Если вы выбираете между DeepSeek V4 и GPT-5.5 для продакшена, всё упирается в одно ключевое противоречие: эффективность по стоимости у открытых весов против возможностей проприетарной модели. DeepSeek V4-Pro, выпущенная 24 апреля 2026 года, стоит $1.74 за миллион входных токенов. GPT-5.5 Pro, выпущенная примерно в то же время, по собственному сравнению DeepSeek обходится примерно на 98% дороже за токен. Этот разрыв сложно игнорировать, но это не вся картина.
Обe модели нацелены на агентное программирование и рассуждения в длинном контексте, обе заявляют окно контекста в 1 миллион токенов. GPT-5.5 — проприетарная и доступна через ChatGPT и Codex. DeepSeek V4 — с открытыми весами по лицензии MIT, доступна через API и на Hugging Face. Позиционирование кардинально различается.
В этой статье я сравню DeepSeek V4 и GPT-5.5 по пяти направлениям: агентное кодирование, рассуждения и знания, работа с длинным контекстом, цены и доступ. Также вы можете посмотреть наши отдельные материалы по DeepSeek V4 и GPT-5.5 для более подробного разбора каждой модели по отдельности.
Что такое GPT-5.5?
GPT-5.5 — последняя проприетарная модель OpenAI, выпущенная в апреле 2026 года и доступная в ChatGPT, Codex и через OpenAI API. Есть два уровня: стандартная GPT-5.5, которая разворачивается для пользователей Plus, Pro, Business и Enterprise, и GPT-5.5 Pro — более точный вариант для сложных, ответственных задач в бизнесе, юриспруденции, образовании и науке о данных. GPT-5.5 Pro примерно в 6 раз дороже за токен, чем базовая модель.
Основные заявления OpenAI по GPT-5.5 касаются эффективности и рассуждений на длинном контексте. Задержка на токен сопоставима с GPT-5.4, но модели нужно меньше токенов для выполнения тех же задач. Особенно важно, что GPT-5.5 — первая модель OpenAI, где весь контекст в 1 миллион токенов реально пригоден: GPT-5.4 деградировала после примерно 128K токенов, а GPT-5.5 — нет. Наш практический разбор этих заявлений смотрите в статье о GPT-5.5, где мы подали модели около 300K токенов реального финансового текста.
Что такое DeepSeek V4?
DeepSeek V4 — последняя серия моделей с открытыми весами от китайской лаборатории DeepSeek, выпущенная 24 апреля 2026 года по лицензии MIT. Есть две версии: V4-Pro с общим числом параметров 1,6 трлн и 49 млрд активных на токен, и V4-Flash с 284 млрд общих параметров и 13 млрд активных на токен. Обе используют архитектуру Mixture-of-Experts (MoE) и по умолчанию поддерживают окно контекста в 1 миллион токенов.
Ключевое заявление DeepSeek: V4-Pro отстаёт от лучших закрытых моделей всего на 3–6 месяцев при кратно меньшей цене. В таймлайне OpenAI это соответствовало бы выпуску GPT-5.2 в декабре 2025 года.
Архитектурно это подкрепляется гибридной архитектурой внимания, сочетающей Compressed Sparse Attention и Heavily Compressed Attention. По словам DeepSeek, это снижает число FLOPs для инференса на 1M токенов до 27% от потребностей V3.2, а KV-кеш — до 10%. Более детально о функциях модели и результатах бенчмарков — в нашем руководстве по DeepSeek V4.
GPT-5.5 vs DeepSeek V4: сравнение лоб в лоб
Краткая шпаргалка перед тем, как перейти к деталям по каждому направлению.
