Newsy
Co słychać w robotyce i AI — wybór redakcji wujec.ai.
Nowy model DeepSeeka bije Opusa i GPT w teście agentowym, w którym czołówka już się stłoczyła. W dwóch trudniejszych wersjach tego samego testu przegrywa o dwadzieścia punktów
DeepSeek opublikował 10 września 2026 roku model V4.1-Flash wraz z tabelą porównawczą, która wygląda na zwycięstwo na całej linii — dopóki nie prześledzi się jednego testu przez trzy jego wersje. W Terminal-Bench 2.1 nowy model uzyskuje 90,6 punktu, przed Opus-5.0 z 89,1 i GPT-5.6 Sol z 88,8. W Terminal-Bench 3.0 dostaje 30,0 wobec 43,3 dla Opus-5.0. W wersji 4.0 — 31,2 wobec 51,8. Te trzy liczby opisują ten sam model na tej samej rodzinie zadań, a rozrzut między nimi jest lekcją czytania testów. Wersja 2.1 krąży na tyle długo, że każde poważne laboratorium notuje w niej wynik pod dziewięćdziesiąt; przewaga półtora punktu dzieli tam modele w praktyce równie sprawne. Wersje 3.0 i 4.0 to trudniejsze odsłony napisane właśnie dlatego, że stara przestała modele rozróżniać — i tam dystans między modelem DeepSeeka a najdroższym modelem zachodnim wynosi około dwudziestu punktów. Ten sam wzór powtarza się w innych miejscach tabeli. W teście Humanity's Last Exam, wciąż dalekim od nasycenia, V4.1-Flash osiąga 36,8 wobec 56,3 dla Opus-5.0. W ProgramBench — 20,3 wobec 37,0. To, co model rzeczywiście wygrywa, warto powiedzieć wprost, bo nie jest to drobiazg. Jego ranking 3471 punktów w Codeforces jest najwyższy w tabeli. Rozwiązuje 74,2 procent zadań DeepSWE v1.1, prowadzi w CyberGym z wynikiem 88,1 i w AutomationBench z 54,8. A robi to, uruchamiając 8 miliardów parametrów na token przy czytaniu polecenia i 16 miliardów przy pisaniu odpowiedzi — z 552 miliardów w szkielecie. Właściwą wiadomością jest ta oszczędność. DeepSeek przebudował tę część modelu, która przechowuje przebieg rozmowy, i ściął pamięć trzymaną na jeden token do 890 bajtów, czyli około jednej czwartej tego, czego potrzebował model z lipca. Przez API firmy nowy model kosztuje 0,30 dolara za milion tokenów wejściowych w szczycie i 1,20 dolara za milion wyjściowych, wobec 0,44 i 1,32 dolara u poprzednika, a poza godzinami szczytu — połowę tego. Wagi są na licencji MIT i w kolejnych tygodniach pobrano je 140 636 razy. Czytana w całości tabela mówi coś pożyteczniejszego niż „najlepszy model”. Do pracy agentowej na dużą skalę, gdzie sesja na milion tokenów musi się zmieścić w budżecie, jest to narzędzie znakomite i za ułamek ceny czołówki. Do najtrudniejszego rozumowania, jakie da się dziś postawić, drogie modele pozostają z przodu — i mówią to liczby samego DeepSeeka.
