DeepSeek V4.1 Flash vs Gemini 3.8 Flash: бенчмарки, цены и что выбрать

Google выпустила Gemini 3.8 Flash 2 сентября 2026 года — это третий релиз Flash за шесть недель. Восемь дней спустя DeepSeek ответила релизом DeepSeek V4.1 Flash — модели MoE на 552B параметров под лицензией MIT, которая активирует 8B параметров на входе и 16B на выходе.

Обе компании называют свою модель «рабочей лошадкой» для кодинговых агентов и показывают схожие результаты в ключевых бенчмарках. Поэтому выбор сложнее, чем простое противопоставление «опен против закрытого»: более дешёвая модель не уступает по общим метрикам.

В этой статье сравним DeepSeek V4.1 Flash и Gemini 3.8 Flash по бенчмаркам, ценам, открытости, мультимодальности и в практическом тесте сборки, который был запущен на обеих.

За подробностями по отдельным моделям см. наш гайд по DeepSeek V4.1 Flash и наш гайд по Gemini 3.8 Flash и 3.8 Flash Cyber.

Коротко

• DeepSeek V4.1 Flash сравнима или немного опережает Gemini 3.8 Flash по всем агентным кодинговым бенчмаркам, которые публикуют обе компании, и выиграла наш практический тест планировщика вдвое меньшим числом ходов.
• Gemini 3.8 Flash сегодня стоит в 2,5 раза дороже за входной токен и в 3,1 раза дороже за выходной; с 1 января 2027 цена удваивается.
• Gemini 3.8 Flash — более широкий по охвату вводов: принимает аудио, видео и PDF и поставляется с хостинговыми инструментами Google.
• Выбирайте DeepSeek V4.1 Flash для массовых кодинговых агентов, пакетных задач, циклов с активным кешированием или если требуется само-хостинг.
• Выбирайте Gemini 3.8 Flash, когда нужны мультимодальные входы, вы строите в Google AI Studio или Antigravity, либо нужны агенты для интеллектуальной работы с опубликованными предметными метриками.

Что такое DeepSeek V4.1 Flash?

DeepSeek V4.1 Flash — модель с открытыми весами под лицензией MIT в архитектуре mixture-of-experts, выпущенная DeepSeek 10 сентября 2026 года и младшая в новом семействе архитектур.

Согласно техническому отчёту V4.1, её KV-кеш требует 890 байт на токен — примерно четверть от потребности у DeepSeek V4 Flash, что и даёт основную экономию.

Подробности — в нашем гайде по DeepSeek V4.1 Flash, а для локального запуска предыдущего поколения — туториал по запуску DeepSeek V4 Flash с Unsloth Studio и OpenCode.

Что такое Gemini 3.8 Flash?

Gemini 3.8 Flash — самая способная модель уровня Flash от Google, выпущенная 2 сентября 2026 года, через три недели после Gemini 3.7 Flash и на её основе.

Ключевое решение в дизайне — «работать усерднее»: на сложных задачах запускать дополнительные шаги рассуждения и поочерёдно вызывать инструменты; Google отмечает, что на высоких уровнях усилия может тратиться больше токенов.

Наш гайд по Gemini 3.8 Flash охватывает релиз и вариант Cyber с ограниченным доступом, а туториал по API Gemini 3.8 Flash показывает Interactions API, уровни «мышления» и вызов функций в Python.

DeepSeek V4.1 Flash vs Gemini 3.8 Flash: лоб в лоб

По шести параметрам ниже DeepSeek V4.1 Flash выигрывает по цене и открытости и сравним по кодингу, а Gemini 3.8 Flash выигрывает по типам ввода, инструментам и опубликованным метрикам для интеллектуальной работы.

Кодинг и агентные процессы

DeepSeek V4.1 Flash лидирует по всем трём агентным бенчмаркам, которые есть в таблицах обеих компаний, хотя в двух случаях разрыв минимален и их можно считать равными.

Важный разрыв — Terminal-Bench 4.0, более сложный набор для общих агентов: 31,2% у DeepSeek против 19,1% у Gemini. Обе компании признают, что этот набор выявляет слабые места; DeepSeek пишет о разрыве с гигантскими моделями в научно-ориентированных агентных задачах, а в таблице Google у Claude Opus 5 — 51,8%.

