Для ChatGPT и Perplexity задача звучит так: попасть в источники, которые модель читает прямо во время ответа. С DeepSeek этот рычаг работает слабее. Через API он отвечает по тому, что осело в весах при обучении. В чате поиск включается кнопкой, но компания не раскрывает, какие сайты он берёт и как их выбирает. Поэтому стратегия здесь разделена на два слоя: долгая работа на «обучающий» слой веба и обычное SEO для режима с поиском. Ниже разобрано, что DeepSeek сообщил сам, что остаётся догадкой и как проверять результат, когда эффект приходит не сразу.
Какие модели отвечают и как часто они меняются
Версии выходят быстро, и это определяет всю стратегию. По журналу изменений API:
- 1 декабря 2025: V3.2, под именами
deepseek-chatиdeepseek-reasoner. - 24 апреля 2026: превью V4 с двумя моделями. V4-Pro: 1,6 трлн параметров всего, 49 млрд активных. V4-Flash: 284 млрд и 13 млрд. Контекст 1 млн токенов. Старые имена переведены на V4-Flash и отключены 24 июля.
- 31 июля и 13 августа: релизы V4-Flash и V4-Pro. Для V4-Flash DeepSeek прямо пишет: архитектура и размер те же, модель только дообучена заново (post-training). Новых данных предобучения в этом обновлении нет.
- 10 сентября 2026: V4.1-Flash, 552 млрд параметров, новая архитектура, встроенное понимание изображений, имя в API
deepseek-flash. В посте о релизе компания сообщила, что с 14 сентября запросы кdeepseek-v4-proпойдут в V4.1-Flash. Позже в журнале изменений появилась запись: API V4-Pro продолжат предоставлять после 14 сентября. Два официальных текста расходятся, поэтому не полагайтесь на имя модели: проверяйте, что вернул сервер.
Из этого два вывода. Первый: между большими релизами базовой модели проходят месяцы, а промежуточные обновления могут вообще не менять запас знаний. Второй: имя модели в API меняется, и замер, который вы запустили в апреле, нельзя молча сравнивать с октябрьским.
Откуда берётся ответ
Что известно об обучающих данных
Техническое описание V4 на arXiv называет объём: больше 32 трлн токенов у Flash и 33 трлн у Pro. Источники перечислены общими категориями: математика, код, веб-страницы, длинные документы. Сказано, что корпус многоязычный и охватывает «длинный хвост» знаний разных культур, а из веба убирали массовый автогенерируемый и шаблонный контент, чтобы не допустить деградации модели. Чего в отчёте нет: списка сайтов, доли русского языка, упоминания Википедии, даты отсечения знаний. Поэтому тезисы вроде «DeepSeek учился на Википедии и профильных форумах» остаются предположением. Даже агрегаторы дат отсечения (FixAEO, сентябрь 2026) для моделей V4 пишут «не опубликовано».
Показательно и другое: на странице GitHub-репозитория DeepSeek пользователь описал, что V4-Pro в режиме Expert называет себя V3.2 с отсечкой в мае 2025. Это сообщение частное, подтверждения от компании нет, но оно напоминает: не спрашивайте у самой модели, что она знает и до какой даты. Её ответ о себе тоже может быть устаревшим.
Выходит, что даже флагман знает мало редких фактов. Условный пример: региональный магазин с оборотом в несколько сотен миллионов рублей для модели тоже «редкий факт». На вопрос о нём она либо назовёт крупных игроков категории, либо ошибётся (это галлюцинация). Видимость в таком режиме строится на том, чтобы бренд встречался в обучающем вебе часто, одинаково и рядом с названием категории.
Как модель выбирает бренды: что есть в исследованиях
Исследований именно по DeepSeek и выбору брендов мы не нашли. Есть работы по другим моделям, и их выводы стоит использовать как рабочую гипотезу:
- Kamruzzaman и соавторы (2024) проверили четыре модели на обуви, одежде, напитках и электронике: модели систематически связывают глобальные бренды с позитивными признаками, локальные с негативными. Если в запросе указать страну, у большинства моделей (кроме Gemma) картина разворачивается в пользу местных брендов.
- Работа «Who Owns the AI Recommendation?» (arXiv, 2026): 50 брендов, 250 запросов, GPT-5.2 и Gemini 3 Flash без поиска и Perplexity с поиском. Доля рекомендаций бренда умеренно коррелирует с его размером (ранговая корреляция Спирмена около 0,6). Набор брендов в ответах без поиска стабилен: перекрытие между двумя волнами замеров 0,886 у OpenAI и 0,882 у Gemini против 0,672 у Perplexity. Между февралём и сентябрём распределение долей почти не изменилось (Спирмен 0,994). Разные системы расходятся примерно в 4 запросах из 10. Авторы оговаривают, что аудит выдачи не доказывает причинного эффекта оптимизации.
