DeepSeek zdražuje API až o stovky procent a vlajkový model V4 Flash propadá v agentních testech

Dřívější jednotné sazby vs. nové špičkové a mimošpičkové sazby

Zdroj: oficiální ceník DeepSeek a nezávislé zdroje .

Nejextrémnější nárůst zaznamenal V4-Pro cache-hit vstup, který se z původních 0,003625 $ vyšplhal na 0,06 $ ve špičce – to je nárůst o zhruba 1 555 % . DeepSeek uvedl, že změna má za cíl efektivněji alokovat zdroje a motivovat uživatele k plánování méně naléhavých úloh mimo špičku .

Agentní benchmark Composio: V4 Flash v reálném světě

V srpnu 2026 nezávislá testovací firma Composio otestovala DeepSeek V4 Flash napříč osmi různými orchestračními nástroji (harness) na 30 záměrně obtížných, vícekrokových úlohách zahrnujících živé nástroje včetně Gmailu, GitHubu, Slacku a Google Sheets . Každá úloha měla časový limit 900 sekund a všechny nástroje používaly stejné hostované nástroje Composio MCP .

Celkový výsledek: z 240 běhů jich uspělo jen 129 – celková úspěšnost 53,8 %. Pouze 6 z 30 úloh bylo úspěšně dokončeno všemi nástroji .

Úspěšnost podle nástrojů (harness)

Zdroj: zveřejněné výsledky Composio .

Pi Agent vedl jak v úspěšnosti (20/30), tak v nákladové efektivitě (0,028 $/úloha) . Jiný nástroj vyhrál v každé metrice – úspěšnosti, nákladech a rychlosti – což znamená, že volba orchestrace je stejně důležitá jako samotná schopnost modelu . Dvacetibodový rozdíl mezi nejlepším a nejhorším nástrojem ukazuje na extrémní citlivost na agentní rámec, konfiguraci nástrojů, ukládání do mezipaměti, opakování a poskytovatele infrastruktury .

Důsledky pro firemní nasazení

Kombinace vyšších cen a nevyrovnaných výsledků v reálném světě vedla analytiky k přehodnocení vhodnosti DeepSeek V4 pro podniky.

Orchestrace, nikoli surový výkon modelu, je úzkým hrdlem

Server VentureBeat poznamenal, že stejný model V4 Flash přinesl podstatně odlišné výsledky v závislosti na nástroji, konfiguraci nástrojů a mezipaměti – což naznačuje, že firmy musí investovat do vyspělosti orchestrace stejně jako do výběru modelu . Composio ve svém komentáři poukázal na to, že samotná volba nástroje změnila úspěšnost o tři úlohy, náklady téměř 3× a rychlost 2,2× .

Čistý nárůst cen tlačí na jednotkovou ekonomiku

I mimo špičku je každý typ tokenu dražší než dříve. Analytici tvrdí, že to mění kalkulaci návratnosti investic pro objemné agentní úlohy, zejména pro zákaznickou podporu a pipeline pro generování kódu, které dříve spoléhaly na agresivně nízké ceny DeepSeek .

Propast mezi benchmarky a realitou zůstává obrovská

Oficiální agentní benchmarky DeepSeek (82,7 na Terminal-Bench 2.1, 70,3 na Toolathlon-Verified) vypadají skvěle, ale 53,8% úspěšnost v reálném světě je připomínkou, že výsledky v žebříčcích nezaručují spolehlivost v produkčním prostředí s živými API, rate limity a stavovými úlohami .

Suverenita dat zůstává překážkou

API provoz je směrován přes servery v Číně, což vytváří problémy s dodržováním předpisů pro regulované podniky. Analytici doporučují pečlivé architektonické plánování pro správu dat, auditní stopy a oprávnění nástrojů . Pro regulovaná odvětví zůstává jedinou životaschopnou cestou do produkce vlastní hostování otevřených vah .

Selektivní nasazení podle pracovní zátěže je novým postupem

Rámec společnosti BayTech Consulting pro podniky doporučuje DeepSeek V4 pro necitlivé shrnutí dokumentů, generování kódu z otevřených repozitářů a tvorbu obsahu ve velkém objemu – ale vyžaduje důkladné vyhodnocení pro každou jednotlivou pracovní zátěž před nasazením do produkce .