DeepSeek V4 Flash wyniósł modele open-weight powyżej 60 proc. ruchu Vercel AI Gateway

Dlaczego tańsze modele zyskały przewagę

Na rynku modeli AI coraz wyraźniej widać kompromis między możliwościami a kosztem. W Vercel AI Gateway — usłudze, która pozwala korzystać z wielu modeli przez jeden interfejs — modele open-weight odpowiadały we wtorek, 25 sierpnia 2026 roku, za 54 proc. całkowitego wolumenu tokenów. Modele proprietary, czyli zamknięte i kontrolowane przez dostawcę, miały 46 proc. udziału.4

W sobotę poprzedzającą ten pomiar udział modeli open-weight sięgnął rekordowych 62 proc., pozostawiając modelom zamkniętym 38 proc.4

To ważny sygnał dotyczący skali użycia, ale nie przychodów. Dane odnoszą się wyłącznie do liczby tokenów przetworzonych przez bramę Vercel — nie pokazują ani wydatków, ani zysków, ani liczby firm korzystających z poszczególnych modeli.

Udział modeli open-weight przekroczył połowę

Moment pomiaru w sierpniu	Modele open-weight	Modele proprietary
Poprzednia sobota	62 proc.	38 proc.
Wtorek, 25 sierpnia	54 proc.	46 proc.

We wtorek przewaga modeli open-weight wynosiła więc 8 punktów procentowych. W sobotę wzrosła do 24 punktów. Tak szybka zmiana sugeruje, że deweloperzy coraz częściej kierują do tańszych modeli zadania wykonywane masowo, szczególnie gdy nie wymagają one absolutnie najwyższej jakości rozumowania.

DeepSeek V4 Flash był kluczowym impulsem

Bezpośrednim katalizatorem wzrostu był DeepSeek V4 Flash. Vercel poinformował, że AI Gateway domyślnie korzysta już ze zaktualizowanych wag tego modelu. Jego wynik w teście Terminal-Bench wzrósł z 56,9 w kwietniowej wersji zapoznawczej do 82,7 — o 25,8 punktu.19

Aktualizacja nie wymagała zmiany identyfikatora modelu ani kodu aplikacji. Dotychczasowi użytkownicy mogli więc automatycznie otrzymać nowsze wagi bez przebudowy swoich integracji.19

To właśnie odróżniało najnowszą falę popularności V4 Flash od zwykłego wyboru najtańszego rozwiązania. Model poprawił działanie w kodowaniu, korzystaniu z narzędzi i przepływach agentowych, a jednocześnie pozostał pozycjonowany jako wariant efektywnościowy. Vercel wymienia wśród jego funkcji rozumowanie, obsługę narzędzi i niejawne buforowanie. Model ma także okno kontekstowe o długości 1 miliona tokenów.27

Cena nadal ma znaczenie

Przewaga kosztowa była istotnym elementem tej układanki. Według Reutersa DeepSeek V4 Pro wystartował z ceną około dziewięciokrotnie wyższą za tokeny wejściowe i czternastokrotnie wyższą za tokeny wyjściowe niż V4 Flash.17 Pokazuje to różnicę między nastawionym na efektywność modelem Flash a droższą ofertą premium.

Niezależne porównania również wskazują na dużą przewagę cenową V4 Flash, choć wyniki zależą od testu i konfiguracji.25 Dla zespołów uruchamiających tysiące lub miliony podobnych operacji nawet niewielka różnica w cenie pojedynczego tokena może przełożyć się na znaczące koszty całego systemu.

Czy modele proprietary przegrywają?

Dostępne relacje wiążą spadek udziału modeli proprietary ze słabszym popytem biznesowym na droższy model Anthropic Fable 5.4 To wiarygodne wyjaśnienie w przypadku zadań, przy których ważniejsze są przepustowość i koszt jednostkowy niż maksymalne możliwości modelu. Same dane z AI Gateway nie dowodzą jednak, że był to jedyny powód zmiany dla każdego klienta i każdego zapytania.

Fable 5 pozostaje przeznaczony do długich, niejednoznacznych i wieloetapowych zadań, które wcześniej wymagały częstszej kontroli człowieka — tak opisuje go Vercel.3 Sierpniowa zmiana wygląda zatem nie tyle na uniwersalny werdykt, że modele open-weight są lepsze, ile na bardziej świadome kierowanie ruchu:

• tańszy model obsługuje duże partie odpowiednich zadań;
• droższy model proprietary pozostaje do dyspozycji tam, gdzie jego dodatkowe możliwości uzasadniają wyższą cenę.

Więcej tokenów nie znaczy większe wydatki

Najważniejsze zastrzeżenie dotyczy różnicy między użyciem a przychodami. Wcześniejszy raport Vercel pokazywał, że modele open-weight zwiększyły udział do 29 proc. tokenów w AI Gateway, ale odpowiadały za mniej niż 4 proc. wydatków.44

Powód jest prosty: liczba tokenów nie uwzględnia ceny za token wejściowy i wyjściowy. Tańszy model może więc przetwarzać większość ruchu, a jednocześnie generować mniejszą część przychodów dostawców. Modele proprietary mogą zachować nieproporcjonalnie duży udział w wydatkach, nawet jeśli obsługują mniej tokenów.

Co to oznacza dla deweloperów

Dane z Vercel wskazują na rozwój strategii routingu modeli, w której nie wybiera się jednego zwycięzcy dla wszystkich zastosowań:

• Modele efektywnościowe warto stosować na dużą skalę. Generowanie dużej liczby odpowiedzi, pomoc w programowaniu i rutynowe wywołania narzędzi są szczególnie wrażliwe na koszt tokenów.
• Po aktualizacji wag trzeba ponownie testować model. Przypadek DeepSeek V4 Flash pokazuje, że zmiana profilu wydajności może nastąpić bez zmiany identyfikatora modelu i kodu aplikacji.19
• Jakość należy oceniać razem z ekonomią. Lepszy wynik benchmarku nie oznacza, że model będzie najlepszy w każdym środowisku produkcyjnym. Trzeba sprawdzić także dokładność, niezawodność, opóźnienia, prywatność i dostępność dostawcy.
• Należy śledzić zarówno tokeny, jak i wydatki. Lider wolumenu tokenów nie musi być liderem przychodów ani wartości biznesowej.

Szerszy wniosek z sierpniowych danych Vercel jest pragmatyczny: modele open-weight mogą zdobywać dominującą część produkcyjnego ruchu, jeśli łączą wystarczające możliwości z wyraźnie niższą ceną. DeepSeek V4 Flash jest najbardziej widocznym przykładem, ale kierunek zmiany jest szerszy — chodzi o dopasowanie każdego zadania do najtańszego modelu, który wykonuje je wystarczająco dobrze, a nie o natychmiastowe zastąpienie wszystkich modeli proprietary.