DeepSeek V4 Flash: tani model AI z milionem tokenów kontekstu i ambicjami agentowymi

Najważniejsze dane techniczne

V4 Flash jest „wydajnościową” wersją rodziny DeepSeek V4. Model został zaprojektowany z myślą o dużej liczbie zapytań, niskich opóźnieniach i kosztach niższych niż w przypadku największych komercyjnych modeli.

Źródła:

W architekturze MoE wszystkie parametry są dostępne jako pula wyspecjalizowanych ekspertów, ale przy generowaniu konkretnego tokena wykorzystywana jest tylko ich część. Dzięki temu model może mieć bardzo dużą łączną pojemność, nie uruchamiając za każdym razem całej sieci.

Licencja MIT: co to oznacza dla firm i deweloperów?

Zarówno V4 Flash, jak i większy V4 Pro zostały udostępnione z otwartymi wagami na licencji MIT . W praktyce pozwala ona na użytek komercyjny, modyfikowanie modelu, jego dalszą dystrybucję i wdrażanie na własnej infrastrukturze — bez opłat licencyjnych za samo korzystanie z wag.

Modele są dostępne między innymi w serwisie Hugging Face, więc organizacje mogą korzystać z API DeepSeek albo spróbować uruchomić model prywatnie. Trzeba jednak pamiętać, że otwarta licencja nie oznacza niskich wymagań sprzętowych: pełna obsługa bardzo długiego kontekstu nadal wymaga znacznych zasobów GPU.

Jak DeepSeek osiąga kontekst miliona tokenów?

Tak długie okno kontekstowe jest możliwe dzięki hybrydowej architekturze uwagi, łączącej dwa mechanizmy: Compressed Sparse Attention (CSA) i Heavily Compressed Attention (HCA).

• CSA kompresuje wpisy klucza i wartości (KV) czterokrotnie wzdłuż sekwencji. Następnie działający w FP4 moduł „Lightning Indexer” wybiera dla każdego zapytania 512 najważniejszych skompresowanych bloków, ograniczając liczbę obliczeń .
• HCA stosuje znacznie silniejszą kompresję — w proporcji 128:1. Ten gęsty, pozbawiony selekcji rzadkiej mechanizm obsługuje dużą część odległego kontekstu .

Warstwy CSA i HCA są przeplatane. Warstwy parzyste od drugiej wykorzystują kompresję 4:1, a nieparzyste od trzeciej — kompresję 128:1. Jednocześnie model zachowuje przesuwane okno obejmujące ostatnie 128 nieprzetworzonych tokenów, aby nie tracić najświeższych informacji .

FP4 i FP8 zmniejszają wymagania pamięciowe

Checkpoint V4 Flash wykorzystuje mieszaną kwantyzację:

• wagi ekspertów MoE są zapisane w formacie FP4, przy czym dwie wartości są pakowane w jednym bajcie int8 ;
• parametry uwagi, normalizacji, routera i współdzielonych ekspertów pozostają w FP8 ;
• NVIDIA udostępnia również wariant NVFP4: nvidia/DeepSeek-V4-Flash-NVFP4 .

Przy FP8 same wagi modelu zajmowałyby około 284 GB. Według dostępnych zaleceń uruchomienie pełnego kontekstu miliona tokenów wymaga konfiguracji z czterema układami NVIDIA H200 SXM5 i łącznie 564 GB pamięci VRAM . To pokazuje, że choć model jest „Flash” pod względem aktywnych parametrów i kosztu, nie jest małym modelem do uruchomienia na typowym komputerze.

Trzy poziomy wysiłku rozumowania

V4 Flash udostępnia parametr reasoning_effort, za pomocą którego deweloper może wybrać kompromis między szybkością odpowiedzi a głębokością analizy:

• Non-think — szybkie, bezpośrednie odpowiedzi do rutynowych zadań i zastosowań o niskim ryzyku ;
• Think High — bardziej metodyczne rozumowanie przy złożonych problemach, planowaniu i analizie kodu ;
• Think Max — maksymalny poziom wysiłku rozumowania, z wykorzystaniem dedykowanego promptu systemowego i ustawień treningowych ograniczających kary za długość odpowiedzi .

Deweloperzy mogą więc dobrać tryb do konkretnego zadania: od klasyfikacji i ekstrakcji danych po generowanie kodu i planowanie wieloetapowych działań .

API kosztuje ułamek cen konkurencji

Cena DeepSeek V4 Flash wynosi:

• 0,14 dol. za 1 mln tokenów wejściowych przy braku trafienia w pamięć podręczną;
• 0,0028 dol. za 1 mln tokenów wejściowych przy trafieniu w cache;
• 0,28 dol. za 1 mln tokenów wyjściowych .

