотные сводки. Чередуя эти слои, DeepSeek уменьшает миллионы строк памяти до доли их первоначального размера.

Прорыв 2: Разгрузка собственной памяти с помощью многоголовочного механизма латентного внимания (MLA)

Используя технологию, называемую многоголовочным латентным вниманием (MLA), DeepSeek сокращает объем памяти, занимаемый историей контекста, до доли от объема памяти стандартных моделей. Это достигается за счет физического разделения труда между аппаратными чипами. В то время как традиционные модели заставляют дорогостоящие графические процессоры хранить всю историю сессии, архитектура DeepSeek хранит на графическом процессоре только крошечные, сильно сжатые теги поискового индекса (ключи). При этом большие объемы данных (значения) полностью переносятся в более дешевую системную память и локальное хранилище. После того, как графический процессор обрабатывает высокоскоростное сопоставление для поиска релевантных данных, он извлекает значения из хранилища только по мере необходимости.

Архитектура DeepSeek настолько отличается, что механизмы вывода, загружающие веса модели ИИ в память графического процессора для подготовки к обработке запросов, работают на пределе своих возможностей. Три самых популярных механизма — Nvidia TensorRT-LLM, механизм Калифорнийского университета в Беркли, SGLang и очень популярный vLLM — «работают на пределе своих возможностей, чтобы соответствовать требованиям, что не является нормой», — объясняет Берковичи из Weka. «Все остальные открытые модели имеют некоторое сходство друг с другом. А эта модель от DeepSeek просто построена по-другому».

Согласно расчетам аналитика, использующего аппаратные тесты моделирования, программная архитектура DeepSeek позволяет использовать для обработки 1 миллиона токенов в рабочем режиме ее масштабную модель с 1,6 триллионами параметров, требующую поразительно малого объема памяти HBM — всего 5,48 ГБ. Для сравнения, более компактные модели, использующие стандартные западные архитектуры, потребляют до 89 ГБ памяти HBM при той же самой нагрузке на контекст.

Экстремальное сжатие кэша KV до 5,48 ГБ HBM, разработанное DeepSeek, также является продуманной геополитической стратегией, позволяющей обойти американские экспортные запреты на топовые графические процессоры Nvidia. Снижая потребность в HBM и экосистеме CUDA от Nvidia, программная архитектура DeepSeek позволяет передовому ИИ эффективно работать на отечественных, недорогих и несанкционированных китайских носителях информации, таких как флэш-память NAND, стандартные SSD-накопители и память LPDDR (производимые такими отечественными гигантами, как YMTC и CXMT).

Прорыв 3: Вывод данных с ультранизким потреблением ресурсов с помощью обучения с учетом квантования FP4 (QAT)

Чтобы снизить вычислительные затраты при работе с большими контекстными окнами, DeepSeek отказался от старого подхода, при котором каждый раз при поиске в памяти модели сканировались громоздкие несжатые числа. Вместо этого, как подробно описано в техническом отчете DeepSeek V4, архитектура использует усовершенствованную форму сжатия данных непосредственно на активных путях, которые она использует для поиска информации во время обучения.

Это сжатие значительно снижает потребность в памяти, обеспечивая двукратное ускорение работы оборудования, при этом сохраняя практически безупречную точность в 99,7% при поиске и индексировании конкретных блоков данных. Это инженерное достижение позволяет корпоративным рабочим процессам бесперебойно обрабатывать масштабные многоэтапные задачи агентов, сохраняя при этом исключительную точность поиска в 83,5% на экстремальных тестах с миллионами токенов, имитирующих поиск иголки в стоге сена, — устраняя задержки производительности без чрезмерного расхода ресурсов дорогостоящего графического процессора.

Четвертый прорыв: Сверхвысокомасштабная стабильность обучения за счет гиперсвязей с ограничениями на уровне многообразия (mHC)

Обучение модели с 1,6 триллионами параметров создает риск нестабильности — слишком много путей передачи данных и сигналов обработки выходят из-под контроля, что приводит к сбою в работе. DeepSeek решил эту проблему с помощью фреймворка под названием Manifold-Contrained Hyper-Connections (mHC), который использует процедуру балансировки, чтобы заставить внутренние таблицы данных модели всегда суммироваться до единицы — математический предохранительный клапан, позволяющий сложным данным перемещаться по глубоким сетям без неконтролируемых скачков.