DeepSeek-V4.1-Flash →Otwarte wagi przestały pytać o zgodę — wśród czterdziestu najczęściej pobieranych modeli konta wymagają już tylko modele Mety
Przeczytaliśmy dziś, 25 sierpnia 2026, licencję każdego repozytorium z czterdziestu najczęściej pobieranych modeli językowych na Hugging Face i sprawdziliśmy, czy wagi w ogóle da się pobrać. Bramkę ma dwa z czterdziestu: Llama-3.2-1B-Instruct i Llama-3.1-8B-Instruct Mety, które wymagają konta, akceptacji regulaminu i ręcznej zgody. Trzeci taki przypadek to Gemma 3 1B Google'a. Cała reszta listy pobiera się bez konta. Zmiana, która to sprawiła, jest świeża i należy do Google'a. Gemmy 3, wydanej na własnych warunkach firmy, nie dało się pobrać ani nawet przeczytać treści jej licencji bez zalogowania — żądanie pliku zwraca kod 401. Gemma 4, opublikowana 11 marca 2026, stoi na zwykłej licencji Apache 2.0 i bramki nie ma wcale. Nie jest to model marginalny: samo repozytorium wersji instrukcyjnej 31B notuje 8,79 miliona pobrań w trzydzieści dni, więcej niż jakikolwiek inny śledzony przez nas model o otwartych wagach z górnej półki. To, co zostało z licencji autorskich, jest węższe, niż głosi ich reputacja. Kimi K2 firmy Moonshot ma licencję „zmodyfikowany MIT", w której jedyną modyfikacją jest obowiązek wyświetlania: produkt mający ponad 100 milionów użytkowników miesięcznie albo ponad 20 milionów dolarów miesięcznego przychodu musi pokazać w swoim interfejsie napis „Kimi K2". Z kolei DeepSeek-V3, model, na którym stoi cała linia tej firmy, wciąż bywa opisywany jako model na licencji MIT — i nim nie jest. W jego repozytorium leży MIT dla kodu i osobna umowa licencyjna DeepSeeka dla wag. Dopiero od marca 2025 firma przeniosła same wagi na MIT. Jeden nawyk wart jest ostrzeżenia dla każdego, kto bierze etykietę za dobrą monetę. Kilka intensywnie pobieranych repozytoriów deklaruje licencję w metadanych karty, a pliku licencji nie zawiera wcale; kopie skwantyzowane dziedziczą zaś etykietę z karty modelu, a nie z pierwotnych warunków. Etykieta to metadana, plik to umowa. Gdy się różnią, wiążący jest tylko jeden z nich.
Gemma 4 31B →Zegar DeepSeeka jest pekiński: ten sam dzień pracy kosztuje tam 75% więcej niż w San Francisco
Cennik DeepSeeka, obowiązujący od 16 sierpnia 2026, jest pierwszym u dużego dostawcy modeli, w którym godzina doby jest pełnoprawnym elementem taryfy, a nie promocją: szczyt to 01:00–04:00 i 06:00–10:00 czasu UTC, a wszystko poza nim kosztuje dokładnie połowę. Opublikowane okna nie mówią nic o tym, gdzie te godziny wypadają. Po przeliczeniu mówią bardzo dużo. Pekin trzyma UTC+8 przez cały rok, bez czasu letniego. Oba okna szczytu wypadają lokalnie na 09:00–12:00 i 14:00–18:00 — czyli w chińskich godzinach pracy. Przerwa między nimi, 04:00–06:00 UTC, to 12:00–14:00 w Pekinie: pora obiadowa, wyceniona po połowie stawki. Dokumentacja nigdzie nie opisuje taryfy w kategoriach geograficznych, ale jest ona obrysowana wokół dnia pracy jednego kraju. Ma to arytmetyczny skutek, którego nikt nie policzył. Weźmy zespół korzystający z DeepSeek-V4-Pro równomiernie przez dzień pracy 09:00–17:00 czasu lokalnego i wyceńmy milion tokenów wyjściowych (3,96 dolara w szczycie, 1,98 poza nim). W San Francisco dzień pracy przypada na 16:00–24:00 UTC i mija się z oboma oknami szczytu, więc każda godzina liczy się po 1,98 dolara. W Warszawie to 07:00–15:00 UTC, z czego trzy godziny są w szczycie: 2,72 dolara za milion, o 37,5% więcej niż w San Francisco. W Pekinie to 01:00–09:00 UTC, z czego w szczycie jest sześć godzin: 3,47 dolara za milion — o 75% więcej niż w San Francisco, za identyczną pracę na identycznych wagach. Bangalur wypada pośrodku: 3,09 dolara, czyli o 56% drożej. Europejskie rachunki ruszają się także wraz ze zmianą czasu. Zimą Warszawa przechodzi na UTC+1, w szczycie zostają tylko dwie godziny pracy, a ten sam milion tanieje do 2,48 dolara — dziewięcioprocentowa zniżka wynikająca wyłącznie z końca czasu letniego. Czego to nie dowodzi: DeepSeek nie liczy nikomu według miejsca. Taryfa jest na całym świecie identyczna i zależna od czasu, a firma przedstawia ją jako zarządzanie obciążeniem — okna szczytu to po prostu godziny, w których jej serwery są najbardziej zajęte, czyli te, w których pracuje jej rodzimy rynek. Zadania wsadowe i nocne może przesunąć w tanie godziny każdy i wszędzie, a w większości wdrożeń produkcyjnych dużo bardziej niż zegar liczy się wejście z pamięci podręcznej, rozliczane po pięćdziesiątej części stawki za brak trafienia. Powyższe liczby zakładają też użycie rozłożone równo na godziny pracy, czego żaden prawdziwy zespół nie robi dokładnie. Kierunek nie jest jednak artefaktem: im dalej dzień pracy użytkownika leży od pekińskiego, tym mniej kosztuje go podwyżka DeepSeeka.
