В январе 2026 года DeepSeek выпустил V3.2 с открытыми весами под лицензией MIT. Для российских компаний, отрезанных от коммерческих API OpenAI и Anthropic, это стало переломным моментом. Модель можно скачать, развернуть в собственном дата-центре и файнтюнить без каких-либо ограничений со стороны вендора.
По данным опроса Russian Tech Community за май 2026 года, DeepSeek V3 уже используется в 214 компаниях с числом сотрудников от 100 человек. Лидирующие отрасли: финансовые сервисы (38 компаний), ретейл и e-commerce (51), промышленность и добыча (29), IT-разработка (63). Оставшиеся 33 компании приходятся на медицину, госсектор и другие направления.
Критически важна экономика: при объёме 500 млн токенов в месяц экономия на стоимости инференса составляет около 4 млн рублей в год по сравнению с зарубежными облачными API, доступными через серые каналы. При этом данные не покидают периметр компании, что закрывает вопрос соответствия 152-ФЗ.
Главный технический вопрос при развёртывании DeepSeek V3.2 — аппаратная база. Полная модель в BF16-точности требует около 640 ГБ GPU-памяти, что соответствует 8 картам NVIDIA A100 80GB или аналогичной конфигурации. В условиях санкционных ограничений на поставку современных GPU в Россию ключевой альтернативой стали ускорители Huawei Ascend 910B и 910C.
Huawei Ascend 910B обеспечивает 320 TFLOPS в FP16 при 64 ГБ HBM2e на борту. Для кластера из 12 карт суммарная память составляет 768 ГБ — достаточно для развёртывания полной модели с квантизацией INT8. Задержка инференса при этом составляет около 180 мс на запрос длиной 512 токенов, что приемлемо для большинства корпоративных сценариев, но заметно хуже, чем у оптимизированного деплоя на A100.
Ряд крупных российских компаний выбрал квантизованные варианты модели: DeepSeek V3.2 Q4_K_M весит около 230 ГБ и разворачивается на 4 картах Ascend 910B, сохраняя около 94% качества полной модели на русскоязычных задачах по внутренним бенчмаркам команды Sber AI Research.
Открытость весов даёт возможность специализировать модель. Из 214 компаний, внедривших DeepSeek V3, 67 (31%) сообщили о проведении собственного файнтюнинга. Наиболее распространённые методы — LoRA и QLoRA, которые позволяют дообучить адаптеры на потребительском железе, не изменяя основные веса.
DeepSeek V3.2 не лишён слабых мест, которые важно учитывать при выборе. Контекстное окно ограничено 128K токенов — этого достаточно для большинства задач, но недостаточно для анализа крупных юридических договоров или книг целиком. Для сравнения, GigaChat Max поддерживает 256K токенов, а YandexGPT 5.1 — 128K.
Серьёзной проблемой остаются встроенные цензурные ограничения, направленные на соответствие требованиям китайского регулятора. Модель отказывается обсуждать исторические события, связанные с Тяньаньмэнь, тайваньский вопрос, а также ряд тем, связанных с критикой КПК. Для подавляющего большинства российских бизнес-задач эти ограничения не релевантны, однако при работе с геополитическим контентом они дают о себе знать.
Качество русскоязычной генерации у DeepSeek V3.2 заметно ниже, чем у GigaChat Max и YandexGPT 5.1 Pro. По внутренним оценкам нескольких российских команд на задачах B2B-копирайтинга, модель набирает около 68 баллов против 84 у YandexGPT и 81 у GigaChat. Разрыв частично компенсируется файнтюнингом, но для задач, где критична стилистика русского языка, предпочтительны отечественные модели.