| Характеристика | GPT-5.5 | DeepSeek V4-Pro |
|---|
| Разработчик | OpenAI | DeepSeek |
| Дата выпуска | 23 апреля 2026 | 24 апреля 2026 |
| Тип модели | Закрытая, проприетарная | Открытые веса (лицензия MIT) |
| Всего параметров | Не опубликовано | 1,6 трлн (49B активных) |
| Окно контекста | 1M токенов | 1M токенов |
| Цена API за ввод (за 1M токенов) | $5.00 | $1.74 |
| Цена API за вывод (за 1M токенов) | $30.00 | $3.48 |
| SWE-bench Pro | 58,6% | 55,4% |
| Terminal-Bench 2.0 | 82,7% | 67,9% |
| GPQA Diamond | 93,6% | 90,1% |
| MRCR 1M (длинный контекст) | 74,0% | 83,5% |
| Режимы "мышления" | Thinking / Non-Thinking | Non-think / Think High / Think Max |
| Самостоятельный хостинг | Нет | Да |
Кодинг и агентные рабочие процессы
Именно здесь разница между моделями заметнее всего, и здесь вопрос цены становится особенно острым. GPT-5.5 набирает 82,7% на Terminal-Bench 2.0, который тестирует сложные командные сценарии, требующие продуманного планирования и координации инструментов. DeepSeek V4-Pro набирает 67,9% на том же бенчмарке. Разрыв в 14,8 пункта — это далеко не округлённая погрешность.
На SWE-bench Pro, который оценивает решение реальных GitHub-issues, GPT-5.5 показывает 58,6% против 55,4% у V4-Pro. Здесь разрыв заметно меньше. Claude Opus 4.7 лидирует у обоих с 64,3% на SWE-bench Pro.
| Бенчмарк | GPT-5.5 | DeepSeek V4-Pro | Примечания |
|---|
| Terminal-Bench 2.0 | 82,7% | 67,9% | Сообщено вендорами |
| SWE-bench Pro | 58,6% | 55,4% | Сообщено вендорами; разные конфигурации стенда |
| Expert-SWE (внутренний) | 73,1% | Не опубликовано | Только внутренняя оценка OpenAI |
DeepSeek утверждает, что V4-Pro интегрирована с Claude Code, OpenClaw, OpenCode и CodeBuddy и уже работает в их собственной инфраструктуре агентного кодинга. Это важный сигнал реальной надёжности. Для GPT-5.5 есть схожие заявления от Cursor, Cognition и Windsurf; CEO Cursor описывает её как «заметно умнее и настойчивее, чем GPT-5.4».
Для агентной работы с упором на терминал у GPT-5.5 явное преимущество. Для задач уровня репозитория, где разрыв на SWE-bench меньше, всё большее значение приобретает стоимость.
Задачи на рассуждения и знания
В части рассуждений уровня graduate GPT-5.5 набирает 93,6% на GPQA Diamond. DeepSeek V4-Pro — 90,1% на том же бенчмарке. Обе модели сильные, но разрыв в 3,5 пункта согласуется с заявлением DeepSeek, что V4-Pro отстаёт от фронтира примерно на 3–6 месяцев.
Как мы отмечали в сравнении GPT-5.5 и Claude Opus 4.7, математические рассуждения — одно из сильнейших мест GPT-5.5. К сожалению, результаты DeepSeek V4 на FrontierMath не были опубликованы в исследовательских заметках, поэтому здесь сравнить нельзя. Однако, учитывая заявленное отставание на 3–6 месяцев и то, что даже Claude Opus 4.7 уступал в этой категории, разумно предположить явное преимущество GPT-5.5.
На Humanity's Last Exam без инструментов GPT-5.5 набирает 41,4%. По стороннему анализу DeepSeek V4-Pro набирает 37,7% на том же бенчмарке, обе модели заметно уступают Gemini 3.1 Pro с 44,4%.
| Бенчмарк | GPT-5.5 | DeepSeek V4-Pro | Примечания |
|---|
| GPQA Diamond | 93,6% | 90,1% | Сообщено вендорами |
| MMLU-Pro | Не опубликовано | 87,5% | Конфигурация DeepSeek V4-Pro-Max |
| GSM8K | Не опубликовано | 92,6% | Конфигурация DeepSeek V4-Pro-Max |
| Humanity's Last Exam (без инструментов) | 41,4% | 37,7% | Сторонняя оценка для V4-Pro; у GPT-5.5 — вендора |
| FrontierMath Tier 1-3 | 51,7% | Не опубликовано | Сообщено вендором для GPT-5.5 |
В релиз-нотах DeepSeek говорится, что V4-Pro лидирует среди открытых моделей в математике, STEM и программировании, но уступает текущим закрытым моделям. На общих бенчмарках GPT-5.5 впереди, но разрыв на GPQA Diamond — 3,5 пункта, а не целое поколение.