W przypadku powtarzających się promptów systemowych lub wspólnych prefiksów koszt wejścia spada więc o 98 proc. . Według porównań publikowanych przez serwisy branżowe generowanie tekstu w V4 Flash jest około 54 razy tańsze niż w Sonnet 4.6 i 107 razy tańsze niż w GPT-5.5 . Część źródeł określa go dlatego mianem najtańszego API klasy frontier .

Wyniki w zadaniach programistycznych i agentowych

Wersja produkcyjna V4-Flash-0731 nie otrzymała nowej architektury. Według informacji DeepSeek najważniejsze poprawki wynikają z ponownego treningu po fazie bazowej, czyli re-post-trainingu . W oficjalnym dzienniku aktualizacji podano między innymi następujące wyniki:

• Terminal Bench 2.1: 82,7;
• NL2Repo: 54,2;
• inne benchmarki agentowe: 76,7 .

DeepSeek twierdzi, że nowa wersja osiąga poziom porównywalny z większym V4 Pro w benchmarkach dotyczących agentów i programowania . Może to osłabiać tradycyjny podział, w którym wariant „Pro” oferuje wyraźnie wyższą jakość, a „Flash” nadrabia głównie szybkością i ceną .

Dokładne wyniki SWE-bench dla V4-Flash-0731 nie zostały jednak potwierdzone w przeanalizowanych materiałach .

DeepSeek Harness ma być warstwą wykonawczą dla agentów

Drugim ważnym elementem najnowszych działań DeepSeek jest DeepSeek Harness. „Harness” można tu rozumieć jako środowisko wykonawcze lub warstwę orkiestracji dla agenta. Taki system działa obok modelu językowego: zarządza kontekstem, wywołuje narzędzia i pomaga doprowadzić zadanie do końca .

Nazwa Harness pojawiła się w dzienniku zmian V4-Flash-0731 z dopiskiem „wkrótce do wydania” . 1 sierpnia 2026 r. DeepSeek zaczął zapraszać deweloperów projektów open source do zamkniętych testów frameworka . Kandydaci powinni mieć doświadczenie z projektami związanymi z Agent Harness oraz przesłać swój identyfikator GitHub i przykłady pracy .

Zespół Harness powstał w marcu 2026 r., gdy Cui Tianyi dołączył do DeepSeek, aby zbudować go od podstaw . Nie ogłoszono jednak daty publicznego wydania frameworka .

Strategia: tani, otwarty i wystarczająco dobry

Podejście DeepSeek, kojarzone z prezesem Liangiem Wenfengiem, opiera się na tworzeniu modeli, które są jednocześnie tanie i zdolne — co firma przedstawia jako drogę do sztucznej inteligencji ogólnej (AGI) . Ceny API na poziomie 0,14/0,28 dol. za milion tokenów oraz otwarte wagi na licencji MIT są najbardziej namacalnym wyrazem tej strategii .

DeepSeek konkuruje w Chinach między innymi z Alibabą i jej rodziną Qwen, ByteDance’em i modelem Doubao, Moonshot AI, MiniMax oraz Z.AI . Według przywoływanych analiz rodzina V4 wyróżnia się tym, że jako model open weight w swojej klasie jest dostępna na liberalnej licencji MIT .

Pojawiają się również doniesienia o przygotowaniach DeepSeek do debiutu giełdowego, ale konkretna data, wybrani subemitenci i szczegóły ewentualnej oferty nie zostały potwierdzone .

Co nadal pozostaje niepotwierdzone?

Dostępne materiały pozwalają dość dokładnie opisać architekturę, ceny i kierunek rozwoju produktu, ale nie wszystkie informacje mają równie mocne potwierdzenie:

• dokładne wyniki V4-Flash-0731 w SWE-bench nie zostały odnalezione w analizowanych publikacjach ;
• nie udało się potwierdzić bezpośrednich wypowiedzi Lianga Wenfenga o strategii AGI;
• brak potwierdzonego harmonogramu IPO i informacji o jego organizatorach ;
• wcześniejsze stanowiska Cui Tianyiego w TSY Capital i Jane Street pojawiają się w pojedynczym wpisie blogowym, ale nie zostały niezależnie potwierdzone w innych źródłach .

Najważniejszy wniosek jest jednak jasny: DeepSeek nie ogranicza się już do udostępniania taniego modelu. V4 Flash łączy otwarte wagi, bardzo długi kontekst, sterowanie poziomem rozumowania i niskie ceny API, a Harness ma dołożyć do tego warstwę pozwalającą agentom samodzielnie korzystać z narzędzi i wykonywać zadania.