Вчера вечером разбирался с релизом DeepSeek-V4.1-Flash-1017 и поймал себя на мысли, что...
Вчера вечером разбирался с релизом DeepSeek-V4.1-Flash-1017 и поймал себя на мысли, что смотрю не на новость, а на сдвиг. По фактам коротко. 17 октября вышло обновление Flash-версии: около 763 млрд параметров, контекст в миллион токенов, картинки на входе. Лицензия MIT, веса опубликованы на Hugging Face, их можно скачать. В API модель называется deepseek-flash: вход от пятнадцати центов за миллион токенов, выход от шестидесяти. Но зацепило меня не это. Мы привыкли мерить модели баллами, как таблицу результатов. А здесь важнее другое: сильная модель стала доступной, скачиваемой и дешёвой. Плюс рост во всех одиннадцати заявленных бенчмарках, и самый заметный рывок — Terminal-Bench 4.0: с 31,2 до 42,3. И вот тут меняется разговор про ров в ИИ. Если модель можно скачать, конкурентное преимущество переезжает из доступа к модели в данные, процесс и продукт. Ров — это не лучший чекпоинт. Это данные, которых больше ни у кого нет. Отлаженный процесс под конкретную задачу. Продукт, который кто-то любит и не хочет менять. Модель всё больше похожа на электричество: оно есть у всех, а заводы у всех разные. Быстрее всего разница чувствуется в агентных задачах и коде. Там результат видно сразу: агент либо довёл задачу до конца, либо нет. Когда сильная модель стоит копейки, экономить на попытках странно. Дешевле дать ей сделать работу и проверить итог, чем спорить, справится ли она. Для тех, кто делает продукты на ИИ, это и подарок, и проблема. Подарок — можно строить то, что раньше упиралось в стоимость инференса. Проблема — то же самое может собрать кто-то другой за выходные. Ценность держится не в обёртке над моделью, а в том, что вокруг неё. Теперь про SEO и маркетинг. Генерация текста стала почти бесплатной. Поэтому «мы пишем с помощью ИИ» больше не аргумент. Аргумент — что вы знаете про аудиторию, какие данные собираете и как проверяете результат. Контент дешевеет, доверие — нет. Вот что меня зацепило: гонка окончательно переехала из лабораторий в продуктовые команды. Модель дают почти всем. Вопрос лишь в том, что вы с ней сделаете. А вы это замечаете? Похоже, что выбор модели в проекте уже перестал быть главным решением, — или пока нет?