Два оговорки:

• Оценки DeepSeek даны на максимальном уровне усилия, который, по техотчёту, стоит примерно в 2,5 раза больше выходных токенов, чем низкий уровень. Там же отмечено, что уровни 60–80 возвращают большую часть точности при менее чем половине токенов, так что max стоит оставлять для сложных задач.
• Харнесы различаются, но конкурирующие колонки почти совпадают, так что эти таблицы ближе к сопоставимым, чем большинство кросс-вендорных пар.

Для терминало-ориентированных кодинговых агентов считайте их равными и выбирайте по цене и развертыванию; на самых сложных агентных задачах опубликованное преимущество DeepSeek — единственное на табло.

Цены: что вы реально платите

По цене конкуренции нет, так что интересно, как меняется разрыв при разной форме нагрузки.

DeepSeek V4.1 Flash дешевле по всем строкам, и разрыв растёт, чем больше нагрузка опирается на выходные токены или кешированные префиксы. Множитель неодинаков — это и есть главное: 2,5× на входе, 3,1× на выходе и 12,5× на кешированных чтениях.

Ставки за токены рядом

Разница похожа на «премию за вывод». Ставка Gemini на выходе в 3,1 раза выше, чем у DeepSeek, а на входе — в 2,5 раза, так что генерация и «мышление» обходятся дороже; оба вендора считают токены рассуждения по выходной ставке.

Сколько стоит реальная нагрузка

Формула: (объём ÷ 1М) × ставка, суммировано по входу и выходу, на пиковых ставках DeepSeek и вводных ставках Gemini. Для строки с тяжёлым кешем взята ставка кеш-чтения каждого вендора для 1 000 чтений и предполагается хранение кеша Gemini 1 час (+$0,05).

Строка про тяжёлый кеш — главная: ставка DeepSeek $0,006 делает повторное чтение префикса на 100К токенов почти бесплатным, тогда как у Gemini это $7,50 за те же 100М кеш-токенов.

Запланируйте DeepSeek вне пика — и каждая строка делится пополам; дождитесь января — и каждая строка Gemini удваивается, так что сбалансированный ассистент станет $3,38 против $0,60.

Открытость, архитектура и развёртывание

Из этих двух скачать можно только DeepSeek V4.1 Flash, и именно её архитектура делает её дешёвой. Техотчёт описывает 20-слойный каузальный энкодер, подающий в 20-слойный декодер, Compressed Sparse Attention 2 с FP4 KV-кешированием и KV-кеш 890 байт на токен (против 3 514 байт у V4 Flash).

Сервинг этих весов под MIT пока в зачатке: поддержка vLLM и SGLang есть в nightly и preview сборках, а Transformers ещё не поддержан.

Если нужны локализация данных, on-prem-инференс или дообучение, здесь кандидат только DeepSeek. Если нужна инфраструктура «под ключ», GA-эндпоинт Gemini проще.

Мультимодальность, контекст и встроенные инструменты

Gemini 3.8 Flash принимает текст, изображения, видео, аудио и PDF, тогда как DeepSeek V4.1 Flash — текст и изображения. У обеих контекст 1М токенов, но DeepSeek позволяет до 384К выходных токенов против 64К у Gemini — важно для длинной генерации кода и переписывания документов целиком.

На странице модели Gemini также указаны хостинговые инструменты, которым у DeepSeek нет равных: исполнение кода, привязка к Google Search и Картам, поиск по файлам, контекст по URL и компьютерное управление в превью. Со стороны API у DeepSeek есть JSON-вывод, вызов инструментов, Responses API, эндпоинт в формате Anthropic, а также префикс и fill-in-the-middle completion.

Если на входе есть аудио или видео, либо нужна привязка без построения ретривера, выбирайте Gemini; если нужны длинные выходы и совместимость с клиентами OpenAI или Anthropic, — DeepSeek.

Как показали себя DeepSeek V4.1 Flash и Gemini 3.8 Flash

Бенчмарки от двух разных вендоров — это хорошо, но я запустил по одной задаче сборки на обеих моделях с идентичным промптом и инструментами.

Тест

Обеим было предложено собрать однофайловое веб‑приложение с состоянием — планировщик репетиций для оркестра сообщества. Две явно заданные функции: детекция пересечений интервалов и персистентность. Обе модели близки к 90% на Terminal-Bench 2.1, но 31,2% у DeepSeek против 19,1% у Gemini на Terminal-Bench 4.0 намекают на разрыв в более сложной агентной работе; эта задача — компактная проверка.