Долгий контекст
Обе модели поддерживают окно контекста в 1 миллион токенов, но важнее — способны ли они его реально использовать. В нашем обзоре GPT-5.5 мы выяснили: GPT-5.4 «рассыпалась» после ~128K токенов, GPT-5.5 — нет. На тесте OpenAI MRCR v2 8-needle при контексте 512K–1M GPT-5.5 набрала 74,0% против 36,6% у GPT-5.4. Это ключевая новость релиза GPT-5.5.
И это очень важно: DeepSeek V4-Pro набирает 83,5% в MRCR 1M на задачах «иголка в стоге сена», что, по внутренним результатам DeepSeek, даже превосходит Gemini 3.1 Pro на этом конкретном бенчмарке. Архитектурная причина — механизм Hybrid Attention: при контексте 1M у V4-Pro требуется лишь 10% KV-кеша от объёма V3.2. Это не маргинальное улучшение по памяти.
| Бенчмарк | GPT-5.5 | DeepSeek V4-Pro | Примечания |
|---|
| MRCR 8-needle 512K-1M | 74,0% | Не опубликовано (иной формат) | Формат OpenAI MRCR v2 |
| MRCR 1M (MMR needle) | Не опубликовано в этом формате | 83,5% | Внутренний формат DeepSeek |
| Graphwalks BFS 1M f1 | 45,4% (против 9,4% у GPT-5.4) | Не опубликовано | Более сложный тест на рассуждения по контексту |
У вендоров разные форматы бенчмарков для длинного контекста, что затрудняет прямое сравнение. Но уверенно можно сказать следующее: обе модели держатся на 1M токенов существенно лучше предшественников, а архитектурный подход DeepSeek здесь нов. Если вы работаете с очень длинными документами и ограничены в бюджете, эффективность V4-Pro стоит воспринимать всерьёз.
Цены
Разрыв в ценах между этими моделями настолько велик, что меняет экономику продакшен-развёртывания. Вот цифры рядом.
| Модель | Ввод (за 1M токенов) | Вывод (за 1M токенов) |
|---|
| GPT-5.5 | $5.00 | $30.00 |
| GPT-5.5 Pro | $30.00 | $180.00 |
| DeepSeek V4-Pro | $1.74 | $3.48 |
| DeepSeek V4-Flash | $0.14 | $0.28 |
При $3.48 за миллион выходных токенов V4-Pro стоит лишь немного больше десятой части тарифа вывода у GPT-5.5. Для агентных процессов, генерирующих миллионы выходных токенов в день, это не академическая разница. DeepSeek также предлагает кэширование контекста, ещё больше снижая цены, а API совместим как с форматами OpenAI ChatCompletions, так и Anthropic, так что миграция несложна.
GPT-5.5 предлагает пакетную обработку и Flex-тариф по половине стандартной цены, а также Priority-режим за 2,5×. Даже по половинной цене ввод у GPT-5.5 стоит $2.50 за миллион токенов против $1.74 у V4-Pro. Разрыв по выводу остаётся большим. Аргумент OpenAI — GPT-5.5 использует меньше токенов для тех же задач, частично компенсируя цену за токен. Утверждение правдоподобно с учётом разрыва на Terminal-Bench, но его сложнее независимо проверить.
Открытые веса и самостоятельный хостинг
Здесь нет двусмысленности. GPT-5.5 — закрытая и проприетарная. DeepSeek V4-Pro — с открытыми весами по лицензии MIT, доступна на Hugging Face. Веса Pro — это 865 ГБ скачивания, что не вариант для пользовательского ПК, но вполне реальная опция для организаций с соответствующей инфраструктурой.
Открытые веса важны не только ради самохостинга. Они позволяют дообучать на закрытых данных, развёртывать в изолированных средах и анализировать поведение модели так, как это невозможно с закрытыми моделями. Для регулируемых отраслей или команд с жёсткими требованиями к локализации данных открытые веса V4-Pro — реальное преимущество. У GPT-5.5 нет равнозначного пути.
