DeepSeek V4 Flash: levný otevřený model míří na programování i AI agenty

Ve stejnou dobu čínská společnost začala nabírat open-source vývojáře do uzavřeného beta testu DeepSeek Harness – frameworku, který má jazykovým modelům umožnit samostatně plánovat úkoly, pracovat s kontextem a používat nástroje .

Co je DeepSeek V4 Flash?

V4 Flash je úspornější varianta rodiny DeepSeek V4, určená především pro rychlé a objemné nasazení: například chat, klasifikaci, extrakci informací, generování kódu nebo provoz AI agentů.

Model využívá architekturu Mixture of Experts (MoE). Celkem obsahuje 284 miliard parametrů, ale při zpracování konkrétního tokenu se aktivuje přibližně 13 miliard. Model tak může čerpat ze široké sady specializovaných „expertů“, aniž by při každém kroku počítal se všemi parametry .

Pokud se započítá také připojený modul DSpark pro spekulativní dekódování, uvádí některé materiály celkem 304 miliard parametrů v repozitáři .

Otevřené váhy a licence MIT

V4 Flash i větší V4 Pro jsou dostupné s otevřenými vahami pod permisivní licencí MIT. Ta obecně umožňuje komerční použití, úpravy i další distribuci bez licenčních poplatků . Váhy lze stáhnout z platforem, jako je Hugging Face, a provozovat je na vlastní infrastruktuře.

To je důležitý rozdíl oproti modelům dostupným výhradně přes uzavřené API. Firmy mohou model integrovat do vlastních produktů, přizpůsobit si ho nebo ho provozovat v privátním prostředí. Otevřená licence ale sama o sobě neznamená, že je lokální provoz levný: plná velikost modelu stále představuje značné nároky na hardware.

Jak model zvládá milionový kontext

Jedním z hlavních technických prvků V4 Flash je hybridní mechanismus pozornosti, který kombinuje dvě metody komprese dlouhého kontextu:

• Compressed Sparse Attention (CSA) komprimuje záznamy klíčů a hodnot v sekvenci v poměru 4:1. Indexer označovaný jako „Lightning Indexer“ následně pro každý dotaz vybírá 512 nejrelevantnějších komprimovaných bloků .
• Heavily Compressed Attention (HCA) používá výraznější kompresi v poměru 128:1. Tato hustá větev zpracovává rozsáhlou historickou část kontextu bez stejného výběru bloků jako CSA .

Vrstvy CSA a HCA se střídají. Od druhé vrstvy používají sudé vrstvy CSA, zatímco od třetí vrstvy se na lichých vrstvách uplatňuje HCA. Součástí architektury je také posuvné okno posledních 128 neupravených tokenů, které pomáhá zachovat informace z bezprostředního okolí .

Praktickým výsledkem je možnost pracovat s kontextem až 1 milionu tokenů – tedy s množstvím textu, které může zahrnovat rozsáhlou dokumentaci, celý softwarový projekt nebo dlouhou historii interakcí.

FP4 a FP8: menší paměťová stopa

V4 Flash používá smíšenou přesnost, aby omezil nároky na paměť a přenos dat:

• váhy MoE expertů jsou uloženy ve formátu FP4,
• parametry pozornosti, normalizace, routeru a sdílených expertů zůstávají v FP8 ,
• k dispozici je také varianta NVFP4 od společnosti NVIDIA s označením nvidia/DeepSeek-V4-Flash-NVFP4 .

Samotné váhy ve formátu FP8 by zabraly přibližně 284 GB. Pro provoz s plným milionovým kontextem uvádějí dostupné odhady konfiguraci čtyř akcelerátorů NVIDIA H200 SXM5 s celkovou kapacitou 564 GB VRAM . To znamená, že model je otevřený, ale jeho plnohodnotný lokální provoz zůstává především záležitostí datových center nebo specializovaných GPU cloudů.

Tři režimy uvažování

Vývojáři mohou pomocí parametru reasoning_effort nastavit, kolik výpočetního úsilí má model věnovat odpovědi. Dostupné jsou tři režimy:

• Non-think – rychlé a intuitivní odpovědi pro rutinní úkoly,
• Think High – důkladnější analýza pro složitější problémy a plánování,
• Think Max – nejvyšší úroveň uvažování s delším a náročnějším zpracováním .

Toto nastavení umožňuje měnit kompromis mezi rychlostí, cenou a hloubkou odpovědi. Pro jednoduché třídění dat tak není nutné používat stejný režim jako pro vícefázové programování nebo práci AI agenta s nástroji.

API patří k nejlevnějším ve své výkonnostní třídě

Oficiální ceny DeepSeek V4 Flash jsou uvedeny za 1 milion tokenů:

• 0,14 dolaru za milion vstupních tokenů při nezachyceném vstupu,
• 0,0028 dolaru za milion vstupních tokenů při zásahu mezipaměti,
• 0,28 dolaru za milion výstupních tokenů .

U opakovaných systémových instrukcí nebo stejných prefixů tak může cena vstupu klesnout o 98 procent . Výstupní tokeny jsou přitom u agentních a programátorských úloh často významnou částí celkových nákladů.

