Разработчики обнаружили три новых идентификатора моделей в официальном репозитории Harness от DeepSeek на GitHub: deepseek-v5, deepseek-v5-open и deepseek-v5-next. На данный момент DeepSeek не анонсировал модель V5, и эти записи являются тестовыми заглушками в коде, а не доступными моделями.
При проверке репозитория было установлено, что эти идентификаторы находятся в тестовом файле для провайдера учетных записей DeepSeek, а именно в файле packages/llm/llm-deepseek-account/tests/provider.spec.ts, на строках 154–156, рядом с существующей записью deepseek-v4-pro. История репозитория показывает, что они были добавлены в коммите от 24 сентября, который переместил каталог моделей учетной записи DeepSeek в официальный список моделей.
Тестовый сценарий проверяет, как клиент фильтрует модели по требованию версии: запись v5-open требует минимальную версию клиента 0.0.1, тогда как v5-next требует 99.0.0-alpha.1, и тест ожидает, что в списке появятся только модель flash и v5-open. Это указывает на возможность переключения на новую модель с серверной стороны Harness, либо для всех клиентов, либо только для тех, кто обновился, без необходимости выпуска нового релиза. Однако это не подтверждает существование модели V5 или сроки ее появления, и некоторые разработчики считают эти названия просто тестовыми заглушками. По состоянию на 28 октября DeepSeek не опубликовал никаких объявлений, карточек моделей или идентификаторов API для серии V5.
Текущий ассортимент моделей включает V4-Pro и V4.1-Flash; последняя была выпущена в сентябре с новой архитектурой, сохраняя при этом название V4.
В ту же неделю был представлен новый результат бенчмаркинга для текущей модели. Artificial Analysis выпустила Intelligence Index v5, которая является крупнейшим обновлением с момента выхода v4 в январе, причем 60% веса теперь основано на закрытых тестовых наборах данных или скрытых ответах. Кодирование составляет 25% индекса, и из этих 15 баллов приходится на FrontierCode 2.0 от Cognition, который оценивает изменения кода в 132 реальных задачах с открытым исходным кодом на предмет того, одобрили бы их сопровождающие репозитория слияние запроса.
На платформе FrontierCode 2.0 модель DeepSeek V4.1-Flash-1017 при максимальном усилии набрала 28%, что является наивысшим показателем среди моделей с выпущенными весами. Kimi K3.1 Pro показала 25.5%, но ее полные веса еще не доступны. Gemini 4 Argon достигла 25.7%, а GPT-6 Luna — 25.2%.
Общий индекс оказался менее благоприятным. DeepSeek V4.1-Flash набрала 32 балла, сравнявшись с GLM-5.3, в то время как лидер, Claude Opus 5.5, получил 58 баллов. Artificial Analysis отмечает, что разрыв между лучшей открытой моделью с выпущенными весами и лидером таблицы увеличился с 3 баллов под v4.3 до 12 баллов под v5.