DeepSeek также отмечает поддержку чипов NVIDIA и Huawei, что важно для организаций, где доступность оборудования NVIDIA ограничена.
Когда выбрать GPT-5.5 или DeepSeek V4
Решение в основном сводится к трём факторам: насколько важен для вас разрыв на Terminal-Bench в конкретной задаче, требуются ли открытые веса, и каким будет ваш бюджет на токены при масштабировании.
| Сценарий | Рекомендация | Почему |
|---|
| Агентное кодирование с упором на терминал | GPT-5.5 | 82,7% против 67,9% на Terminal-Bench 2.0 — существенный разрыв для сложных CLI-процессов |
| Ревью и рефакторинг кода на уровне репозитория | GPT-5.5 (небольшое преимущество) | 58,6% против 55,4% на SWE-bench Pro; разрыв меньше, здесь больше важна стоимость |
| Массовые продакшен-вызовы API | DeepSeek V4-Pro | Выходные токены стоят $3.48 против $30.00 за миллион; на масштабе экономика резко меняется |
| Самохостинг или изолированное развёртывание | DeepSeek V4-Pro | Открытые веса по MIT; у GPT-5.5 нет опции самохостинга |
| Дообучение на закрытых данных | DeepSeek V4-Pro | Открытые веса позволяют дообучение; GPT-5.5 — нет |
| Научные исследования и длинные цепочки рассуждений | GPT-5.5 | GeneBench, BixBench и доказательство числа Рамсея указывают на более сильные исследовательские рассуждения |
| Стартапы с ограниченным бюджетом или индивидуальные разработчики | DeepSeek V4-Flash | $0.14 за ввод / $0.28 за вывод за миллион токенов; рассуждения приближаются к V4-Pro на простых задачах |
| Компьютерное использование и задачи в стиле OSWorld | GPT-5.5 | 78,7% на OSWorld-Verified; DeepSeek V4 не публиковал сопоставимых результатов |
Выберите GPT-5.5, если…
- Ваши агентные процессы завязаны на терминал, и разрыв в 14,8 пункта на Terminal-Bench превращается у вас в реальные отличия по завершению задач.
- Вам нужны возможности «computer use»: GPT-5.5 показывает 78,7% на OSWorld-Verified, а DeepSeek V4 не публиковал сопоставимых оценок.
- Вы ведёте научные рабочие процессы, где важны результаты на GeneBench и BixBench, и вам нужна модель с продемонстрированными исследовательскими рассуждениями на новых задачах.
- Вы уже в экосистеме OpenAI через Codex или ChatGPT, и стоимость интеграции при переходе перевешивает разницу в ценах.
Выберите DeepSeek V4-Pro, если…
- Вы запускаете высоконагруженные API-ворклоады, где стоимость выходных токенов $3.48 против $30.00 за миллион существенно влияет на бюджет.
- Вам нужны открытые веса для дообучения, изолированного развёртывания или соблюдения требований к локализации данных. Лицензия MIT даёт возможности, которых у GPT-5.5 просто нет.
- Вы хотите запускать модель на своей инфраструктуре, включая чипы Huawei, и вам важна гибкость в выборе оборудования.
- Вы стартап или индивидуальный разработчик, для которых DeepSeek V4-Flash за $0.14 ввод / $0.28 вывод за миллион токенов — единственно реалистичный вариант при вашем объёме.
Итоги
GPT-5.5 сильнее на бенчмарках, где у обеих есть опубликованные результаты, особенно на Terminal-Bench 2.0 и GPQA Diamond. Если вы строите агентные системы, где узким местом является выполнение задач на уровне терминала, этот разрыв реален и за него стоит заплатить. История с длинным контекстом тоже впечатляет: GPT-5.5 держится на 1M токенов так, как GPT-5.4 не могла, и результаты Graphwalks и MRCR это подтверждают.
Тем не менее, DeepSeek V4-Pro делает нечто большее, чем просто «дешевле». Архитектурная работа над Hybrid Attention, сокращение KV-кеша до 10% при контексте 1M и открытые веса по MIT — это ставка другого рода. DeepSeek позиционирует V4 как модель, которую вы запускаете, когда вам нужна производительность, близкая к фронтиру, по цене, делающей продакшен-деплой реальным для меньших организаций.