Podle srovnání uváděných v dostupných zdrojích je výstup V4 Flash přibližně 54krát levnější než u Sonnetu 4.6 s cenou 15 dolarů za milion tokenů a 107krát levnější než u GPT-5.5 s cenou 30 dolarů za milion tokenů . Několik analýz proto model označuje za jednu z nejlevnějších API služeb ve frontierové kategorii .

Výkon v programování a práci agentů

Produkční vydání V4-Flash-0731 nepřineslo novou architekturu ani větší model. Podle dostupných informací se zlepšení opírají především o další fázi tréninku po původním vydání .

Oficiální aktualizace uvádí tyto výsledky:

• Terminal Bench 2.1: 82,7,
• NL2Repo: 54,2,
• další agentní benchmarky: 76,7 .

DeepSeek uvádí, že produkční Flash dosahuje na agentních a programátorských testech srovnatelné úrovně jako větší V4 Pro . To narušuje běžné očekávání, že varianta „Flash“ musí být v těchto úlohách výrazně slabší než varianta „Pro“ .

Přesné skóre SWE-bench pro V4-Flash-0731 se v přezkoumávaných zdrojích nepodařilo nezávisle potvrdit. U tohoto benchmarku je proto namístě vyhnout se pevným číslům převzatým z méně ověřených přehledů .

DeepSeek Harness: model jako součást agenta

DeepSeek současně rozšiřuje záběr od samotných jazykových modelů k takzvané agentní infrastruktuře. DeepSeek Harness má fungovat jako prováděcí framework, který běží mimo samotný model a stará se například o:

• správu kontextu,
• volání nástrojů,
• plánování a provádění úkolů,
• koordinaci kroků potřebných k dokončení zadání .

Název Harness se poprvé objevil v aktualizaci k V4-Flash-0731 s poznámkou, že bude vydán později . Dne 1. srpna 2026 začal DeepSeek nabírat open-source vývojáře do uzavřené bety. Zájemci mají doložit zkušenosti s projekty souvisejícími s Agent Harness a poskytnout své GitHub ID i ukázky práce .

Tým Harness měl vzniknout v březnu 2026 po příchodu Cui Tianyi do DeepSeek . Tvrzení o jeho konkrétních předchozích pozicích v TSY Capital a Jane Street se však opírá pouze o jeden blogový zdroj a nebylo nezávisle potvrzeno . Datum veřejného vydání frameworku DeepSeek neoznámil .

Co to znamená pro vývojáře a firmy

V4 Flash cílí na případy, kde je důležitá kombinace nízké ceny, velkého kontextu a vysoké propustnosti. Může jít například o:

• automatizované kontroly a úpravy kódu,
• zpracování rozsáhlých dokumentů,
• klasifikaci a extrakci dat ve velkém měřítku,
• routing požadavků mezi modely,
• dlouhé vícefázové úlohy AI agentů.

Vývojáři si mohou vybrat mezi API a vlastním provozem. API odstraňuje potřebu pořizovat desítky či stovky gigabajtů vah a řešit infrastrukturu, zatímco otevřené váhy dávají firmám větší kontrolu nad daty, nasazením a úpravami modelu.

Širší strategický kontext

Strategie DeepSeek se v dostupných analýzách spojuje s představou, že levné a schopné modely mohou urychlit cestu k obecné umělé inteligenci. Ceny 0,14 a 0,28 dolaru za milion tokenů spolu s licencí MIT představují nejviditelnější praktický projev tohoto přístupu .

DeepSeek přitom soutěží s čínskými společnostmi Alibaba a její řadou Qwen, ByteDance a jejím modelem Doubao, Moonshot AI, MiniMax nebo Z.AI . V4 se podle některých zdrojů od konkurence odlišuje otevřenými vahami, milionovým kontextem a permisivní licencí MIT .

Objevily se také zprávy o přípravách DeepSeek na IPO. Konkrétní termín, upisovatelé ani potvrzené podrobnosti k případnému vstupu na burzu však z dostupných podkladů nevyplývají .

Co zatím není potvrzené

Při interpretaci novinek kolem DeepSeek je dobré oddělit ověřené technické údaje od tvrzení, která se objevují jen v jednotlivých článcích:

• přesné skóre V4-Flash-0731 v testu SWE-bench nebylo v přezkoumávaných zdrojích potvrzeno ,
• nebyly dohledány přímé citace Lianga Wenfenga o strategii AGI,
• podrobnosti o případném IPO, včetně termínu a upisovatelů, zůstávají nepotvrzené ,
• konkrétní předchozí působiště Cui Tianyiho nebyla nezávisle ověřena mimo jediný blogový zdroj .

Jisté je zatím především to, že DeepSeek V4 Flash kombinuje velmi nízkou cenu API, otevřené váhy a infrastrukturu připravenou na dlouhý kontext. Pokud se zároveň podaří dotáhnout Harness do veřejně dostupného nástroje, může DeepSeek soutěžit nejen kvalitou samotného modelu, ale i celým prostředím pro tvorbu AI agentů.