Trzy premiery AI zmieniają układ sił w Chinach. Wszystkie wydarzyły się w 2026 roku

W oficjalnym API cena ustaliła się na 0,14 dolara za milion tokenów wejściowych i 0,28 dolara za milion tokenów wyjściowych. W przypadku trafień w pamięć podręczną koszt wejścia może spaść do 0,028 dolara za milion tokenów . To stawia V4-Flash w gronie najtańszych API dla zaawansowanych modeli rozumujących; dla porównania, Gemini 2.5 Flash wyceniano na 0,30 dolara za milion tokenów wejściowych i 2,50 dolara za milion tokenów wyjściowych .

31 lipca udostępniono ponownie wytrenowaną wersję „0731”, określaną jako oficjalna publiczna beta API. Według dostępnych raportów model przewyższa większy V4-Pro-Preview w testach zadań agentowych, uzyskując 82,7 punktu w Terminal Bench 2.1 i 76,7 punktu w Cybergym . Użytkownik może wybrać standardowy poziom rozumowania, wysoki lub maksymalny, a także tryb bez „myślenia”, przydatny w szybkich potokach przetwarzania .

MiniMax H3: wideo 2K z dźwiękiem stereo

MiniMax uruchomił model H3 31 lipca 2026 roku. Firma pozycjonuje go jako ogólny model generatywny, który potrafi wspólnie przetwarzać tekst, obrazy, wideo i dźwięk . H3 tworzy materiały o długości do 15 sekund, w rozdzielczości 2K — 2560 × 1440 pikseli — i przy 24 klatkach na sekundę. Dźwięk stereo powstaje w tym samym przebiegu inferencji co obraz, bez konieczności korzystania z osobnego generatora audio .

Model może przyjąć jednocześnie do 9 obrazów, 3 klipów wideo i 3 ścieżek audio jako materiały referencyjne . MiniMax zapowiedział udostępnienie wag H3 w ciągu kilku dni, z zastrzeżeniem zgodności z obowiązującymi przepisami . W praktyce oznacza to próbę przeniesienia modelu otwartych wag także do generowania wideo — obszaru, w którym wiele konkurencyjnych rozwiązań nadal pozostaje zamkniętych.

Firma twierdzi ponadto, że koszt każdej sekundy generowania w 2K jest niższy niż jedna trzecia kosztu głównych konkurentów . To deklaracja producenta, a nie niezależny pomiar, ale wpisuje się w szerszą strategię rywalizacji cenowej chińskich firm AI.

ByteDance Seedance 2.5: 30 sekund w jednym przebiegu

ByteDance zapowiedział Seedance 2.5 podczas konferencji Volcano Engine FORCE 23 czerwca 2026 roku . Publiczny dostęp do API otwarto 16 lipca .

Najważniejszą zmianą jest możliwość wygenerowania do 30 sekund obrazu i dźwięku w jednym ciągłym przebiegu. Model nie musi więc łączyć kilku krótszych segmentów, aby uzyskać pełny klip . Według opisu produktu rozdzielczość sięga 4K, czyli 3840 × 2160 pikseli, przy 10-bitowej głębi koloru .

Seedance 2.5 obsługuje do 50 multimodalnych materiałów referencyjnych: między innymi obrazów, klipów audio, modeli 3D, plansz stylu i wskazówek dotyczących sceny. To wyraźny wzrost względem poprzedniej wersji, która przyjmowała do 12 takich elementów .

ByteDance dodał także edycję na poziomie regionu. Użytkownik może zmienić konkretny obszar wygenerowanego klipu bez konieczności tworzenia całej sekwencji od początku . Firma wskazuje zastosowania między innymi w filmie, reklamie, edukacji, produkcji przemysłowej i symulacjach dla pojazdów autonomicznych .

Co łączy te trzy premiery?

Presja cenowa

DeepSeek V4-Flash został wyceniony znacznie niżej niż wiele zachodnich modeli rozumujących . MiniMax deklaruje z kolei, że H3 kosztuje mniej niż jedną trzecią ceny głównych konkurentów w przeliczeniu na sekundę materiału 2K . Jeśli podobna polityka utrzyma się na większą skalę, może obniżyć próg wejścia dla firm budujących aplikacje AI.

Coraz większe znaczenie otwartych wag

DeepSeek V4-Flash udostępniono na licencji MIT, a MiniMax zapowiedział publikację wag H3 . Nie oznacza to, że oba modele są już dostępne na identycznych zasadach ani że wagi H3 były dostępne w dniu premiery. Pokazuje jednak kierunek odmienny od strategii wielu zamkniętych generatorów wideo: deweloperzy mają otrzymać możliwość pobierania i dostosowywania podstawowego systemu.

Dłuższy kontekst i integracja różnych formatów

V4-Flash oferuje milion tokenów kontekstu . Seedance 2.5 przyjmuje do 50 materiałów referencyjnych , natomiast H3 łączy tekst, obrazy, wideo i audio w jednym przepływie generowania . Dla twórców i zespołów produktowych oznacza to mniej etapów pośrednich oraz większą kontrolę nad wynikiem.

Sprostowanie i ograniczenia dostępnych danych

Materiały źródłowe nie potwierdzają daty 26 grudnia 2024 roku. Nie potwierdzają także konkretnych twierdzeń, że chińskie modele otwarte odpowiadały za 41 proc. globalnych pobrań ani że w tym samym okresie pojawiły się określone zarzuty amerykańskich urzędników dotyczące destylacji modeli. Takie informacje mogą odnosić się do wcześniejszych wydarzeń związanych z DeepSeek-V3 lub Qwenem, ale nie da się ich zweryfikować na podstawie dostarczonych źródeł.

Skorygowana oś czasu

Najtrafniej opisywać te wydarzenia nie jako jedną premierę z grudnia 2024 roku, lecz jako falę rozwoju chińskiego AI w połowie 2026 roku. Jej wspólnymi elementami są agresywne ceny, coraz szersza multimodalność i przesuwanie granicy między zamkniętymi usługami a modelami, których wagi mogą zostać udostępnione społeczności.