DeepSeek-V4-Pro →Najtańsze laboratorium przestaje być tanie: DeepSeek podnosi ceny API od 16 sierpnia i zaczyna liczyć według zegara
DeepSeek opublikował nowy cennik modeli V4, obowiązujący od 16 sierpnia 2026. Firma, która zbudowała pozycję na tym, że była tańsza od wszystkich, podnosi stawki na całej linii — od 50 procent do ponad 1100 procent, zależnie od modelu, rodzaju tokenów i godziny. Liczby dla DeepSeek-V4-Flash: tokeny wyjściowe drożeją z 0,28 do 1,32 dolara za milion w godzinach szczytu, wejściowe bez trafienia w pamięć podręczną z 0,14 do 0,44, a wejściowe z pamięci podręcznej z 0,0028 do 0,014 dolara — pięciokrotnie. DeepSeek-V4-Pro idzie z 0,87 na 3,96 dolara za milion tokenów wyjściowych w szczycie, a jego wejście z pamięci podręcznej z około 0,0036 na 0,044 dolara za milion: to właśnie z tej jednej pozycji bierze się nagłówkowe 1100 procent, a nie ze stawki podstawowej. Równie ważna jak liczby jest zmiana konstrukcji cennika. Od niedzieli cena zależy od tego, o której wysyłamy zapytanie: szczyt to 01:00–04:00 i 06:00–10:00 czasu UTC, cała reszta doby jest poza szczytem i kosztuje dokładnie połowę. DeepSeek tłumaczy, że chodzi o „rozsądniejszy przydział zasobów" i przesunięcie obciążenia na mniej zatłoczone okna. W praktyce to pierwszy raz, gdy duży dostawca modeli robi z godziny doby pełnoprawny element cennika, a nie promocję. Uderzające jest wyczucie czasu. W tym samym tygodniu, w którym Anthropic odwołał zapowiedzianą 50-procentową podwyżkę Claude Sonnet 5, a Google wyznaczył datę końca obniżki Gemini 3.7 Flash, DeepSeek poszedł w przeciwną stronę — i dalej niż którykolwiek z nich. Wyjście V4-Flash poza szczytem, po 0,66 dolara za milion, wciąż jest tanie jak na zachodnie stawki, ale przewaga, która czyniła DeepSeeka oczywistym wyborem domyślnym, skurczyła się cztero-, pięciokrotnie. Oba modele V4 zachowują okno kontekstu miliona tokenów i maksymalnie 384 tys. tokenów odpowiedzi; bez zmian zostają też limity równoległych zapytań (2500 dla Flash, 500 dla Pro). Cenniki w obu profilach w katalogu zostały już zaktualizowane.
