DeepSeek V4: gigantyczna podwyżka cen i rozczarowujące wyniki w prawdziwych zastosowaniach – co muszą wiedzieć polskie firmy?

16 sierpnia 2026 roku chińska firma DeepSeek wprowadziła jedną z najbardziej znaczących zmian w cenniku API na rynku sztucznej inteligencji. Zamiast stałych stawek za tokeny, wprowadzono system godzin szczytu i poza szczytem, co w skrajnych przypadkach oznacza wzrost kosztów nawet o 1555% dla niektórych typów tokenów . W tym samym tygodniu niezależna firma testująca Composio ujawniła, że flagowy model DeepSeeka, V4 Flash, wykonał poprawnie tylko 53,8% rzeczywistych zadań agentowych w ośmiu różnych środowiskach uruchomieniowych. To ujawniło ogromną przepaść między wynikami w rankingach a niezawodnością w produkcji . Te dwa wydarzenia zmuszają przedsiębiorstwa do ponownego przemyślenia całkowitych kosztów i dojrzałości środowisk wdrożeniowych wymaganych do skalowania DeepSeek V4.

Nowa struktura cen: godziny szczytu i poza szczytem

Od godziny 16:00 UTC 16 sierpnia 2026 DeepSeek zmienił dotychczasową stałą stawkę na dwupoziomowy model cenowy dla wersji V4-Flash i V4-Pro . Godziny szczytu to 01:00–04:00 UTC oraz 06:00–10:00 UTC (łącznie 7 godzin dziennie), a pozostałe godziny są poza szczytem . Stawki poza szczytem są dokładnie o połowę niższe niż w szczycie, ale każda kategoria tokenów i tak odnotowała wzrost netto w porównaniu z poprzednim stałym cennikiem .

Poprzednie stawki stałe vs. nowe stawki w szczycie i poza szczytem

Model	Typ tokena	Poprzednia stawka stała	Poza szczytem (nowa)	Szczyt (nowy)	Zmiana efektywna
V4-Flash	Wejście (brak trafienia w cache)	0,14 $	0,21 $	0,42 $	+50% poza szczytem, +200% szczyt
V4-Flash	Wejście (trafienie w cache)	0,0028 $	0,007 $	0,014 $	+150% poza szczytem, +400% szczyt
V4-Flash	Wyjście	0,28 $	0,42 $	0,84 $	+50% poza szczytem, +200% szczyt
V4-Pro	Wejście (brak trafienia w cache)	0,435 $	0,99 $	1,98 $	+128% poza szczytem, +355% szczyt
V4-Pro	Wejście (trafienie w cache)	0,003625 $	0,03 $	0,06 $	+728% poza szczytem, +1,555% szczyt
V4-Pro	Wyjście	0,87 $	1,98 $	3,96 $	+128% poza szczytem, +355% szczyt

Źródło danych cenowych: opublikowany cennik DeepSeek i niezależne narzędzia śledzące .

Najbardziej ekstremalny wzrost dotyczy trafień w pamięć podręcznej dla V4-Pro – z 0,003625 $ do 0,06 $ w szczycie, czyli o około 1555% . DeepSeek tłumaczy zmianę chęcią efektywniejszego alokowania zasobów i zachęcania użytkowników do planowania niepilnych zadań poza godzinami szczytu .

Testy agentowe Composio: V4 Flash w prawdziwym świecie

W sierpniu 2026 roku niezależna firma testująca Composio przetestowała DeepSeek V4 Flash w ośmiu różnych środowiskach uruchomieniowych (tzw. harnessach) na 30 celowo trudnych, wieloetapowych zadaniach, korzystających z żywych narzędzi, takich jak Gmail, GitHub, Slack i Google Sheets . Każde zadanie miało limit czasu 900 sekund, a wszystkie środowiska korzystały z tych samych hostowanych narzędzi MCP Composio .

Ogólny wynik: na 240 uruchomień tylko 129 zakończyło się sukcesem – ogólny wskaźnik powodzenia to 53,8%. Tylko 6 z 30 zadań zostało ukończonych pomyślnie przez wszystkie środowiska .

