# DeepSeek или Qwen

Источник: https://modelium.tech/sravnenie/deepseek-vs-qwen/

Если вы выбираете модель, чтобы запускать её у себя, разница простая. Из свежих серий на одну видеокарту помещается только Qwen3.8-27B — от 19 ГБ в сторонней сборке GGUF; у DeepSeek V4 самый маленький вариант занимает около 160 ГБ, и для небольших машин остаются дистилляты R1 2025 года. Зато у DeepSeek вся серия под лицензией MIT, а у Qwen 3.8 лицензии три, и свободная Apache 2.0 — только у 27B. Качество ответов мы не сравнивали.

> [!note] **Что именно мы сравниваем.** Не чат-приложения, а открытые модели, которые можно скачать и запустить у себя: серию DeepSeek V4 и семейство Qwen 3.8 по состоянию репозиториев Hugging Face на 17 сентября 2026 года. Победителя не называем: качество ответов мы не измеряли.

## Поле к полю

| | DeepSeek V4 | Qwen 3.8 |
|---|---|---|
| Когда появилась серия | 22 апреля 2026; V4.1-Flash — 10 сентября 2026 [1](https://huggingface.co/api/models/deepseek-ai/DeepSeek-V4-Flash?blobs=true) [5](https://huggingface.co/api/models/deepseek-ai/DeepSeek-V4.1-Flash?blobs=true) | август 2026 [7](https://huggingface.co/api/models/Qwen/Qwen3.8-27B?blobs=true) |
| Самая маленькая модель серии | V4-Flash — файлы весов 159,6 ГБ [1](https://huggingface.co/api/models/deepseek-ai/DeepSeek-V4-Flash?blobs=true) | Qwen3.8-27B — 55,6 ГБ, в FP8 — 30,9 ГБ [7](https://huggingface.co/api/models/Qwen/Qwen3.8-27B?blobs=true) [8](https://huggingface.co/api/models/Qwen/Qwen3.8-27B-FP8?blobs=true) |
| Самая большая | V4-Pro — 864,7 ГБ [2](https://huggingface.co/api/models/deepseek-ai/DeepSeek-V4-Pro?blobs=true) | Qwen3.8-2.4T-A95B — 4 892 ГБ [11](https://huggingface.co/api/models/Qwen/Qwen3.8-2.4T-A95B?blobs=true) |
| Лицензия | MIT у всей серии, и код, и веса [3](https://huggingface.co/deepseek-ai/DeepSeek-V4-Pro/blob/b5968e9190ef611bbf34a7229255be88a0e937c1/README.md) | Apache 2.0 только у 27B [7](https://huggingface.co/api/models/Qwen/Qwen3.8-27B?blobs=true); у остальных — собственные лицензии Qwen с условиями [12](https://huggingface.co/Qwen/Qwen3.8-2.4T-A95B/blob/207bd685a7e3696cfaff12ded7c6a7ea0f88c996/LICENSE) |
| Контекст по `config.json` | 1 048 576 токенов [4](https://huggingface.co/deepseek-ai/DeepSeek-V4-Flash/blob/60d8d70770c6776ff598c94bb586a859a38244f1/config.json) | 262 144 токена [9](https://huggingface.co/Qwen/Qwen3.8-27B/blob/1d4bf0f2ff6012fd82039f2fa52739d0dd7c60c0/config.json); по карточке расширяется до 1 млн методом YaRN [10](https://huggingface.co/Qwen/Qwen3.8-27B/blob/1d4bf0f2ff6012fd82039f2fa52739d0dd7c60c0/README.md) |
| Изображения на входе | у V4.1-Flash [5](https://huggingface.co/api/models/deepseek-ai/DeepSeek-V4.1-Flash?blobs=true); V4-Pro и V4-Flash — только текст [1](https://huggingface.co/api/models/deepseek-ai/DeepSeek-V4-Flash?blobs=true) [2](https://huggingface.co/api/models/deepseek-ai/DeepSeek-V4-Pro?blobs=true) | у 27B [7](https://huggingface.co/api/models/Qwen/Qwen3.8-27B?blobs=true); старшая 2.4T-A95B — только текст [11](https://huggingface.co/api/models/Qwen/Qwen3.8-2.4T-A95B?blobs=true) |
| Готовые GGUF от автора | нет: среди десяти репозиториев серии ни одного с GGUF в имени [17](https://huggingface.co/api/models?author=deepseek-ai&search=V4&full=true); карточка описывает запуск собственным кодом автора [3](https://huggingface.co/deepseek-ai/DeepSeek-V4-Pro/blob/b5968e9190ef611bbf34a7229255be88a0e937c1/README.md) | нет; есть сторонние сборки — Q4_K_M на 19,0 ГБ [13](https://huggingface.co/api/models/ggml-org/Qwen3.8-27B-GGUF?blobs=true) |
| В библиотеке Ollama | `deepseek-v4-flash` — только облачный тег `cloud` [16](https://ollama.com/library/deepseek-v4-flash); локально — дистилляты `deepseek-r1` от 1,1 до 43 ГБ [15](https://ollama.com/library/deepseek-r1) | `qwen3.8:27b` — 18 ГБ, локально [14](https://ollama.com/library/qwen3.8) |