Практический смысл: ответы без поиска меняются медленно и зависят от того, насколько бренд «массивен» в тексте мира. Это совпадает с тем, как работает любая статистическая модель языка: чем чаще и привычнее связка «бренд + категория», тем вероятнее она всплывёт. Но для DeepSeek на русскоязычных запросах эти цифры не измерены, и для вашей категории надо проверять самим.
Чат против API: чем отличаются режимы
| Свойство | Чат / приложение | API |
|---|---|---|
| Веса модели (знания обучения) | да | да |
| Веб-поиск в ответе | частично: включается пользователем, состав источников не раскрыт | нет: в Responses API встроенные инструменты web_search и другие игнорируются |
| Ссылки на источники | частично: в режиме поиска | нет |
| Выбор версии модели | частично: режимы Instant и Expert | да: параметром model |
| Стабильность для замера | нет: интерфейс и состав функций меняются без анонса | да, при фиксированной модели и параметрах |
Про состояние поиска в приложении надёжных публичных данных нет. Тот же пользователь GitHub утверждает, что в мае 2026 в версии приложения 2.1.1 поиск убрали из режима Expert и оставили в Instant, без объявления в заметках о релизах. Подтверждения от DeepSeek мы не нашли, поэтому считайте это слухом. Вывод для вас тот же: чат нельзя использовать как стабильный источник данных, а API можно, но он показывает только слой знаний. Подробнее о разнице подходов: API и интерфейс, нейросети с поиском и без.
Доступность в России и аудитория
Цифры расходятся, потому что считают разное. По данным Digital Budget за январь–октябрь 2025 года (десктопный трафик, Коммерсантъ от 27 ноября 2025), DeepSeek занимал второе место по визитам на ИИ-сервисы, после ChatGPT. По исходящим переходам на сайты картина другая.
Читать это надо так: DeepSeek в России популярен и приводит на сайты заметную часть переходов, то есть в чате с поиском он ссылается на русскоязычные ресурсы. Данные за 2026 год в открытом доступе мы не нашли, а год в этой отрасли длинный.
Доступность непостоянна. 24 мая 2026 года пользователи пожаловались, что сайт и приложение не открываются без VPN, жалоб набралось больше 3000 за сутки; Роскомнадзор заявил «Коммерсанту», что не вводил ограничений в отношении DeepSeek. Причина осталась неясной. Параллельно российский бизнес всё чаще использует DeepSeek через API и отечественные платформы: на Yandex AI Studio в первом полугодии 2026 года модель заняла третье место по потреблению токенов с долей 13,5% (после Qwen с 21,2%), в MWS GPT её место по токенам заняла Kimi (данные из публикации «Коммерсанта» от 13 августа 2026). Для брендов это значит, что часть клиентов и сотрудников видит DeepSeek не через официальный чат, а внутри чужих интерфейсов, где поиска может не быть вообще.
Что подтверждено, что нет
| Утверждение | Статус |
|---|---|
| Объём предобучения V4 (32–33 трлн токенов), фильтрация шаблонного контента | подтверждено техотчётом |
| В API нет встроенного веб-поиска | подтверждено для Responses API (инструменты игнорируются); общий список инструментов Chat Completions мы не смогли открыть |
| Дата отсечения знаний V4 | не опубликована |
| Википедия и русскоязычные форумы входят в обучение | не подтверждено |
| Какой поисковик и какие сайты использует поиск в чате | не раскрыто |
| Убран ли поиск из Expert Mode в мае 2026 | слух: единственный источник, сообщение на GitHub |
| Крупные известные бренды называются чаще малых | косвенно: исследования по другим моделям |
Порядок действий
Раз гарантий нет, работа складывается из шагов, которые полезны при любом устройстве модели. Они же улучшают видимость в других нейросетях: ChatGPT, Perplexity, GigaChat.
- Снять исходную картину
30–50 небрендовых промптов по вашей категории («где купить…», «лучшие магазины…», «с чем сравнить…»), 3–5 прогонов на промпт, DeepSeek по API. Параллельно вручную проверьте 10 промптов в чате с поиском и без. Записать версию модели из ответа сервера и дату.
1–2 дня - Зафиксировать описание бренда
Одна формулировка «кто вы» в одинаковом виде: название на кириллице и латинице, категория, город, год основания, чем отличаетесь. Разместите её на странице «О компании», в разметке Organization (Schema.org) со ссылками sameAs на все профили. Проверка: поиск по точной фразе находит те же слова везде.
2–3 дня - Собрать независимые упоминания
Нужны упоминания не на вашем сайте: отраслевые медиа, vc.ru, Habr (если подходит по тематике), рейтинги и подборки, каталоги. Digital Budget называет vc.ru, habr.com, ozon.ru, mail.ru и consultant.ru среди сайтов, на которые нейросети ссылаются чаще всего; это данные о цитировании в поиске, а не о составе обучающей выборки, но площадки массовые и их тексты попадают в веб. Подробнее: внешние упоминания.
