Что произошло
23–24 сентября 2026 года издание The Information сообщило со ссылкой на осведомлённых собеседников, что годовой темп выручки (annualized revenue run rate) DeepSeek достиг $1 млрд. Агентство Reuters перепечатало эту информацию, уточнив, что показатель более чем вдвое превышает уровень нескольких месяцев назад, когда он составлял менее $500 млн. Речь идёт не о фактически полученной и аудированной выручке за год, а об экстраполяции текущего месячного потока платежей на 12 месяцев. По данным за август 2026 года, за первые семь месяцев года DeepSeek получил около 475 млн юаней (примерно $70,7 млн), что приблизительно в десять раз больше всей выручки за 2025 год.
Параллельно с ростом выручки формируется масштабная инвестиционная база компании. В июне 2026 года DeepSeek привлёк около 50 млрд юаней (примерно $7,4 млрд) при оценке после сделки около 450 млрд юаней. В июле Reuters сообщил о планах нового раунда до 50 млрд юаней при оценке около 500 млрд юаней ($74 млрд). Однако регистрационная информация китайского инвестора Anhui Korrun указывает на косвенную оценку DeepSeek в 350,88 млрд юаней ($51,8 млрд). Разброс оценок демонстрирует высокую волатильность и непубличность компании, опирающейся на переговоры и косвенные сделки, а не на биржевую отчётность.
Основной источник дохода DeepSeek — платный API для разработчиков и предприятий. Потребительский интерфейс остаётся бесплатным и служит инструментом дистрибуции, а не генератором основной выручки. В доступных источниках отсутствуют точные тарифы API, лимиты запросов, количество токенов и валовая маржа, подтверждённые официальной отчётностью. Упоминание в отраслевых материалах валовой маржи выше 50% не является аудированным фактом и не может использоваться для точного прогнозирования.
Для российского бизнеса этот сигнал важен как доказательство жизнеспособности бизнес-модели на основе доступных API и моделей с более открытым доступом. Коммерциализация китайских моделей усиливает ценовую конкуренцию, создавая альтернативу дорогим западным закрытым системам и снижая порог входа для экспериментов с генеративным ИИ.
Как это устроено
Механика метрики run rate и её ограничения
Годовой темп выручки (run rate) — это расчётный показатель, который экстраполирует текущий месячный поток на весь год. Если компания заработала условные $83 млн за последний месяц, аналитики заявляют run rate в $1 млрд. Такая метрика не учитывает сезонность, отток клиентов и изменение тарифов, поэтому run rate не равен признанной годовой выручке. При снижении спроса или демпинге со стороны конкурентов фактическая выручка может оказаться существенно ниже расчётной. Для корпоративного заказчика это означает, что прогнозировать долгосрочные затраты на API DeepSeek нужно с дисконтом на возможный пересмотр ценовой политики после захвата доли рынка.
Экономика API-монетизации и агентная инфраструктура
DeepSeek монетизирует доступ к интеллектуальным вычислениям по модели pay-as-you-go, что соответствует стандартам отрасли. В экономике программных агентов стоимость генерации токенов языковой моделью — лишь часть совокупных затрат. В типовом сценарии агентной системы дополнительно оплачиваются векторная база данных для памяти (RAG), вызовы внешних инструментов (API-коннекторы к CRM или ERP), оркестрация логики и мониторинг безопасности. Дешёвый доступ к модели DeepSeek снижает стоимость шага рассуждения, но не отменяет затрат на инфраструктуру агента. По нашему опыту проектов, стоимость модели в сложных агентных сценариях составляет от 20% до 40% общего бюджета на инфраструктуру.
Инвестиционный драйвер и субсидирование доступа
Привлечение десятков миллиардов юаней позволяет DeepSeek агрессивно инвестировать в кластеры GPU и расширять пропускную способность API. Высокая оценка компании основана на ожиданиях доминирования на китайском и азиатском рынках. Наличие мощного финансового буфера даёт возможность временно работать с низкой маржой или убыточно, чтобы вытеснить конкурентов и приучить разработчиков к своему формату API. Стратегия аналогична методам захвата рынка облачных провайдеров в начале 2020-х годов, когда капитал позволял держать цены ниже себестоимости.
Открытые веса против коммерческого API
DeepSeek известен публикацией весов ряда своих моделей, что создаёт иллюзию полного контроля над решением. Однако для среднего и крупного бизнеса развёртывание модели на собственных серверах требует значительных капитальных затрат на GPU, команду MLOps и инженеров по оптимизации инференса. Коммерческий API снимает эту нагрузку, но создаёт зависимость от провайдера. Корпоративному заказчику требуются гарантии доступности (SLA), версионирование моделей, журналирование запросов и компенсация инцидентов, которые у непубличных китайских компаний часто не регламентированы в привычном для российского бизнеса виде.