## Что это значит на практике

**Одна видеокарта или рабочая станция.** Из свежих серий сюда подходит только Qwen3.8-27B: 19 ГБ в сторонней сборке GGUF Q4_K_M, около 31 ГБ в официальной FP8 [13](https://huggingface.co/api/models/ggml-org/Qwen3.8-27B-GGUF?blobs=true) [8](https://huggingface.co/api/models/Qwen/Qwen3.8-27B-FP8?blobs=true). У DeepSeek для таких машин остаются дистилляты R1 — это модели января 2025 года на основе Qwen2.5 и Llama, а не серия V4 [6](https://huggingface.co/deepseek-ai/DeepSeek-R1/blob/56d4cbbb4d29f4355bab4b9a39ccb717a14ad5ad/README.md).

**Сервер с несколькими ускорителями.** Здесь выбор шире. V4-Flash занимает около 160 ГБ, V4-Pro — около 865 ГБ [1](https://huggingface.co/api/models/deepseek-ai/DeepSeek-V4-Flash?blobs=true) [2](https://huggingface.co/api/models/deepseek-ai/DeepSeek-V4-Pro?blobs=true). У Qwen средняя модель Flash-Next весит 360 ГБ, а старшая 2.4T-A95B — почти 4,9 ТБ: это уровень кластера.

**Коммерческое использование.** У DeepSeek проще: одна лицензия MIT на всю серию [3](https://huggingface.co/deepseek-ai/DeepSeek-V4-Pro/blob/b5968e9190ef611bbf34a7229255be88a0e937c1/README.md). У Qwen 3.8 свободная Apache 2.0 — только у 27B. В лицензиях старших моделей есть условия для очень крупных продуктов и для бизнеса «модель как услуга» [12](https://huggingface.co/Qwen/Qwen3.8-2.4T-A95B/blob/207bd685a7e3696cfaff12ded7c6a7ea0f88c996/LICENSE); подробности — на странице Qwen 3.8. Юридическую оценку мы не даём.

**Длинные документы.** По `config.json` у DeepSeek V4 окно в четыре раза больше — 1 048 576 против 262 144 токенов [4](https://huggingface.co/deepseek-ai/DeepSeek-V4-Flash/blob/60d8d70770c6776ff598c94bb586a859a38244f1/config.json) [9](https://huggingface.co/Qwen/Qwen3.8-27B/blob/1d4bf0f2ff6012fd82039f2fa52739d0dd7c60c0/config.json). Сколько памяти понадобится, чтобы реально заполнить такое окно, мы не измеряли.

## А что с качеством

Честный ответ — мы не знаем, и по карточкам этого не понять. В карточках обеих серий есть результаты тестов, но автор каждой получил их сам, в своих условиях и часто в режиме максимального усилия рассуждения. Из результатов, которые мы выписали, в карточках обеих серий совпадает один тест — GPQA Diamond: у DeepSeek-V4-Pro в режиме Max заявлено 90,1 [3](https://huggingface.co/deepseek-ai/DeepSeek-V4-Pro/blob/b5968e9190ef611bbf34a7229255be88a0e937c1/README.md), у Qwen3.8-27B — 89,2 [10](https://huggingface.co/Qwen/Qwen3.8-27B/blob/1d4bf0f2ff6012fd82039f2fa52739d0dd7c60c0/README.md). Разница меньше, чем разброс из-за условий измерения, и о вашей задаче она ничего не говорит.

