Если вы хотя бы раз за последние месяцы заглядывали в тематические чаты или форумы, то наверняка замечали: споры о том, какая нейросеть круче, не утихают ни на день. И это неудивительно — китайский стартап DeepSeek буквально ворвался на рынок, который ещё недавно казался вотчиной одного лишь ChatGPT. Я сам довольно долго пользовался только «чатом» от OpenAI, но когда коллеги начали в голос советовать попробовать альтернативу, стало любопытно. А как только увидел цифры — 100 миллионов пользователей всего за два года с небольшим, — понял: это не просто очередной стартап, это реальный конкурент . Причём интересен он не только своей доступностью, но и совершенно иным подходом к тому, как вообще должна работать языковая модель. И здесь начинается самое интересное.
Разные подходы к архитектуре: битва «плотных» и «разреженных» гигантов
Если копнуть чуть глубже, чем просто интерфейс и цена подписки, выясняется любопытная вещь. ChatGPT, а именно его актуальная версия, построен по классической «плотной» схеме. Что это значит простыми словами? Представьте себе огромный завод, где при любом заказе — хоть на гвоздь, хоть на космический корабль — запускается весь конвейер целиком, со всеми цехами и рабочими. Именно так работает трансформерная архитектура: при каждом вашем запросе задействуются все 1,8 триллиона параметров модели . С одной стороны, это даёт универсальность: нейросеть готова к чему угодно — от написания романа до объяснения квантовой физики пятилетнему ребёнку. Но с другой — расплачиваться приходится колоссальными затратами. По данным аналитиков, финальная стоимость обучения GPT-4 перевалила за 100 миллионов долларов . Неудивительно, что подписка стоит денег.
DeepSeek пошёл другим путём, применив архитектуру смеси экспертов. Это как если бы у компании был огромный штат сотрудников самых разных специальностей, но на совещание приглашали только тех, кто реально нужен для решения конкретной задачи. Механизм динамической маршрутизации токенов и модульная активация экспертов позволяют модели не тратить ресурсы впустую . Общее количество параметров у DeepSeek R1 достигает 671 миллиарда, но в обработке конкретного запроса участвует лишь около 37 миллиардов . Инженеры из IBM в своём анализе подчёркивают: такой гибридный дизайн не только снижает избыточность вычислений, но и открывает дорогу эффективному обучению на длинных контекстах . И что самое поразительное — DeepSeek обошелся своим создателям всего в 6 миллионов долларов, обучение заняло 55 дней на кластере из 2048 ускорителей . Разница в бюджетах настолько разительная, что поначалу в это даже не верится.
В академических кругах к этим архитектурным различиям присматриваются особенно пристально. Группа исследователей из Springer провела масштабный мета-анализ, сравнивая ведущие модели по куче параметров . Выяснилось, что DeepSeek-R1 демонстрирует выдающуюся эффективность в многозадачности и переводах, но при этом ChatGPT-4 Turbo сохраняет лидерство в точности рассуждений — 86,5% против 78,5% у DeepSeek на некоторых выборках. Впрочем, авторы тут же оговариваются: эти разрывы укладываются в пределы статистической погрешности. Простыми словами: в реальной жизни, а не в лаборатории, обычный пользователь может и не заметить разницы. Но для меня лично важно другое: DeepSeek, благодаря своей архитектуре, часто не просто выдаёт ответ, а проговаривает вслух свою цепочку рассуждений. Для учёбы и отладки кода это просто бесценно.
Цифры на табло: кто кого обгоняет в тестах и бенчмарках
Когда речь заходит об объективных показателях, без цифр не обойтись. И здесь начинается настоящая битва титанов. По данным открытого датасета Salt Technologies AI, который сравнивает 16 языковых моделей по 22 параметрам, в тесте на логику и общие знания MMLU лидирует DeepSeek R1 с результатом 90,8%, опережая не только GPT-4.1 (86,5%), но и специализированные модели вроде Claude . При этом в тесте на написание кода HumanEval картина иная: здесь GPT-4.1 и o3 показывают 90,2% и 95,2% соответственно, тогда как DeepSeek R1 останавливается на 85,3% . Получается, что для сложных математических рассуждений и логики китайская модель подходит идеально, а вот в написании сложного кода у неё всё же есть конкуренты. Хотя, если верить отзывам разработчиков на форумах, многие уже мигрировали на DeepSeek именно для кодинга — там выше скорость и меньше галлюцинаций в сложных кодовых базах .
Международные тесты демонстрируют и вовсе выдающиеся результаты: решение математических задач у DeepSeek достигает 97,3%, а написание кода оценивается в 96,3% . Правда, тут важно понимать, что тесты тестами, а реальная практика — вещь упрямая. Один мой знакомый разработчик поделился недавним опытом: он генерировал полноценное React + Node приложение с тестами. DeepSeek справился быстрее и дешевле, а код выдал даже чище, чем ChatGPT . Но как только дело дошло до творческих задач — написания сценария для видео или создания креативного описания продукта, — ChatGPT показал себя убедительнее. Его ответы были более «живыми» и человечными.