1–3 месяца, постоянно - Попасть в сравнительные обзоры
Запросы «X или Y», «лучшие N» чаще всего строят ответы в формате списка. Проверьте, в каких независимых подборках вы уже есть, и договаривайтесь о включении там, где вас нет. Формулировка про вас должна совпадать с шагом 2: так срабатывает консенсус источников.
1–2 месяца - Проверить Википедию и Викиданные
Если бренд проходит критерии значимости проекта, страница с независимыми источниками полезна. Писать о себе и платить за правку рискованно: правила проекта ограничивают конфликт интересов, и страницу могут удалить. Если не проходите, пропустите шаг.
от 2 недель, не всегда применимо - Подготовить сайт для режима с поиском
Обычные SEO-основы: страницы индексируются, ключевые факты (ассортимент, цены, доставка, гарантия) в тексте, а не только в картинках и скриптах, понятные заголовки, свежие даты. Какой краулер и поисковик использует DeepSeek, компания не публикует; проверяйте по ссылкам, которые видите в ответах чата.
1–2 недели - Повторить замер после новой версии
Не раньше, чем через 2–3 недели после релиза: сервер должен стабильно отдавать новую версию. Те же промпты и тот же набор прогонов, что в шаге 1.
1 день на замер
Чек-лист
- Версия модели и дата записаны в отчёте замера (имя модели из ответа сервера, не из конфигурации).
- Формулировка «кто мы» совпадает на сайте, в профилях и в публикациях.
- Есть хотя бы 5 независимых упоминаний бренда рядом с названием категории (не на вашем домене).
- Бренд указан в разметке Organization с sameAs на реальные профили.
- Ключевые факты о компании лежат в HTML-тексте индексируемых страниц.
- Проведена ручная проверка в чате: с поиском и без, 10 промптов, результат отдельно от замера по API.
- Выбраны конкуренты для сравнения: они нужны, чтобы отличить ваш рост от сдвига всей модели.
Как измерять с учётом инерции
Знания меняются версиями, а не ежедневно, поэтому график видимости DeepSeek будет ступенчатым. Заранее решите, чего вы ждёте и когда.
- Точка «до». Замер из шага 1, минимум 3 прогона на промпт: ответы без поиска разнятся от запуска к запуску (вариативность), и один прогон ничего не доказывает.
- Окно «после». Ближайший релиз с новым предобучением. Обновления «только post-training», как V4-Flash-0731, нового запаса знаний не приносят: сдвиг после них не связывайте с вашими публикациями.
- Метрика. Для DeepSeek по API смотрите долю небрендовых промптов, где бренд назван (небрендовые запросы), и позицию в списке, не ссылки.
- Проверка значимости. Сравнивайте пары «промпт × прогон» до и после критерием знаков: он показывает, сдвинулось ли больше промптов вверх, чем вниз. Учтите сдвиг всей модели: если доля голоса конкурентов выросла так же, как ваша, это сдвиг модели, а не результат работы.
- Аннотации. В LLMetr отметьте на графике дату публикаций и дату смены версии модели. Так при разборе виден порядок событий.
Реалистичный горизонт: от одного до двух релизов базовой модели, то есть примерно 3–6 месяцев, если судить по темпу 2025–2026 годов (V3.2 в декабре, V4 в апреле, V4.1 в сентябре). Это оценка по датам релизов, а не обещание DeepSeek. Для режима с поиском реакция может быть быстрее, но измерить её стабильно сейчас нельзя.
Источники
- Change Log, DeepSeek API Docs, записи с 1 декабря 2025 по 10 сентября 2026, проверено 14.10.2026
- DeepSeek V4 Preview Release, DeepSeek, 24 апреля 2026
- DeepSeek-V4.1-Flash: Smarter, Faster, More Efficient, DeepSeek, 10 сентября 2026
- DeepSeek-V4: Towards Highly Efficient Million-Token Context Intelligence, технический отчёт, arXiv 2606.19348
- Using the Responses API, DeepSeek API Docs, таблица совместимости инструментов, проверено 14.10.2026
- Трафик на ИИ-сервисы в России вырос в шесть раз, Коммерсантъ, 27 ноября 2025, по данным Digital Budget
- Трафик из нейросетей вырос в девять раз, Коммерсантъ, 20 ноября 2025, по данным Digital Budget
- Сбой в работе DeepSeek в России: сервис недоступен без VPN, Коммерсантъ, 24 мая 2026
- Нацмодель сдала сессию, Коммерсантъ, 13 августа 2026 (потребление токенов на российских платформах)
- “Global is Good, Local is Bad?”: Understanding Brand Bias in LLMs, Kamruzzaman и др., arXiv 2406.13997, 2024
- Who Owns the AI Recommendation? A Multi-Industry Empirical Map of Brand Category Ownership Across LLMs, arXiv 2606.23057, 2026
- Issue 1389: Expert Mode misidentifies itself as V3.2, GitHub, 2 июня 2026 (сообщение пользователя, официально не подтверждено)
- AI Knowledge Cutoff Dates 2026, FixAEO, сентябрь 2026 (агрегатор, для V4 дата отсечения «не опубликована»)