Подобрать решение

Задачи/

Страницы/

Модели/

Страницы/

Запуск/

Страницы/

Сравнение

DeepSeek или Qwen

Обновлено 17.09.2026

Коротко

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.

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] [5] август 2026 [7]
Самая маленькая модель серии V4-Flash — файлы весов 159,6 ГБ [1] Qwen3.8-27B — 55,6 ГБ, в FP8 — 30,9 ГБ [7] [8]
Самая большая V4-Pro — 864,7 ГБ [2] Qwen3.8-2.4T-A95B — 4 892 ГБ [11]
Лицензия MIT у всей серии, и код, и веса [3] Apache 2.0 только у 27B [7]; у остальных — собственные лицензии Qwen с условиями [12]
Контекст по config.json 1 048 576 токенов [4] 262 144 токена [9]; по карточке расширяется до 1 млн методом YaRN [10]
Изображения на входе у V4.1-Flash [5]; V4-Pro и V4-Flash — только текст [1] [2] у 27B [7]; старшая 2.4T-A95B — только текст [11]
Готовые GGUF от автора нет: среди десяти репозиториев серии ни одного с GGUF в имени [17]; карточка описывает запуск собственным кодом автора [3] нет; есть сторонние сборки — Q4_K_M на 19,0 ГБ [13]
В библиотеке Ollama deepseek-v4-flash — только облачный тег cloud [16]; локально — дистилляты deepseek-r1 от 1,1 до 43 ГБ [15] qwen3.8:27b — 18 ГБ, локально [14]

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] [8]. У DeepSeek для таких машин остаются дистилляты R1 — это модели января 2025 года на основе Qwen2.5 и Llama, а не серия V4 [6].

Сервер с несколькими ускорителями. Здесь выбор шире. V4-Flash занимает около 160 ГБ, V4-Pro — около 865 ГБ [1] [2]. 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]. 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]; 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] [9]. 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], у Qwen3.8-27B — 89,2 [10]. 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.

Связанное

DeepSeek V4

V4-Pro, V4-Flash и V4.1-Flash — параметры, размер весов, контекст, лицензия MIT и запуск.

Qwen 3.8

27B, Flash-Next и 2.4T-A95B — размер весов и GGUF, память, Ollama, контекст и три лицензии.

Ollama

Программа для запуска моделей у себя — установка, видеокарты, память, API и настройки сервера.

Источники

  1. Hugging Face API — deepseek-ai/DeepSeek-V4-Flash, метаданные и файлы. Получено 17.09.2026, ревизия 60d8d70770c6.
  2. Hugging Face API — deepseek-ai/DeepSeek-V4-Pro, метаданные и файлы. Получено 17.09.2026, ревизия b5968e9190ef.
  3. DeepSeek-V4-Pro — карточка модели (README.md). Получено 17.09.2026, ревизия b5968e9190ef.
  4. DeepSeek-V4-Flash — config.json. Получено 17.09.2026, ревизия 60d8d70770c6.
  5. Hugging Face API — deepseek-ai/DeepSeek-V4.1-Flash, метаданные и файлы. Получено 17.09.2026, ревизия dba1be0a40aa.
  6. DeepSeek-R1 — карточка модели (README.md). Получено 17.09.2026, ревизия 56d4cbbb4d29.
  7. Hugging Face API — Qwen/Qwen3.8-27B, метаданные и файлы. Получено 17.09.2026, ревизия 1d4bf0f2ff60.
  8. Hugging Face API — Qwen/Qwen3.8-27B-FP8, метаданные и файлы. Получено 17.09.2026, ревизия 017b9c7af6b5.
  9. Qwen3.8-27B — config.json. Получено 17.09.2026, ревизия 1d4bf0f2ff60.
  10. Qwen3.8-27B — карточка модели (README.md). Получено 17.09.2026, ревизия 1d4bf0f2ff60.
  11. Hugging Face API — Qwen/Qwen3.8-2.4T-A95B, метаданные и файлы. Получено 17.09.2026, ревизия 207bd685a7e3.
  12. Qwen3.8-2.4T-A95B — файл LICENSE («Qwen3.8-Max License»). Получено 17.09.2026, ревизия 207bd685a7e3.
  13. Hugging Face API — ggml-org/Qwen3.8-27B-GGUF, файлы и размеры — сторонняя сборка, не от команды Qwen. Получено 17.09.2026, ревизия 0669b98607d4.
  14. Библиотека Ollama — qwen3.8. Получено 17.09.2026.
  15. Библиотека Ollama — deepseek-r1. Получено 17.09.2026.
  16. Библиотека Ollama — deepseek-v4-flash. Получено 17.09.2026.
  17. Hugging Face API — репозитории deepseek-ai с «V4» в имени. Получено 17.09.2026.

Следующий шаг

Ответ на вопрос «что лучше» зависит от того, что именно вы хотите поручить модели.

Начать с задачи