Рынок open-weight моделей меняется так быстро, что погоня за «лучшей» системой уже выглядит сомнительной, пишет Towards AI. Автор предлагает смотреть на модели не как на единый рейтинг, а как на набор инструментов под разные задачи. В материале отдельно разбирают DeepSeek V4 и Qwen 3.6, у каждой из них свои сильные стороны.
DeepSeek V4 Pro в статье называют ориентиром для агентных задач в программировании. Модель показывает около 80% в SWE-Bench Verified и поддерживает контекстное окно до 1 млн токенов. Также упоминается DeepSeek V4 Flash, более доступная версия с ценой около 14 центов за миллион входных токенов. Автор пишет, что архитектура и система памяти модели рассчитаны на длинные цепочки действий, где нужно сохранять согласованность между логами, изменениями файлов и предыдущими шагами.
Qwen 3.6, напротив, представлен как более универсальный вариант для широкого круга задач. По данным статьи, модель примерно на 27 млрд параметров показывает конкурентные результаты в программировании даже на фоне более крупных систем. При использовании квантизации она может работать на одной потребительской GPU с 24 ГБ памяти. Среди причин популярности семейства автор выделяет лицензию Apache 2.0, широкий выбор размеров моделей и удачный баланс между производительностью, лицензированием и требованиями к оборудованию.
Ключевые факты
DeepSeek V4 Pro показывает около 80% в SWE-Bench Verified.
DeepSeek V4 поддерживает контекстное окно на 1 млн токенов.
DeepSeek V4 Flash оценивается примерно в 14 центов за миллион входных токенов.
Qwen 3.6 с примерно 27 млрд параметров может запускаться на одной потребительской GPU с 24 ГБ памяти при квантизации.