Моё мнение: если стоимость не ограничение и вам нужна лучшая доступная агентная работа с кодом — выбирайте GPT-5.5. Если вам нужны открытые веса или вы работаете в масштабе, где $30 за миллион выходных токенов неустойчивы, V4-Pro — серьёзная опция, а не компромисс. Разрыв в 3,2 пункта на SWE-bench Pro не оправдывает девятикратную наценку за вывод для большинства задач.
Если хотите поработать с моделями самостоятельно и построить собственные агентные процессы, рекомендуем наш скилл-трек AI Agent Fundamentals или курс Understanding Prompt Engineering, чтобы прокачать навыки взаимодействия с любой из моделей.
Если вы выбираете между DeepSeek V4 и GPT-5.5 для продакшена, всё упирается в одно ключевое противоречие: эффективность по стоимости у открытых весов против возможностей проприетарной модели. DeepSeek V4-Pro, выпущенная 24 апреля 2026 года, стоит $1.74 за миллион входных токенов. GPT-5.5 Pro, выпущенная примерно в то же время, по собственному сравнению DeepSeek обходится примерно на 98% дороже за токен. Этот разрыв сложно игнорировать, но это не вся картина.
Обe модели нацелены на агентное программирование и рассуждения в длинном контексте, обе заявляют окно контекста в 1 миллион токенов. GPT-5.5 — проприетарная и доступна через ChatGPT и Codex. DeepSeek V4 — с открытыми весами по лицензии MIT, доступна через API и на Hugging Face. Позиционирование кардинально различается.
В этой статье я сравню DeepSeek V4 и GPT-5.5 по пяти направлениям: агентное кодирование, рассуждения и знания, работа с длинным контекстом, цены и доступ. Также вы можете посмотреть наши отдельные материалы по DeepSeek V4 и GPT-5.5 для более подробного разбора каждой модели по отдельности.
Что такое GPT-5.5?
GPT-5.5 — последняя проприетарная модель OpenAI, выпущенная в апреле 2026 года и доступная в ChatGPT, Codex и через OpenAI API. Есть два уровня: стандартная GPT-5.5, которая разворачивается для пользователей Plus, Pro, Business и Enterprise, и GPT-5.5 Pro — более точный вариант для сложных, ответственных задач в бизнесе, юриспруденции, образовании и науке о данных. GPT-5.5 Pro примерно в 6 раз дороже за токен, чем базовая модель.
Основные заявления OpenAI по GPT-5.5 касаются эффективности и рассуждений на длинном контексте. Задержка на токен сопоставима с GPT-5.4, но модели нужно меньше токенов для выполнения тех же задач. Особенно важно, что GPT-5.5 — первая модель OpenAI, где весь контекст в 1 миллион токенов реально пригоден: GPT-5.4 деградировала после примерно 128K токенов, а GPT-5.5 — нет. Наш практический разбор этих заявлений смотрите в статье о GPT-5.5, где мы подали модели около 300K токенов реального финансового текста.
Что такое DeepSeek V4?
DeepSeek V4 — последняя серия моделей с открытыми весами от китайской лаборатории DeepSeek, выпущенная 24 апреля 2026 года по лицензии MIT. Есть две версии: V4-Pro с общим числом параметров 1,6 трлн и 49 млрд активных на токен, и V4-Flash с 284 млрд общих параметров и 13 млрд активных на токен. Обе используют архитектуру Mixture-of-Experts (MoE) и по умолчанию поддерживают окно контекста в 1 миллион токенов.
Ключевое заявление DeepSeek: V4-Pro отстаёт от лучших закрытых моделей всего на 3–6 месяцев при кратно меньшей цене. В таймлайне OpenAI это соответствовало бы выпуску GPT-5.2 в декабре 2025 года.