Русский язык отдельно не оценивала ни одна из карточек. Если для вас важен русский, проверка на своих примерах обязательна.

## Как выбирать

1. Определите, где модель будет работать: одна видеокарта, сервер или облако. Это сразу отсекает половину вариантов.
2. Проверьте лицензию под свой способ использования.
3. Возьмите 30–50 своих настоящих примеров и прогоните обе модели. Сравнивайте не «впечатление», а долю ответов, которые можно использовать без правки.

## Источники

1. [Hugging Face API — deepseek-ai/DeepSeek-V4-Flash, метаданные и файлы](https://huggingface.co/api/models/deepseek-ai/DeepSeek-V4-Flash?blobs=true) — получено 2026-09-17
2. [Hugging Face API — deepseek-ai/DeepSeek-V4-Pro, метаданные и файлы](https://huggingface.co/api/models/deepseek-ai/DeepSeek-V4-Pro?blobs=true) — получено 2026-09-17
3. [DeepSeek-V4-Pro — карточка модели (README.md)](https://huggingface.co/deepseek-ai/DeepSeek-V4-Pro/blob/b5968e9190ef611bbf34a7229255be88a0e937c1/README.md) — получено 2026-09-17
4. [DeepSeek-V4-Flash — config.json](https://huggingface.co/deepseek-ai/DeepSeek-V4-Flash/blob/60d8d70770c6776ff598c94bb586a859a38244f1/config.json) — получено 2026-09-17
5. [Hugging Face API — deepseek-ai/DeepSeek-V4.1-Flash, метаданные и файлы](https://huggingface.co/api/models/deepseek-ai/DeepSeek-V4.1-Flash?blobs=true) — получено 2026-09-17
6. [DeepSeek-R1 — карточка модели (README.md)](https://huggingface.co/deepseek-ai/DeepSeek-R1/blob/56d4cbbb4d29f4355bab4b9a39ccb717a14ad5ad/README.md) — получено 2026-09-17
7. [Hugging Face API — Qwen/Qwen3.8-27B, метаданные и файлы](https://huggingface.co/api/models/Qwen/Qwen3.8-27B?blobs=true) — получено 2026-09-17
8. [Hugging Face API — Qwen/Qwen3.8-27B-FP8, метаданные и файлы](https://huggingface.co/api/models/Qwen/Qwen3.8-27B-FP8?blobs=true) — получено 2026-09-17
9. [Qwen3.8-27B — config.json](https://huggingface.co/Qwen/Qwen3.8-27B/blob/1d4bf0f2ff6012fd82039f2fa52739d0dd7c60c0/config.json) — получено 2026-09-17
10. [Qwen3.8-27B — карточка модели (README.md)](https://huggingface.co/Qwen/Qwen3.8-27B/blob/1d4bf0f2ff6012fd82039f2fa52739d0dd7c60c0/README.md) — получено 2026-09-17
11. [Hugging Face API — Qwen/Qwen3.8-2.4T-A95B, метаданные и файлы](https://huggingface.co/api/models/Qwen/Qwen3.8-2.4T-A95B?blobs=true) — получено 2026-09-17
12. [Qwen3.8-2.4T-A95B — файл LICENSE («Qwen3.8-Max License»)](https://huggingface.co/Qwen/Qwen3.8-2.4T-A95B/blob/207bd685a7e3696cfaff12ded7c6a7ea0f88c996/LICENSE) — получено 2026-09-17
13. [Hugging Face API — ggml-org/Qwen3.8-27B-GGUF, файлы и размеры](https://huggingface.co/api/models/ggml-org/Qwen3.8-27B-GGUF?blobs=true) — получено 2026-09-17
14. [Библиотека Ollama — qwen3.8](https://ollama.com/library/qwen3.8) — получено 2026-09-17
15. [Библиотека Ollama — deepseek-r1](https://ollama.com/library/deepseek-r1) — получено 2026-09-17
16. [Библиотека Ollama — deepseek-v4-flash](https://ollama.com/library/deepseek-v4-flash) — получено 2026-09-17
17. [Hugging Face API — репозитории deepseek-ai с «V4» в имени](https://huggingface.co/api/models?author=deepseek-ai&search=V4&full=true) — получено 2026-09-17