DeepSeek-V4-Flash →DeepSeek wydaje finalne V4-Pro: otwarte wagi, milion tokenów kontekstu i skok w zadaniach agentowych
DeepSeek opublikował 13 sierpnia 2026 na Hugging Face model DeepSeek-V4-Pro-0813, opisując go jako oficjalne wydanie V4-Pro i następcę wag zapoznawczych, które nosiły tę nazwę od kwietnia. Repozytorium udostępniono na licencji MIT, więc cały model — 1,65 biliona parametrów w rzadkiej architekturze mixture-of-experts, 61 warstw, 384 ekspertów routowanych i sześciu aktywnych na token, w formacie FP8 — można pobrać i uruchomić u siebie. Okno kontekstu pozostaje na poziomie 1 048 576 tokenów. Architektura nie zmieniła się względem wersji zapoznawczej; nowością jest dołączony moduł spekulatywnego dekodowania DSpark oraz przebudowane sterowanie rozumowaniem. Parametr `reasoning_effort` przyjmuje teraz trzy poziomy — low, high i max — pozwalając wymieniać czas namysłu na koszt. DeepSeek zrezygnował też z szablonu rozmowy w formacie Jinja na rzecz udokumentowanego kodera w Pythonie, co oznacza pracę dla każdego, kto uruchamia wagi lokalnie. Poprawa, którą raportuje producent, skupia się w zadaniach agentowych i programistycznych — i jest duża. Według tabeli firmy nowa kompilacja osiąga 62,7% w DeepSWE wobec 12,8% dla wersji zapoznawczej, 61,5% w NL2Repo wobec 38,5%, 83,3% w Cybergym wobec 52,7% oraz 87,9 w Terminal Bench 2.1 wobec 72,1. W Humanity's Last Exam uzyskuje 42,7% bez narzędzi i 60,0% z narzędziami wobec wcześniejszych 37,7%. W zestawieniu z konkurencją obraz jest bardziej wyrównany. Kimi K3 wypada lepiej w Terminal Bench (88,3) i DeepSWE (67,5), a Fable 5 od Anthropica prowadzi w Humanity's Last Exam (53,3 bez narzędzi). DeepSeek utrzymuje jednak pozycję, którą zajmuje przez cały rok: wyniki porównywalne z czołówką, przy wagach udostępnionych, a nie wynajmowanych. Podane wyniki pochodzą od producenta i nie zostały jeszcze niezależnie powtórzone.
DeepSeek-V4-Pro →Flagowy model DeepSeeka o 1,6 biliona parametrów wchodzi do pełnej dostępności — i zaczyna liczyć według zegara
DeepSeek-V4-Pro wyszedł z fazy zapoznawczej 19 lipca 2026, trzy miesiące po pierwszej publicznej premierze. Wagi są tymi samymi, które opublikowano 24 kwietnia: rzadki model mixture-of-experts o 1,6 biliona parametrów, z czego około 49 miliardów aktywnych na token, okno kontekstu miliona tokenów i licencja MIT pozwalająca każdemu pobrać model i uruchomić go u siebie. Pełna dostępność zmieniła stronę handlową. DeepSeek po raz pierwszy wprowadził taryfę szczytową, podwajającą stawki w godzinach pracy w Pekinie; poza szczytem API kosztuje 0,435 dolara za milion tokenów wejściowych i 0,87 za milion wyjściowych. Wejście z pamięci podręcznej rozliczane jest po około setnej części stawki pozaszczytowej. 24 lipca firma wycofała stare punkty końcowe deepseek-chat i deepseek-reasoner, więc integracje muszą teraz wskazywać model wprost. Według danych opublikowanych przez DeepSeeka przy premierze GA model uzyskuje 80,6% w SWE-bench Verified — najlepszy opublikowany wynik modelu z otwartymi wagami — przy ratingu 3206 w Codeforces, 57,9% w SimpleQA Verified i 37,7% w Humanity's Last Exam. Pomiar niezależny opowiada rzecz subtelniejszą: Artificial Analysis ocenił V4-Pro na 44 punkty w Intelligence Index w momencie GA wobec 52 przy premierze zapoznawczej. Model się nie pogorszył — przez te trzy miesiące przesunęła się stawka. Mniejszy DeepSeek-V4-Flash i wcześniejszy DeepSeek-R1 pozostają dostępne, a wszystkie trzy mają już profile w katalogu wujec.ai.
DeepSeek-V4-Pro →