Архитектурно это подкрепляется гибридной архитектурой внимания, сочетающей Compressed Sparse Attention и Heavily Compressed Attention. По словам DeepSeek, это снижает число FLOPs для инференса на 1M токенов до 27% от потребностей V3.2, а KV-кеш — до 10%. Более детально о функциях модели и результатах бенчмарков — в нашем руководстве по DeepSeek V4.
GPT-5.5 vs DeepSeek V4: сравнение лоб в лоб
Краткая шпаргалка перед тем, как перейти к деталям по каждому направлению.
Кодинг и агентные рабочие процессы
Именно здесь разница между моделями заметнее всего, и здесь вопрос цены становится особенно острым. GPT-5.5 набирает 82,7% на Terminal-Bench 2.0, который тестирует сложные командные сценарии, требующие продуманного планирования и координации инструментов. DeepSeek V4-Pro набирает 67,9% на том же бенчмарке. Разрыв в 14,8 пункта — это далеко не округлённая погрешность.
На SWE-bench Pro, который оценивает решение реальных GitHub-issues, GPT-5.5 показывает 58,6% против 55,4% у V4-Pro. Здесь разрыв заметно меньше. Claude Opus 4.7 лидирует у обоих с 64,3% на SWE-bench Pro.
DeepSeek утверждает, что V4-Pro интегрирована с Claude Code, OpenClaw, OpenCode и CodeBuddy и уже работает в их собственной инфраструктуре агентного кодинга. Это важный сигнал реальной надёжности. Для GPT-5.5 есть схожие заявления от Cursor, Cognition и Windsurf; CEO Cursor описывает её как «заметно умнее и настойчивее, чем GPT-5.4».
Для агентной работы с упором на терминал у GPT-5.5 явное преимущество. Для задач уровня репозитория, где разрыв на SWE-bench меньше, всё большее значение приобретает стоимость.
Задачи на рассуждения и знания
В части рассуждений уровня graduate GPT-5.5 набирает 93,6% на GPQA Diamond. DeepSeek V4-Pro — 90,1% на том же бенчмарке. Обе модели сильные, но разрыв в 3,5 пункта согласуется с заявлением DeepSeek, что V4-Pro отстаёт от фронтира примерно на 3–6 месяцев.
Как мы отмечали в сравнении GPT-5.5 и Claude Opus 4.7, математические рассуждения — одно из сильнейших мест GPT-5.5. К сожалению, результаты DeepSeek V4 на FrontierMath не были опубликованы в исследовательских заметках, поэтому здесь сравнить нельзя. Однако, учитывая заявленное отставание на 3–6 месяцев и то, что даже Claude Opus 4.7 уступал в этой категории, разумно предположить явное преимущество GPT-5.5.
На Humanity's Last Exam без инструментов GPT-5.5 набирает 41,4%. По стороннему анализу DeepSeek V4-Pro набирает 37,7% на том же бенчмарке, обе модели заметно уступают Gemini 3.1 Pro с 44,4%.
В релиз-нотах DeepSeek говорится, что V4-Pro лидирует среди открытых моделей в математике, STEM и программировании, но уступает текущим закрытым моделям. На общих бенчмарках GPT-5.5 впереди, но разрыв на GPQA Diamond — 3,5 пункта, а не целое поколение.
Долгий контекст
Обе модели поддерживают окно контекста в 1 миллион токенов, но важнее — способны ли они его реально использовать. В нашем обзоре GPT-5.5 мы выяснили: GPT-5.4 «рассыпалась» после ~128K токенов, GPT-5.5 — нет. На тесте OpenAI MRCR v2 8-needle при контексте 512K–1M GPT-5.5 набрала 74,0% против 36,6% у GPT-5.4. Это ключевая новость релиза GPT-5.5.
И это очень важно: DeepSeek V4-Pro набирает 83,5% в MRCR 1M на задачах «иголка в стоге сена», что, по внутренним результатам DeepSeek, даже превосходит Gemini 3.1 Pro на этом конкретном бенчмарке. Архитектурная причина — механизм Hybrid Attention: при контексте 1M у V4-Pro требуется лишь 10% KV-кеша от объёма V3.2. Это не маргинальное улучшение по памяти.