Инфраструктурный поворот: перестройка корпоративных водопроводных сетей.

Значительная архитектурная эффективность кэширования DeepSeek меняет базовую экономику облачных платформ, на которых размещаются эти модели. На агрегаторах разработчиков, таких как OpenRouter, где сторонние поставщики обычно предлагают продвинутые конечные точки себестоимостью, чтобы привлечь внимание разработчиков, это разделение аппаратного и программного обеспечения меняет баланс. По словам Берковичи, чрезвычайно низкая стоимость DeepSeek, вероятно, приносит компании прибыль, по крайней мере, когда речь идет о размещении этой модели в Китае.

Эта трансформация в экономике затрат на стороне поставщика отражается и на стороне покупателя, что свидетельствует о структурных изменениях в корпоративных ИТ-бюджетах. Опрос VentureBeat по инфраструктуре и вычислительным ресурсам в 1 квартале 2026 года, отслеживающий покупателей корпоративных технологий в организациях с численностью сотрудников более 100 человек (n=53 в январе, n=39 в феврале) в секторах программного обеспечения, финансовых услуг, здравоохранения и производства, показал, что внедрение предприятиями пользовательских, самостоятельно управляемых стеков для вывода данных с использованием открытых фреймворков, таких как Triton, vLLM, Ray и Kubernetes, выросло с 11,3% до 17,9%. Поскольку эти программные уровни позволяют корпоративным инженерным командам развертывать архитектуры с открытыми весами непосредственно в своих кластерах, они выступают в качестве операционного выхода из закрытых облачных экосистем.

Этот переход на новое программное обеспечение сопровождается агрессивной миграцией оборудования: доля корпоративных рабочих нагрузок, переходящих на специализированные облачные платформы для обработки ИИ, ориентированные на вывод результатов, такие как CoreWeave, Lambda и Crusoe, выросла с 30,2% до 35,9% в последнем исследовании. Эти показатели инфраструктуры указывают на то, что руководители корпоративных технологических подразделений больше не просто создают прототипы с использованием открытых альтернатив; они активно прокладывают физическую инфраструктуру, необходимую для независимого размещения таких архитектур, как DeepSeek V4, всё больше снижая наценку западных поставщиков API.

Стратегическое разделение западных лабораторий

Это снижение базовых затрат вскоре может кардинально изменить конкурентную среду в Силиконовой долине, пересмотрев ожидания от лабораторий, стремящихся получить отдачу от масштабных инвестиций в инфраструктуру.

Однако пока что музыка Кремниевой долины вряд ли скоро утихнет. Anthropic продолжает демонстрировать необычайно высокие результаты в корпоративном секторе, чему способствует широкое внедрение кода Клода и его ориентированного на код выполнения на терминале. Для корпоративных инженерных команд платить больше за детерминированную точность Anthropic имеет смысл для разработки основного программного обеспечения для производственных целей. Тем не менее, даже элитная передовая лаборатория, масштабирующаяся такими темпами, должна с осторожностью относиться к DeepSeek: архитектура с открытыми весами под лицензией MIT, предлагающая почти передовые возможности при снижении стоимости на 75%, оказывает понижающее давление на цены высокопроизводительных операционных уровней любой многоагентной системы.

Основное структурное снижение рентабельности может сильнее всего ударить по OpenAI, несмотря на ее агрессивный переход к мультиоблачной среде. Для поддержки ошеломляющих объемов потребительских и API-токенов OpenAI коренным образом изменила свой исторический семилетний эксклюзивный альянс с Microsoft, разделив дистрибуцию таким образом, чтобы обслуживать модели в Azure, Oracle, AWS и Google Cloud. Однако эта мультиоблачная стратегия, обеспечивая масштабируемую мощность, делает компанию крайне уязвимой к давлению на рынок инфраструктурных ресурсов.

