DeepSeek V4: levnější dlouhý kontext a cesta k čínskému AI ekosystému

DeepSeek V4 je nová rodina modelů čínské společnosti DeepSeek, vydaná 24. dubna 2026 jako preview. Nabízí dvě odlišné varianty: velký a výkonný V4-Pro a menší, rychlejší V4-Flash. Oba modely mají otevřené váhy a jsou dostupné nejen přes API, ale také ke stažení a vlastnímu provozu.

V4 pravděpodobně nezpůsobí stejný globální otřes jako model DeepSeek R1. Trh už dnes očekává, že čínské laboratoře dokážou nabídnout schopné modely za nízkou cenu. Důležitost V4 proto spočívá spíše v praktickém nasazení: kombinuje konkurenceschopné schopnosti, práci s velmi dlouhým kontextem a snahu provozovat AI na čínském hardwaru. 1415

Co DeepSeek vydal

Preview řady tvoří dva modely typu mixture-of-experts (MoE). Tento přístup znamená, že při zpracování každého tokenu se aktivuje jen část celkových parametrů:

• V4-Pro má celkem 1,6 bilionu parametrů, z nichž se pro jeden token aktivuje 49 miliard.
• V4-Flash má celkem 284 miliard parametrů a aktivuje 13 miliard parametrů na token.
• Oba modely podporují kontextové okno o velikosti 1 milionu tokenů.
• DeepSeek zpřístupnil jejich váhy a zároveň nabízí přístup prostřednictvím API. 1410

Pro je vlajkový model určený pro náročnější uvažování, programování a práci agentů, kteří používají nástroje a provádějí více kroků. Flash má díky menšímu počtu aktivních parametrů mířit na nižší odezvu a provozní náklady, což je důležité hlavně u aplikací s velkým množstvím požadavků. 1415

Výkon ano, ale s nutnou rezervou

DeepSeek uvádí, že V4-Pro výkonem konkuruje předním uzavřeným modelům. Zdůrazňuje výsledky v oblasti uvažování, znalostí, matematiky, programování a agentních úloh. 1415

Tato čísla je ale třeba číst jako tvrzení výrobce k preview verzi, nikoli jako definitivní verdikt. Výsledky benchmarků nemusí přesně odrážet kvalitu při práci s reálnými kódovými základnami, firemními dokumenty nebo dlouhodobě běžícími AI agenty. Teprve širší nezávislé testování ukáže, jak si V4 vede v každodenním provozu a zda skutečně dorovnává nejlepší uzavřené systémy.

Milion tokenů, který má být použitelný

Nejzajímavější technickou vlastností V4 není jen samotné číslo „1 milion tokenů“. Takto dlouhý kontext je užitečný pouze tehdy, pokud jeho zpracování není příliš pomalé a drahé.

Modely používají hybridní mechanismus selektivní pozornosti. Novější části kontextu zpracovávají podrobněji, zatímco starší informace komprimují do úspornější paměťové reprezentace. Podle údajů DeepSeek a Hugging Face potřebuje při milionu tokenů V4-Pro přibližně 27 % výpočetních operací na token ve srovnání s modelem V3.2 a 10 % jeho paměti KV cache. U V4-Flash jde o 10 % výpočetních operací a 7 % paměti KV cache. 16

V praxi by to mohlo zlevnit práci s rozsáhlými repozitáři, dlouhými výzkumnými materiály nebo agenty, kteří si musí po dlouhou dobu udržovat souvislý kontext. Neznamená to však, že model automaticky dokonale „rozumí“ každému slovu v milionu tokenů. Výhoda spočívá především v tom, že takto dlouhý vstup lze zpracovávat s výrazně nižšími nároky na výpočetní výkon a paměť.

Pro vývojáře a AI agenty

DeepSeek V4 cílí také na programování a takzvané agentní úlohy. Model může být zapojen do prostředí pro vývojářské agenty, například Claude Code, OpenClaw nebo CodeBuddy. 14

Kompatibilita s těmito nástroji ale sama o sobě neznamená, že V4 dosahuje stejné kvality jako Claude nebo jiné přední uzavřené modely. Znamená hlavně to, že vývojáři získávají levnější alternativu dostupnou přes API nebo vhodnou pro vlastní provoz. Otevřené váhy navíc umožňují větší kontrolu nad nasazením, úpravami a datovou infrastrukturou než u čistě uzavřené cloudové služby.

Proč se mluví o Huawei a Nvidii

V4 je prvním velkým modelem DeepSeeku přizpůsobeným pro hardware Huawei Ascend, místo aby byl primárně navázán na grafické procesory Nvidia. To je významný posun v době amerických omezení vývozu pokročilých čipů do Číny. Model tak pomáhá ověřovat cestu, na níž se propojuje domácí model, domácí čip a domácí softwarový ekosystém. 23

Tento krok zapadá do širší čínské snahy o technologickou soběstačnost. Pokud lze schopné modely efektivně trénovat a provozovat na čipech dostupných v Číně, exportní omezení mají menší dopad na další rozvoj místního AI sektoru.

To ale neznamená, že Huawei nahradil Nvidii. Výhoda Nvidie nespočívá jen v samotných čipech, ale také v propojení serverů, softwarové platformě CUDA, optimalizovaných knihovnách, nástrojích pro vývojáře, jejich zkušenostech a široké dostupnosti v globálních cloudových službách.

Veřejně dostupné informace navíc neříkají, jak velká část kompletního trénování V4 případně proběhla na domácích čipech, na rozdíl od optimalizace modelu nebo podpory při inferenci. Tvrzení, že byl celý model natrénován výhradně na čínském hardwaru, proto nelze považovat za ověřené. 23

Může Ascend 950 vytvořit paralelní infrastrukturu?

Agentura Reuters po uvedení V4 informovala o silné poptávce po čipech Huawei Ascend 950. Pokud systémy Huawei ve formátu supernode nabídnou použitelný výkon, dostatek softwarové podpory, stabilní dodávky a nižší celkové náklady, mohou dále posílit efektivitu modelů podobných V4. 1

Výsledkem by mohl být životaschopný paralelní čínský ekosystém AI infrastruktury. To je ovšem strategický scénář, nikoli důkaz, že Huawei už nyní nahrazuje globální infrastrukturu postavenou na Nvidii.

V čem je V4 důležitější než další rekord v benchmarku

DeepSeek R1 změnil pohled na čínský AI vývoj tím, že ukázal možnost vytvořit silný model pro uvažování s relativně nízkými náklady. V4 může mít hlubší dopad jiným způsobem: jako praktická platforma pro otevřené modely, dlouhý kontext, programování a AI agenty.

Jeho největší význam tak nemusí spočívat v jediném šokujícím výsledku. Jde o pokus spojit dostupné modelové váhy, nízké náklady na inferenci a domácí čínský hardware do jednoho řetězce. Pokud se tento přístup osvědčí v reálném provozu, může pomoci vybudovat čínskou alternativu k současnému AI stacku — aniž by to zatím znamenalo konec dominance Nvidie.