המודל החדש של DeepSeek עשוי לשנות את כלכלת ה-AI multimodal

ההשקה של DeepSeek V4-Flash-Vision-Exp עשויה להיות חשובה יותר כאיתות תמחורי מאשר כהוכחה לכך שהחברה השיגה יתרון טכנולוגי יציב. זהו מודל ניסיוני שמוסיף הבנת תמונות לארכיטקטורת V4-Flash. לפי DeepSeek, הוא שומר על יכולות החשיבה, הסוכנים והידע הכללי של מודל הטקסט, וביצועיו במשימות של סוכנים מולטימודליים מתקרבים לאלה של Claude Opus 4.8. התמונות מחויבות לפי תעריפי V4-Flash, ועד 384 טוקנים לכל תמונה. 64

אם הטענות יאושרו בשימוש נרחב, השילוב הזה עשוי להפוך יישומי AI חזותיים לזולים בהרבה. עם זאת, התוצאה העסקית עדיין אינה ברורה: ההשוואות המרכזיות מבוססות בעיקר על נתונים שפרסמה DeepSeek או על דיווחים הקשורים אליהם, ובסביבת ייצור אמיתית אמינות, זמינות, זמן תגובה ואימוץ ארגוני חשובים יותר מציון יחיד ביום ההשקה.

מדוע המחיר חשוב יותר מהשם של המודל

יכולות ראייה נחשבו עד היום ליכולת פרימיום, משום שיישומים שמנתחים תמונות רבות עלולים לדרוש עיבוד וקיבולת נוספים. DeepSeek בוחרת בגישה אחרת: היא משלבת קלט חזותי בשכבת Flash הזולה, במקום ליצור תמחור פרימיום נפרד למודל ראייה.

לפי התמחור המדווח, V4-Flash-Vision-Exp עולה 0.22 דולר למיליון טוקני קלט שלא נשמרו במטמון ו-0.66 דולר למיליון טוקני פלט בשעות שפל. בשעות עומס המחירים עולים ל-0.44 דולר ו-1.32 דולר בהתאמה, בעוד שקלט שנמצא במטמון מתומחר בזול יותר. 51

המספרים האלה חשובים במיוחד ליישומים שמנתחים שוב ושוב צילומי מסך, טפסים, לוחות מחוונים, קבלות, תרשימים טכניים או ממשקי דפדפן. אם המודל מספיק טוב למשימות שגרתיות, מפתחים יכולים להריץ יותר בדיקות חזותיות, ניסיונות חוזרים ושלבי פעולה של סוכן — בלי להגדיל את התקציב באותו קצב.

אבל מגבלת 384 הטוקנים היא גם הסתייגות מהותית. היא מסייעת לשמור על עלות נמוכה, אך עלולה להגביל משימות שתלויות בפרטים עדינים, בטקסט קטן, במסמכים צפופים או ביחסים מרחביים מדויקים. תמונה זולה לעיבוד אינה בהכרח תמונה שהמודל מבין באיכות גבוהה בכל תרחיש. 53

מה DeepSeek טוענת — ומה המדדים עדיין לא מוכיחים

DeepSeek טוענת שהמודל החדש מהווה קפיצה משמעותית ביחס ל-V4-Flash הטקסטואלי במשימות של סוכנים מולטימודליים, ומתקרב ל-Opus 4.8. ההשוואות שפורסמו מציגות תמונה מעורבת, ולא ניצחון כולל וברור: ב-ApexBench Pass@1 קיבל V4-Flash-Vision-Exp ציון 36.5 לעומת 39.4 ל-Opus 4.8; לעומת זאת, ב-Agents’ Last Exam הוא קיבל 27.3 לעומת 25.7, וב-ZeroBench קיבל 35.0 לעומת 34.0. 58

אלה תוצאות מעניינות, אך קרבה במדד אינה שקולה לשוויון בביצועים במוצר אמיתי. לפני אימוץ, קונים ומפתחים יצטרכו לבדוק בין היתר:

• שיעור השלמת משימות בהרצות חוזרות;
• דיוק חזותי במסמכים צפופים ובטקסט קטן;
• בחירת כלים והתאוששות משגיאות;
• זמן תגובה, זמינות ומגבלות קצב;
• ביצועים בתמונות עמומות או מטעות בכוונה;
• אופן הטיפול בנתונים, זמינות אזורית ובקרות לארגונים.

