Skip to main content
DeepSeekAI automationгенерация игр

DeepSeek V4 за $0.14: где факт, а где миф

История про DeepSeek V4, который якобы собрал клон BattleBit за $0.14, не подтверждается: $0.14 это цена входных токенов V4 Flash за 1 млн, а не стоимость готовой игры. Для бизнеса тут важнее другое: AI implementation в коде и агентах резко дешевеет.

Технический контекст

Я полез проверять эту историю не из любопытства, а потому что такие кейсы моментально влияют на ожидания клиентов по AI automation. И тут первая проблема простая: подтверждения, что DeepSeek V4 сделал играбельный клон BattleBit за $0.14, я не нашёл.

Судя по доступным данным, число $0.14 относится не к созданию игры, а к прайсу DeepSeek V4 Flash на вход: $0.14 за 1 млн токенов при cache miss. Выход стоит $0.28 за 1 млн токенов. Это уже очень интересно, но это совсем другой разговор.

Официально у DeepSeek V4 сейчас два варианта: Pro и Flash. У обоих заявлен контекст до 1 млн токенов, открытые веса по Apache 2.0, а основной фокус у линейки понятный: код, reasoning, агенты, длинный контекст. Для AI integration это куда важнее, чем случайный вирусный ролик с игрой.

Откуда вообще взялся шум? Похоже, в ленте смешали несколько разных демо, где модели делали простые игровые прототипы, и сверху наклеили имя DeepSeek V4. Такое я вижу регулярно: одна модель написала код, другая сгенерировала ассеты, а в итоге интернет запомнил самую громкую подпись.

И вот тут для меня главное наблюдение: даже если отбросить сомнительный BattleBit-кейс, сам тренд никуда не делся. Логика, игровой loop, базовые механики, UI-заглушки и скрипты сейчас действительно становятся дешёвыми. Узкое место всё чаще не код, а вкус, арт, звук и финальная полировка.

Влияние на бизнес и автоматизацию

Для бизнеса это означает очень конкретную вещь: прототипы и внутренние инструменты можно собирать заметно дешевле и быстрее. Не только игры, а любые интерфейсы с логикой, сценариями и состояниями.

Выигрывают команды, у которых много рутины в кодогенерации, QA-скриптах, внутреннем софте и агентных пайплайнах. Проигрывают те, кто всё ещё оценивает модели по хайповым демо, а не по цене токена, стабильности API и качеству на своей задаче.

Я у себя в Nahornyi AI Lab такие вещи приземляю на архитектуру без иллюзий: где модель реально экономит часы разработки, а где потом человек всё равно спасает результат руками. Если у вас назрела AI solution development задача и нужно понять, как дешёвые модели встроить без потери качества, я бы просто посмотрел на ваш workflow вместе с вами и собрал рабочую схему, а не красивую легенду из Twitter.

Мы ранее разбирали простую самодистилляцию — метод, улучшающий качество генерации кода без сложного обучения с подкреплением. Такой подход пригодился бы при автогенерации игр, когда нужно получить играбельный результат с минимальными затратами.

Поделиться статьёй