В отличие от Anthropic, которая успешно защитила свою прибыль, интегрировав свои модели в высокопроизводительные программные среды, такие как Claude Code, значительная часть корпоративных доходов OpenAI зависит от больших объемов потоков токенов API общего назначения. Справедливости ради следует отметить, что западные лаборатории уже начали незаметно отступать с этой территории — агрессивно внедряя значительные скидки на пакетные API-запросы, функции оперативного кэширования и облегченные модели ввода, чтобы остановить утечку. Однако это тактическое отступление лишь усиливает структурный кризис: Кремниевая долина активно уступает место в сегменте высокопроизводительных товаров, поскольку знает, что не сможет защитить свою прибыль. Когда те же самые автоматизированные фоновые рабочие процессы могут обрабатываться нативно высокоинтеллектуальными открытыми весами, такими как DeepSeek V4, защита премиальной цены на автодополнение необработанного текста в облаке перестает быть оправданной стратегией.

Что еще более важно, в отличие от OpenAI или Anthropic, DeepSeek гораздо меньше заинтересована в срочном создании потребительских оболочек или привязке разработчиков к подписным платформам. Вместо этого DeepSeek ориентирована на долгосрочную игру в рамках экосистемы. Благодаря масштабному государственному раунду финансирования, возглавляемому китайским «Большим фондом» (Big Fund), который поднял целевую оценку стартапа до диапазона от 10 до 45 миллиардов долларов, более вероятной целью лаборатории является доказательство жизнеспособности самодостаточной, независимой китайской аппаратной платформы для ИИ, которая в будущем может стоить до 10 триллионов долларов.

Операционный разрыв между западными лабораториями и такими моделями, как DeepSeek V4 Pro, уже очевиден. Финансовая компания Ramp провела сравнительный анализ автоматизированных роевых систем кибербезопасности и показала, что, хотя DeepSeek V4 Pro полностью игнорирует самую сложную логику безопасности, она достигает безупречного 100% уровня обнаружения в высокопроизводительных базовых задачах, таких как анализ конфигураций облачных сервисов, — значительно превосходя GPT-5.5 от OpenAI (44%). Для руководителя службы информационной безопасности предприятия стратегия ясна: необходимо переложить высокопроизводительное сжигание токенов рутинного фонового шума на дешевые открытые модели, а премиальные модели использовать исключительно для высокоуровневого анализа, необходимого для обнаружения самых сложных уязвимостей.

Вердикт предприятия

Для директоров по ИТ-операциям и менеджеров конвейеров данных переход на открытую архитектуру, такую как DeepSeek V4-Pro, является разумным решением в области управления. Открытая модель предоставляет компаниям полный контроль над архитектурой, позволяя размещать ее локально или через любой специализированный облачный слой по их выбору. Что особенно важно, она обеспечивает руководителей корпоративной инфраструктуры стратегическим резервным вариантом, недоступным для закрытых поставщиков: возможность загружать исходные веса модели и выполнять их в частном порядке без каких-либо дополнительных затрат в случае изменения цен на публичные облачные сервисы или условий доступа к API.

Предположение о том, что закрытые передовые лаборатории обладают постоянной монополией на полезные корпоративные аналитические решения, рухнуло. Хотя руководители инженерных отделов по-прежнему будут платить высокую цену за защиту специализированных, детерминированных рабочих процессов, финансовая основа модели передовых лабораторий коренным образом изменилась. Перенаправляя огромный ежедневный объем рекурсивных фоновых агентов на высокооптимизированные кластеры с открытым исходным кодом, корпоративные команды лишают проприетарные облачные сервисы их самого высокодоходного топлива. Многомиллиардный защитный барьер Кремниевой долины не просто сузился — он был полностью исчерпан снизу вверх.

Подпишитесь, чтобы получать самые свежие новости!

Подробные аналитические данные для руководителей предприятий в области искусственного интеллекта, данных и безопасности.

VB Daily AI Weekly AGI Weekly Еженедельник по безопасности Еженедельник по инфраструктуре данных Мероприятия VB Все они

Отправляя свой адрес электронной почты, вы соглашаетесь с нашими Условиями использования и Политикой конфиденциальности.

Получайте обновления ! Вы подписаны! Наши последние новости скоро поступят на вашу электронную почту.

Источник: venturebeat.com