Контентная фильтрация и юрисдикционные риски
Модели, обученные и развёрнутые в Китае, подчиняются местному законодательству, требующему соответствия контента государственным нормам. Это выражается во встроенных фильтрах на уровне API, которые могут отклонять запросы по политическим или цензурным соображениям. Для российского бизнеса это создаёт риск немотивированных отказов генерации при обработке пользовательских запросов или анализе текстов. Интеграция такого API во внутренние продукты требует отдельного тестирования на устойчивость к цензурным срабатываниям и создания обходных логик.
Как это выглядит на практике
Сценарий 1: Прототипирование агентных систем на китайском API
Крупная российская ритейл-компания разрабатывает агента для автоматизации обработки коммерческих предложений от поставщиков. На этапе прототипа критично быстро протестировать логику извлечения сущностей и суммаризации условий договора. Использование DeepSeek API позволяет снизить стоимость эксперимента на этапе генерации текстовых фрагментов и кода парсеров. В типовом сценарии при большом объёме итераций затраты на рассуждения минимальны, что даёт возможность командам аналитиков проводить десятки тестов без жёстких бюджетных ограничений, прежде чем переводить систему на более дорогой или суверенный стэк.
Сценарий 2: Гибридная маршрутизация в корпоративном контуре
Промышленная холдинговая компания внедряет внутреннего ассистента для инженеров. Для ответов на вопросы по публичным стандартам ГОСТ и открытым мануалам запросы маршрутизируются на DeepSeek API из-за высокой скорости и низкой цены. Для запросов, содержащих чертежи и параметры коммерческой тайны, оркестратор перенаправляет задачу на локально развёрнутую модель в защищённом контуре. Архитектура требует промежуточного слоя классификации данных, который определяет уровень чувствительности запроса перед вызовом внешнего API, что усложняет разработку, но обеспечивает комплаенс.
Сценарий 3: Локальное развёртывание открытых весов для изоляции
Российский финтех-стартап в сфере автоматизации комплаенса не может передавать транзакционные данные за рубеж из-за требований регулятора. Компания скачивает открытые веса модели DeepSeek и развёртывает их на арендованном кластере GPU в российском дата-центре. Это обеспечивает полный контроль над данными и отсутствие зависимости от доступности внешнего API. Однако команде приходится самостоятельно решать задачи квантования модели для умещения в доступный объём видеопамяти, настройки инференса и мониторинга деградации качества ответов, что требует высокой квалификации инженерии.
Что это значит для российской компании
Рост коммерческого успеха DeepSeek расширяет доступность ИИ-моделей, но не решает автоматически проблемы импортозамещения. В условиях 243-ФЗ и связанных с ним требований к применению российского программного обеспечения использование китайского облачного API не приравнивается к применению отечественного решения. Для субъектов критической информационной инфраструктуры (КИИ) передача данных в облако юрисдикции КНР недопустима. Требования 152-ФЗ и 242-ФЗ к локализации персональных данных также блокируют прямую интеграцию иностранного API для обработки клиентской информации.
Доступность DeepSeek из России зависит от политик провайдеров, санкционных списков и возможностей трансграничных платежей. В доступных материалах нет подтверждения официального присутствия DeepSeek в России, рублёвых расчётов или заключённых договоров с российскими юрлицами. Китайский API — это инструмент диверсификации, а не замена суверенным решениям. Российская компания должна оценивать всю технологическую цепочку: где размещаются данные, кто владеет облаком, каким образом оформляется лицензия и присутствует ли решение в реестрах Минцифры.
| Стратегия выбора модели | Доступность в РФ | Соответствие 243-ФЗ / 152-ФЗ | Риск санкций / блокировки | Уровень затрат на инференс |
|---|---|---|---|---|
| Западные закрытые API (OpenAI, Anthropic) | Ограничена, требует прокси | Не соответствует | Критический | Высокий |
| Китайские закрытые API (DeepSeek) | Зависит от политики провайдера | Не соответствует для КИИ и ПД | Умеренный | Низкий / Средний |
| Российские облачные API (Yandex, Sber) | Полная | Соответствует | Низкий | Средний / Высокий |
| Локальное развёртывание (Open-source веса) | Полная | Соответствует | Минимальный | Высокий (CAPEX) |
Для среднего и крупного бизнеса стратегия на 2026 год заключается в построении мультимодельного контура. Западные модели используются там, где экосистема инструментов критична, а данные нечувствительны. Китайские модели выступают драйвером ценовой оптимизации и резервным каналом. Российские модели и локальное развёртывание обеспечивают обработку данных ограниченного доступа и выполнение требований регуляторов.
Что делать: пошагово
- Провести аудит потоков данных и классифицировать их по уровню чувствительности: публичные, персональные, коммерческая тайна, государственная тайна.