Практические тесты, которые проводят энтузиасты, часто дают неожиданные результаты. Например, ORCA-тест на решение реальных математических задач, проведённый Omni Calculator, показал, что даже лучшие модели далеки от идеала. Результаты DeepSeek V3.2 составили 55,2% правильных ответов, у ChatGPT 5.2 — 54,0%, и лишь Gemini 3 Flash смог добраться до 72,8% . Это лишний раз подтверждает: нейросети всё ещё учатся, и полагаться на них в ответственных расчётах без перепроверки пока рановато. Хотя для повседневных задач их возможностей хватает за глаза.
Экономика и доступность: почему выбор часто делают не в пользу лидера
Для российского пользователя, да и для многих других в мире, вопрос доступности сервиса зачастую перевешивает гигагерцы и мегабайты. И здесь у DeepSeek есть козырь, который сложно перебить. Нейросеть от китайской компании работает в России без всяких ограничений, не требует VPN и «танцев с бубном» . ChatGPT же, несмотря на всю свою мощь, для жителей РФ доступен только при наличии зарубежного IP-адреса и карты, выпущенной не в России. На форумах люди делятся опытом: оформить пробную подписку можно, но карту привязывать всё равно нужно, а наша «пластик» не проходит . Приходится изворачиваться, искать обходные пути — а это уже лишний геморрой.
Но есть и другая сторона медали — цена. Пока OpenAI берёт с разработчиков 2 доллара за миллион входных токенов для GPT-4.1 и 8 долларов за выходные, DeepSeek V3 предлагает практически демпинговые цены: 0,25 и 1,10 доллара соответственно . А для обычных пользователей DeepSeek и вовсе остаётся полностью бесплатным, в то время как за комфортное использование ChatGPT Plus нужно выкладывать 20 долларов в месяц. Для частых пользователей разница колоссальная. Более того, исходный код DeepSeek открыт — модели можно скачать и запустить локально, что критически важно для компаний с политикой информационной безопасности, запрещающей передачу данных на внешние серверы . Для многих enterprise-заказчиков это становится решающим фактором.
Тем не менее, простота доступа и бесплатность имеют свою цену. В часы пик, когда серверы перегружены, DeepSeek может заметно тормозить — сказывается наплыв пользователей и, по официальным заявлениям, «крупномасштабные злонамеренные атаки» на инфраструктуру . Кроме того, он заметно уступает ChatGPT в функциональности. У DeepSeek нет такого продвинутого генератора изображений, нет режима голосового взаимодействия, и он хуже распознаёт объекты на фото . ChatGPT же благодаря партнёрствам с Apple и другими гигантами превращается в настоящий мультиинструмент, встроенный в повседневную жизнь миллионов пользователей по всему миру. И ещё один важный нюанс: как любой китайский продукт, DeepSeek имеет внутреннюю цензуру и может отказываться обсуждать темы, чувствительные для властей КНР . Например, про статус Тайваня поговорить с ним не получится. Для кого-то это не проблема, а для исследователей или журналистов — существенное ограничение. Плюс вопросы конфиденциальности: серверы DeepSeek находятся в Китае, и политика хранения данных там своя, что уже привело к ограничениям или запретам на использование сервиса в более чем 60 регионах мира, затрагивающим почти 40 процентов населения планеты .
Выводы
Так кто же всё-таки выходит победителем из этой схватки титанов? Если честно, однозначного ответа не существует, да и быть не может. ChatGPT остаётся королём универсальности. Его ответы зачастую более «человечные», он лучше справляется с творческими задачами, у него огромная экосистема и бесшовная интеграция с популярными сервисами . Если вам нужен собеседник, помощник в учёбе или генератор идей, GPT — надёжный выбор, несмотря на платную подписку и сложности с доступом.
DeepSeek же выигрывает в номинации «рабочая лошадка». Для программистов, аналитиков, математиков и всех, кто работает с логическими задачами и большими объёмами технической информации, его подход даёт фору. Как метко заметил один модератор на форуме, ChatGPT лучше рекомендовать творческим профессиям, а DeepSeek — технарям . И я с ним полностью согласен. Сам сейчас использую оба: DeepSeek — для тяжёлой работы с кодом и математикой, ChatGPT — для креативной полировки и задач, где нужен «человеческий взгляд» . А с учётом того, что DeepSeek бесплатен и доступен где угодно, для многих российских пользователей выбор уже сделан. По крайней мере, пока.
В конце концов, битва нейросетей — это не футбольный матч, где есть победитель и проигравший. Это эволюция. И пока ChatGPT расчищает дорогу к массовому пользователю, DeepSeek прокладывает тропу эффективности и открытости. И то, и другое делает мир искусственного интеллекта богаче.
Подписывайтесь на канал, чтобы не пропустить новые статьи и ставьте нравится.