Обе модели запускались в OpenCode с одинаковым закреплённым набором инструментов: чтение и редактирование файлов, без shell и сети. Обе — на уровне рассуждения high, по одной попытке, без ретраев, промпт подан побайтно в новую сессию.

Асимметрия: high — верхний уровень усилия у Gemini, а у DeepSeek он соответствует 75 по шкале 1–100, максимум которой использовался в её опубликованных бенчмарках.

Промпт был таким:

Build a single-file HTML page (inline CSS and JS, no build step, no external dependencies, no network) for a rehearsal scheduler used by a community orchestra. 
It needs:
- a week view (Mon–Sun) showing rehearsal blocks by section: strings, brass, woodwind, percussion;
- a conflict indicator that flags when two sections are booked in the same room at overlapping times (not merely the same slot);
- an add-rehearsal form with section, room, day, start time, and end time;
- localStorage persistence, so rehearsals survive a page reload.

Ship it as one working file named `index.html`. Do not install packages. Do not open, screenshot, or headless-render the page (no Playwright, Puppeteer, or Chrome). 
Do not ask me clarifying questions — make reasonable assumptions and note them briefly in a comment at the top of the file.

Оценка проводилась по запуску (fail/pass) и по трём рубрикам с баллами от 1 до 5:

• Соответствие ТЗ: Реализованы ли все запрошенные функции?
• Логика конфликтов: Корректно ли детектируются и отображаются пересечения и при этом соседние брони или брони в разных комнатах не считаются конфликтом?
• Юзабилити и вёрстка: Укладывается ли всё на одной странице, интуитивно ли пользоваться и хорошо ли выглядит?

Что выдал DeepSeek V4.1 Flash

DeepSeek справилась за 2 хода с одним вызовом инструмента: записала index.html размером 13 КБ и завершила. Страница — тёмный двухпанельный макет: слева форма добавления, справа сетка понедельник–воскресенье, снизу панель проверки конфликтов. В комментарии в начале чётко описано правило пересечений: строгие перекрытия, бэк-ту-бэк не считаются; проверка подтвердила, что флаг поднимается только для пересекающейся пары.

Всё запрошенное есть и работает, макет читается с первого взгляда, а единственная «лишняя» функция — удаление записей — полезна. Редактирования нет, но оно и не требовалось. Чистые 5 по всем трём рубрикам.

Что выдал Gemini 3.8 Flash

Gemini потребовал 4 хода и 3 вызова инструментов (glob, чтение, запись), чтобы выдать index.html на 76 КБ (почти в 6 раз больше) и был заметно медленнее. Результат выглядит более «отполированным»: брендовый хедер со счётчиком конфликтов, предзаполненная неделя с намеренным конфликтом в среду для мгновенного индикатора, фильтры по секции и комнате, переключатель «только конфликты», колонковый и ленточный виды, редактирование и удаление записей, поле заметок по репертуару и предупреждение о конфликте «на лету» при вводе.

Логика конфликтов корректна, проверка отметила только пересекающуюся пару. Проблема — в «лишнем»: панель Sections and Balance со счётчиками по секциям заставила колонку с формой прокручиваться (противоречит промпту) и визуально «выпадает», а изобилие контролов ухудшает читаемость недели по сравнению с DeepSeek. Поэтому минус по одному баллу за соответствие ТЗ и за вёрстку, хотя в целом результат очень хороший.

Итоги

В этом тесте побеждает DeepSeek V4.1 Flash. Обе правильно справились со сложной частью — логикой пересечений интервалов, так что разница — в суждении: DeepSeek сделала ровно то, что просили, за один «write», тогда как Gemini построила маленький продукт, и одна незапрошенная функция повредила макету, по которому велась оценка. Версию Gemini я бы показал менеджеру оркестра; версию DeepSeek мне приятнее получить от коллеги.

Это один прогон одной задачи на одном уровне усилия, так что он ничего не говорит о расходе токенов и стоимости и проверяет только stateful UI плюс логику пересечений, а не долгую работу с репозиторием.

Когда выбирать DeepSeek V4.1 Flash, а когда Gemini 3.8 Flash

Универсального выбора нет, поэтому вот рекомендации по типам нагрузки.

Развилка — по входам, инфраструктуре и бюджету: по агентному кодингу модели равны, поэтому DeepSeek выигрывает, когда решают цена или контроль, а Gemini — когда ваши данные или стек — то, что DeepSeek не может принять или захостить.