- Сформировать матрицу соответствия сценариев использования: определить, для каких задач допустим внешний API, а где требуется исключительно локальное развёртывание или российский облако.
- Спроектировать архитектуру оркестратора (LLM-роутера), которая позволит абстрагировать бизнес-логику от конкретного провайдера модели и переключать запросы между DeepSeek, отечественными и локальными моделями.
- Настроить систему биллинга и мониторинга токенов: внедрить трекинг стоимости каждого агентного цикла, чтобы оценивать реальную экономику использования дешёвых API.
- Протестировать китайский API на предмет контентной фильтрации: прогнать типовые запросы компании через DeepSeek и оценить долю немотивированных отказов.
- Разработать протокол фолбэка (резервирования): описать автоматические действия системы при недоступности DeepSeek API или превышении лимитов задержки.
- Юридически оформить отношения: обеспечить договоры обработки данных с провайдерами, проверить легитимность трансграничной передачи данных.
- Внедрить систему контроля действий агентов (guardrails): настроить отдельный слой валидации выходных данных модели перед их записью в корпоративные системы.
Типичные ошибки
- Отождествление открытых весов и коммерческого SLA. Предположение, что модель с открытыми весами обеспечит такую же надёжность и аптайм, как управляемый сервис. В реальности локальное развёртывание требует отдельной команды эксплуатации и не гарантирует бесперебойной работы без серьёзных инвестиций в инфраструктуру.
- Передача персональных данных в китайский API. Попытка сэкономить на инференсе ПД с помощью DeepSeek API прямо нарушает 152-ФЗ и требования локализации данных, что влечёт штрафы от Роскомнадзора и репутационные потери.
- Хардкод провайдера в бизнес-логике. Интеграция вызовов конкретного API напрямую в код продуктов без слоя абстракции. Это делает невозможным быстрый переход на другую модель при блокировке доступа или изменении цен, вынуждая переписывать значительную часть кода.
- Доверие к метрике run rate как к гарантии стабильности. Планирование бюджета на ИИ на основе текущих низких цен DeepSeek без учёта вероятности их повышения после захвата рынка. Демпинг временный, и опираться на него в долгосрочных расчётах дорого.
- Игнорирование контекстных особенностей фильтрации. Использование китайских моделей для генерации маркетинговых текстов или клиентских ответов без проверки. Встроенная цензура может привести к выдаче абсурдных или пустых результатов на чувствительные для российского рынка темы, разрушая пользовательский опыт.
Как понять, что вы на верном пути
- Архитектура ИИ-решения провайдер-агностична: замена DeepSeek на модель Сбера или Яндекса требует изменения только конфигурационного файла, а не переписывания бизнес-логики.
- Персональные данные и коммерческая тайна никогда не покидают юрисдикцию Российской Федерации, а внешний API используется исключительно для обработки очищенных или публичных контекстов.
- Стоимость владения (TCO) агентной системой прозрачна: бизнес видит стоимость каждого шага агента, включая генерацию, поиск по базе и вызов инструментов, и может управлять ею.
- Механизмы фолбэка протестированы и работают автоматически: при падении внешнего API система без участия человека переключается на резервный контур, не обрушивая бизнес-процесс.
- Юридический и комплаенс-контур одобрил матрицу обработки данных для всех используемых моделей, риски санкций и утечек формализованы и приняты в остатке.
Вопросы, которые нам задают
Заменяет ли DeepSeek западные модели в российских корпоративных контурах?
DeepSeek не является прямой заменой западных моделей во всех сценариях. По качеству рассуждений и инструментальной оснащённости флагманские модели OpenAI или Anthropic могут превосходить китайские аналоги в сложных многошаговых задачах. Однако для типовых задач классификации, суммаризации и генерации кода DeepSeek обеспечивает сопоставимое качество при существенно меньшей цене, что делает его релевантной заменой для снижения затрат.
Соответствует ли API DeepSeek требованиям 243-ФЗ?
API DeepSeek является иностранным облачным сервисом и не входит в реестр отечественного ПО. Для организаций, подпадающих под требования 243-ФЗ о приоритетном использовании российского software, прямое использование китайского API в качестве основного процессора нарушает нормы закона. DeepSeek допустимо применять только как вспомогательный элемент в некритичных контурах или для прототипирования, где закон не требует использования реестрового ПО.
Как рост выручки DeepSeek повлияет на цены для российского бизнеса?
В краткосрочной перспективе приток инвестиций и конкуренция за долю рынка будут удерживать цены API на низком уровне, что выгодно российским потребителям. В долгосрочной перспективе, после закрепления на рынке, провайдер может начать повышать маржу, сокращать скидки или вводить платные лимиты на функциональность. Российскому бизнесу следует использовать текущее окно возможностей для построения архитектуры, не привязанной к одному провайдеру.