השלב החשוב הבא הוא בדיקה עצמאית וניתנת לשחזור. עד שזה יקרה, המסקנה הזהירה ביותר היא ש-DeepSeek הציגה אתגר אמין וזול — לא שהיא כבר עקפה באופן סופי את מודלי החזית המובילים.

לחץ על Anthropic, OpenAI ו-Google

אם המודל יוכיח את עצמו מחוץ להערכות של DeepSeek, הוא עשוי להחליש את היכולת של Anthropic, OpenAI ו-Google לגבות פרמיה גדולה רק על חשיבה כללית או הבנת תמונות. הלחץ יהיה חזק במיוחד בקטגוריות עתירות נפח ורגישות למחיר, שבהן המודל צריך להיות טוב מספיק למשימות שגרתיות — ולא בהכרח הטוב ביותר בכל מבחן.

לספקיות הפרימיום עדיין יש דרכים להגן על הכלכלה שלהן: אמינות בתהליכים ארוכים, מערכות כלים רחבות, אבטחה, ממשל נתונים, תמיכה, אינטגרציה לענן והפצה דרך מוצרים קיימים. מודל זול יותר או חזק מעט יותר במדד ממוקד עדיין עלול להיכשל בפריסה ארגונית אם הוא דורש יותר ניטור, מייצר יותר שגיאות או אינו מספק את הבקרות הנדרשות.

לכן השוק עשוי להתפצל לשתי שכבות:

• מודלים מולטימודליים זולים לעיבוד מסמכים בכמויות גדולות, פרשנות של צילומי מסך, תהליכי שירות לקוחות ומשימות סוכן שגרתיות.
• מודלי חזית פרימיום לחשיבה מורכבת, תכנות מתקדם, דיוק קריטי, פריסות רגישות לרגולציה ולמצבים שבהם כישלון יחיד עולה יותר מהחיסכון בקריאות API.

האיום על ספקיות הפרימיום אינו בהכרח ירידה בביקוש. הוא עשוי להיות ירידה בנכונות לשלם על יכולת שאינה מובחנת. לקוחות יכולים לעבוד עם כמה מודלים במקביל: להפנות משימות חזותיות פשוטות למערכות זולות, ולשמור את המודלים היקרים למקרים שבהם איכות ואמינות הן הדבר החשוב ביותר.

גם התמחור של DeepSeek עצמה מסבך את סיפור המרוץ לאפס

DeepSeek אינה מורידה מחירים באופן אחיד בכל קו המוצרים שלה. באוגוסט היא הציגה תמחור שיא ושפל עבור V4-Pro ו-V4-Flash, עם עליות מדווחות של 50% עד 1,100%, בהתאם למודל, לסוג הטוקן ולשעת השימוש. 17

המהלך מצביע על חברה שמנהלת קיבולת וביקוש, ולא רק מנסה לנצח את המתחרות באמצעות המחיר הנמוך ביותר. ייתכן ש-Flash Vision ישמש שער כניסה זול לאימוץ, בעוד ש-DeepSeek תגבה יותר על חשיבה מתקדמת, קצב עיבוד גבוה או שימוש בשעות שבהן הקיבולת מוגבלת.

מבחינת מפתחים, המדד החשוב הוא העלות האפקטיבית הכוללת — לא המחיר הנמוך ביותר שמופיע בכותרת. יש להביא בחשבון שימוש בשעות עומס, טוקני פלט, שיעור פגיעות במטמון, ניסיונות חוזרים, זמן תגובה וכשלים. מודל זול שדורש כמה ניסיונות נוספים אינו בהכרח זול יותר בפועל.