Выбирайте DeepSeek V4.1 Flash, если…

• Вы запускаете кодинговых агентов в объёме. Она сравнима с Gemini на Terminal-Bench 2.1 и DeepSWE v1.1, впереди на Terminal-Bench 4.0 и берёт $1,20 против $3,75 за 1М выходных токенов.
• Ваш цикл агента перечитывает крупный префикс. Кеш-вход стоит $0,006 за 1М токенов против $0,075 у Gemini плюс почасовое хранение — 12,5× разрыв, который и доминировал в строке с тяжёлым кешем.
• Нужен само‑хостинг или дообучение, и у вас есть узел. Веса под MIT работают на vLLM и SGLang из nightly/preview-образов, но чекпойнт ~511 ГБ, а проверенные конфигурации — один лоток GB200 NVL4 или один узел 8×H200.
• Вы можете планировать вне пика или нужны очень длинные выходы. Внепиковые ставки вдвое ниже, а потолок вывода 384К — в 6 раз больше 64К у Gemini.

Выбирайте Gemini 3.8 Flash, если…

• Ваши входы — аудио, видео или PDF. DeepSeek V4.1 Flash принимает только текст и изображения.
• Нужны хостинговые инструменты «из коробки». Исполнение кода, привязка к Google Search и Картам, поиск по файлам, контекст по URL и управление компьютером доступны под тем же ID модели.
• Вы строите в стеке Google. Модель доступна в AI Studio и Gemini Enterprise (GA) и по умолчанию в Antigravity.
• Нужны агенты для интеллектуальной работы с опубликованными доказательствами. Google сообщает 61,4% на Vals Finance Agent v2 и 10,0% на Harvey’s Legal Agent Benchmark; DeepSeek сопоставимых метрик не публикует.

Как начать с DeepSeek V4.1 Flash и Gemini 3.8 Flash

Где они доступны, различается сильнее, чем что они умеют, так что проверьте матрицу до бенчмарков.

Главное различие по доступности: DeepSeek можно скачать, а Gemini — нет; при этом у Gemini есть потребительское приложение и управляемая корпоративная платформа. ID, которые вы указываете: deepseek-flash и gemini-3.8-flash; устаревший deepseek-v4-flash всё ещё резолвится, но обслуживается V4.1 Flash.

Первый вызов API

SDK различаются, так что это не замена одной строки. Эндпоинт DeepSeek совместим с OpenAI, значит стандартный клиент openai работает при смене base URL, тогда как Gemini 3.8 Flash использует Interactions API google-genai с параметром thinking_level вместо настроек сэмплирования.

from openai import OpenAI

client = OpenAI(api_key="YOUR_DEEPSEEK_KEY", base_url="https://api.deepseek.com")
response = client.chat.completions.create(
    model="deepseek-flash",  # DeepSeek V4.1 Flash
    messages=[{"role": "user", "content": "Refactor this function..."}],
)
print(response.choices[0].message.content)

from google import genai

client = genai.Client()  # reads your Google AI Studio API key
interaction = client.interactions.create(
    model="gemini-3.8-flash",
    input="Refactor this function...",
    generation_config={"thinking_level": "medium"},  # low, medium, or high
)
print(interaction.output_text)

Полная настройка, извлечение PDF и вызов функций для Gemini — в нашем туториале по API Gemini 3.8 Flash; для режима «мышления» DeepSeek и локального деплоя предыдущего поколения см. наш туториал по API DeepSeek V4 и гайд по запуску DeepSeek V4 Flash с Unsloth Studio и OpenCode.

Выводы

Если ваша нагрузка — кодинговые агенты, пакетные задачи или что-то с повторным чтением длинных префиксов, используйте DeepSeek V4.1 Flash: она сравнима с Gemini 3.8 Flash по опубликованным агентным бенчмаркам, выиграла наш тест сборки за 2 хода и стоит треть цены до январского подорожания Gemini. Если на входе аудио, видео или PDF, или нужны привязка, исполнение кода и управление компьютером с одного хостингового эндпоинта — используйте Gemini 3.8 Flash и примите наценку.

Если хотите строить агентные системы вокруг подобных моделей, наш трек Associate AI Engineer for Developers охватывает API, использование инструментов и Model Context Protocol за 29 часов, а курс Building AI Agents with Google ADK — часовой старт на стороне Gemini.