У вендоров разные форматы бенчмарков для длинного контекста, что затрудняет прямое сравнение. Но уверенно можно сказать следующее: обе модели держатся на 1M токенов существенно лучше предшественников, а архитектурный подход DeepSeek здесь нов. Если вы работаете с очень длинными документами и ограничены в бюджете, эффективность V4-Pro стоит воспринимать всерьёз.
Цены
Разрыв в ценах между этими моделями настолько велик, что меняет экономику продакшен-развёртывания. Вот цифры рядом.
При $3.48 за миллион выходных токенов V4-Pro стоит лишь немного больше десятой части тарифа вывода у GPT-5.5. Для агентных процессов, генерирующих миллионы выходных токенов в день, это не академическая разница. DeepSeek также предлагает кэширование контекста, ещё больше снижая цены, а API совместим как с форматами OpenAI ChatCompletions, так и Anthropic, так что миграция несложна.
GPT-5.5 предлагает пакетную обработку и Flex-тариф по половине стандартной цены, а также Priority-режим за 2,5×. Даже по половинной цене ввод у GPT-5.5 стоит $2.50 за миллион токенов против $1.74 у V4-Pro. Разрыв по выводу остаётся большим. Аргумент OpenAI — GPT-5.5 использует меньше токенов для тех же задач, частично компенсируя цену за токен. Утверждение правдоподобно с учётом разрыва на Terminal-Bench, но его сложнее независимо проверить.
Открытые веса и самостоятельный хостинг
Здесь нет двусмысленности. GPT-5.5 — закрытая и проприетарная. DeepSeek V4-Pro — с открытыми весами по лицензии MIT, доступна на Hugging Face. Веса Pro — это 865 ГБ скачивания, что не вариант для пользовательского ПК, но вполне реальная опция для организаций с соответствующей инфраструктурой.
Открытые веса важны не только ради самохостинга. Они позволяют дообучать на закрытых данных, развёртывать в изолированных средах и анализировать поведение модели так, как это невозможно с закрытыми моделями. Для регулируемых отраслей или команд с жёсткими требованиями к локализации данных открытые веса V4-Pro — реальное преимущество. У GPT-5.5 нет равнозначного пути.
DeepSeek также отмечает поддержку чипов NVIDIA и Huawei, что важно для организаций, где доступность оборудования NVIDIA ограничена.
Когда выбрать GPT-5.5 или DeepSeek V4
Решение в основном сводится к трём факторам: насколько важен для вас разрыв на Terminal-Bench в конкретной задаче, требуются ли открытые веса, и каким будет ваш бюджет на токены при масштабировании.
Выберите GPT-5.5, если…
Выберите DeepSeek V4-Pro, если…
Итоги
GPT-5.5 сильнее на бенчмарках, где у обеих есть опубликованные результаты, особенно на Terminal-Bench 2.0 и GPQA Diamond. Если вы строите агентные системы, где узким местом является выполнение задач на уровне терминала, этот разрыв реален и за него стоит заплатить. История с длинным контекстом тоже впечатляет: GPT-5.5 держится на 1M токенов так, как GPT-5.4 не могла, и результаты Graphwalks и MRCR это подтверждают.
Тем не менее, DeepSeek V4-Pro делает нечто большее, чем просто «дешевле». Архитектурная работа над Hybrid Attention, сокращение KV-кеша до 10% при контексте 1M и открытые веса по MIT — это ставка другого рода. DeepSeek позиционирует V4 как модель, которую вы запускаете, когда вам нужна производительность, близкая к фронтиру, по цене, делающей продакшен-деплой реальным для меньших организаций.
Моё мнение: если стоимость не ограничение и вам нужна лучшая доступная агентная работа с кодом — выбирайте GPT-5.5. Если вам нужны открытые веса или вы работаете в масштабе, где $30 за миллион выходных токенов неустойчивы, V4-Pro — серьёзная опция, а не компромисс. Разрыв в 3,2 пункта на SWE-bench Pro не оправдывает девятикратную наценку за вывод для большинства задач.
Если хотите поработать с моделями самостоятельно и построить собственные агентные процессы, рекомендуем наш скилл-трек AI Agent Fundamentals или курс Understanding Prompt Engineering, чтобы прокачать навыки взаимодействия с любой из моделей.