מה המשמעות עבור משקיעי Anthropic

ההשקה מגיעה בתקופה שבה Anthropic מציגה ביקוש מדווח חזק. לפי Reuters, קצב ההכנסות השנתי של החברה עבר 65 מיליארד דולר בסוף יולי, לעומת 47 מיליארד דולר במאי. קצב הכנסות שנתי הוא חישוב שמח extrapolates ביצועים עדכניים לשנה שלמה; הוא אינו זהה להכנסות שנתיות שכבר נרשמו ואינו מבטיח רווחיות עתידית. 33

ההבחנה הזו חשובה. המודל של DeepSeek אינו מוחק את איתות הצמיחה הנוכחי של Anthropic, אך הוא עלול לערער את ההנחות לגבי כוח התמחור העתידי שלה והתשואה על השקעות בתשתית. אם לקוחות יעבירו משימות שגרתיות למודלים מולטימודליים זולים יותר, Anthropic עשויה להידרש להציע הנחות גדולות יותר או להשקיע יותר כדי לשמור על נתח השוק.

החשיפה של Amazon ישירה במיוחד. החברה הסכימה להשקיע 5 מיליארד דולר ב-Anthropic באופן מיידי, עם אפשרות להשקעה נוספת של עד 20 מיליארד דולר בכפוף לאבני דרך מסחריות. במקביל, Anthropic התחייבה להוציא יותר מ-100 מיליארד דולר על טכנולוגיות הענן של Amazon במשך עשר שנים. 1

ביקוש חזק ל-Claude עשוי להועיל ל-Amazon הן באמצעות צריכת הענן והן באמצעות שווי ההשקעה שלה ב-Anthropic. שינוי מתמשך לכיוון מתחרות זולות יותר ייצור את הסיכון ההפוך: צמיחה איטית יותר בשימוש או ירידה בכוח התמחור של Anthropic עלולות להקשות על הצדקת התחייבות התשתית הגדולה.

ל-Alphabet חשיפה מסוג אחר. היא משקיעה ב-Anthropic, אך מתחרה בה ישירות באמצעות Gemini ו-Google Cloud. 6 מודלים מולטימודליים זולים ואמינים עלולים להפעיל לחץ על המחירים בכל השוק, כולל על שירותי ה-API וה-AI בענן של Google. כל תועלת עקיפה מעלייה בשווי Anthropic תצטרך להישקל מול הלחץ התחרותי על המוצרים של Alphabet עצמה.

המדדים שיכריעו את הוויכוח

הראיות הבאות יהיו חשובות יותר מהודעת ההשקה. מפתחים ומשקיעים צריכים לעקוב אחר:

1. הערכות מולטימודליות עצמאיות שיבחנו חשיבה חזותית, השלמת משימות של סוכנים, שימוש בכלים והתאוששות משגיאות.
2. אימוץ API מתמשך, כולל תעבורה, שימוש חוזר, מעבר של מפתחים, זמינות ופריסות ארגוניות.
3. עלות עבודה אפקטיבית, לרבות תמחור בשעות עומס, טוקני פלט, מטמון, ניסיונות חוזרים וכשלים תפעוליים.
4. תגובות המתחרות, כולל שינויי מחיר, הנחות לארגונים, מוצרי ניתוב והתחייבויות שימוש מצד Anthropic, OpenAI ו-Google.
5. איכות הצמיחה של Anthropic, ובמיוחד שימור הכנסות, המחיר בפועל, שיעורי הרווח וצריכת AWS ביחס להתחייבויות התשתית שלה.

השורה התחתונה

V4-Flash-Vision-Exp של DeepSeek עשוי להאיץ את המעבר ממרוץ יכולות למרוץ של יחס ביצועים-מחיר. ייתכן שהמאפיין החשוב ביותר שלו אינו העובדה שהוא משתווה או עולה על Opus 4.8 בחלק מהמדדים, אלא הטענה שאפשר להציע ביצועים שימושיים של סוכן מולטימודלי בתוך שכבת Flash זולה.

המהלך יהפוך למשבש מבחינה פיננסית רק אם המודל יהיה אמין מספיק לשימוש ממושך בסביבת ייצור. בינתיים, מדובר באזהרה אמינה לספקיות AI פרימיום ולמשקיעים שלהן: את מחירי מודלי החזית, נאמנות הלקוחות וההנחות לגבי התשואה על תשתיות יהיה צורך להגן באמצעות יתרונות מוצר מדידים — ולא באמצעות מוניטין של מדד יחיד.