Wskaźniki powodzenia według środowiska uruchomieniowego

Środowisko	Wskaźnik powodzenia (na 30 zadań)	Koszt na udane zadanie
Pi Agent	20/30 (66,7%)	0,028 $
Prime Agent	~15/24 (62,5% ważnych uruchomień)	0,131 $
OMP (Oh My Pi)	17/30 (56,7%)	0,103 $
Claude Code	16/30 (53,3%)	0,195 $
Codex	16/30 (53,3%)	0,081 $
Deep Agents (LangChain)	16/30 (53,3%)	0,045 $
Hermes Agent	15/30 (50,0%)	0,056 $
OpenCode	14/30 (46,7%)	0,067 $

Dane z opublikowanych wyników Composio .

Pi Agent okazał się najlepszy zarówno pod względem skuteczności (20/30), jak i opłacalności (0,028 $ za zadanie) . Co istotne, różne środowiska wygrywały w różnych kategoriach – skuteczności, kosztów i szybkości – co oznacza, że wybór środowiska uruchomieniowego jest równie ważny, co możliwości samego modelu . Różnica 20 punktów procentowych między najlepszym a najgorszym środowiskiem pokazuje, jak bardzo wyniki zależą od frameworka agentowego, konfiguracji narzędzi, buforowania, ponawiania prób i stosu dostawcy .

Konsekwencje dla wdrożeń korporacyjnych

Połączenie wyższych cen i nierównych wyników w rzeczywistych zastosowaniach zmieniło analityczne oceny przydatności DeepSeek V4 dla przedsiębiorstw.

Środowisko uruchomieniowe, a nie sama moc modelu, jest wąskim gardłem

Jak zauważył VentureBeat, ten sam model V4 Flash dawał znacząco różne wyniki w zależności od środowiska, konfiguracji narzędzi i stosu buforowania. To sugeruje, że firmy muszą inwestować w dojrzałość środowisk uruchomieniowych równie mocno, co w wybór samego modelu . Sam Composio podkreśla, że sam wybór środowiska zmieniał skuteczność o trzy zadania, koszt o prawie 3x, a szybkość o 2,2x .

Wzrost cen netto wywiera presję na ekonomikę jednostkową

Nawet poza godzinami szczytu każdy typ tokena jest droższy niż poprzednio. Analitycy twierdzą, że zmienia to rachunek zwrotu z inwestycji dla zastosowań agentowych o dużej objętości, szczególnie w przypadku botów obsługi klienta i potoków generowania kodu, które wcześniej opierały się na agresywnie niskich cenach DeepSeeka .

Przepaść między benchmarkami a produkcją pozostaje duża

Oficjalne benchmarki agentowe DeepSeeka (82,7 w Terminal-Bench 2.1, 70,3 w Toolathlon-Verified) wyglądają imponująco, ale rzeczywisty wskaźnik powodzenia na poziomie 53,8% przypomina, że wyniki w rankingach nie gwarantują niezawodności w środowiskach produkcyjnych z żywymi API, limitami stawek i stanowymi przepływami pracy .

Suwerenność danych wciąż stanowi barierę

Ruch API przechodzi przez serwery w Chinach, co stwarza wyzwania związane z zgodnością regulacyjną dla firm z sektorów regulowanych. Analitycy zalecają staranne planowanie architektury pod kątem zarządzania danymi, audytu i kontroli uprawnień narzędzi . Dla branż regulowanych jedyną realną ścieżką do wdrożenia produkcyjnego jest hostowanie modelu na własnej infrastrukturze z wykorzystaniem otwartych wag .

Selektywne wdrażanie w zależności od obciążenia – nowy standard

Ramy decyzyjne firmy BayTech Consulting zalecają DeepSeek V4 do nieczułych na dane podsumowań dokumentów, generowania kodu w otwartych repozytoriach i tworzenia treści na dużą skalę. Jednak podkreślają potrzebę rygorystycznej oceny każdego obciążenia przed wdrożeniem produkcyjnym .