SmartDigest.ai Tworzone przez AI, żeby nadążyć za AI
Zapisz się

Zapisz się do newslettera

Co tydzień najważniejsze newsy AI prosto na Twój e-mail. Wybierz tematy, które Cię interesują.

Model / Badania

Przegląd kodu każdego commita znów wchodzi w budżet

DeepSeek V4-Pro z 24 kwietnia kosztuje 1,74 dolara za milion tokenów wejścia i 3,48 za wyjście, wobec 5 i 30 dolarów w GPT-5.5. Na LiveCodeBench bije konkurencję z 93,5% Pass@1, ale w trybie myślącym wciąż odstaje od Opus 4.7 na dłuższych zadaniach agentowych. Rabat 92% obowiązuje tylko przy trafieniu w cache, a to wymaga statycznego prefiksu co do bajta. Scenariusze typu przegląd kodu każdego commita wracają do gry, jeśli zdyscyplinujesz prompt.

Napisała AI, żeby oszczędzić Ci czytania setek źródeł.  ·  Jak to działa

Model / Badania  ·  4 min  · 

Przegląd kodu każdego commita znów wchodzi w budżet
Ilustrację przygotowała AI.

DeepSeek wystawił 24 kwietnia V4 w dwóch wersjach: Flash i Pro. V4-Pro liczy 1,74 dolara za milion tokenów wejścia i 3,48 dolara za milion wyjścia. Po stronie OpenAI, który tego samego dnia kilka godzin wcześniej pokazał GPT-5.5, te same liczby to 5 dolarów wejścia i 30 dolarów wyjścia. Siadam więc i przeliczam, ile pomysłów z mojej listy "za drogo na produkcji" z niej spada. Scenariusze takie jak przegląd kodu każdego commita w średnim repozytorium, klasyfikacja każdego zgłoszenia wsparcia czy analiza całej bazy kodu przy każdym wdrożeniu rozbijały się dotąd dokładnie o jeden mur: koszt zapytania razy liczba zapytań.

Dwie wersje, milion tokenów kontekstu

Większa wersja, V4-Pro, ma 1,6 biliona parametrów, z których podczas każdego zapytania pracuje 49 miliardów. Mniejsza, V4-Flash, działa w skali 284 miliardów ogółem i 13 miliardów aktywnych. Oba modele używają architektury mixture-of-experts, w której model rozbity jest na specjalistyczne podsieci, a podczas inferencji uruchamia się tylko ten ekspert, który pasuje do zapytania. Okno kontekstowe na milion tokenów jest identyczne w obu wersjach. W oficjalnej zapowiedzi V4 DeepSeek deklaruje, że milion tokenów stał się standardem na wszystkich jego oficjalnych usługach, a nie poziomem premium za dopłatą. Wagi obu wersji wylądowały na Hugging Face na licencji MIT.

Czytaj dalej za darmo

Podaj e-mail, aby odblokować pełną treść i cały serwis. Zapiszemy Cię do newslettera.

Powiązane

DeepSeek V4.1-Flash-1017: otwarte wagi, 30 centów za milion tokenów i własna wyszukiwarka w API
Model / Badania

DeepSeek V4.1-Flash-1017: otwarte wagi, 30 centów za milion tokenów i własna wyszukiwarka w API

4 min

DeepSeek wypuścił 17 października V4.1-Flash-1017, otwarty model na licencji MIT, który w API kosztuje 0,30 dolara za milion tokenów wejściowych i 1,20 dolara za milion wyjściowych, czyli mniej więcej jedną dziesiątą ceny Kimi K3. Arena uznała go za najlepszy otwarty model w rankingu WebDev, ale to wąski test budowania stron, a w Terminal-Bench Claude Opus 5 prowadzi 51,8 do 42,3. Najwięcej znaczy więc cena, do której dochodzą wyszukiwanie i pobieranie stron w API po 0,75 dolara za 1000 wywołań.
DeepSeek oddaje za darmo przyrząd, na którym mierzył własnego flagowca
Premiera / Narzędzie

DeepSeek oddaje za darmo przyrząd, na którym mierzył własnego flagowca

4 min

DeepSeek podaje, że model V4-Pro-0813 kończy 87,9 procent zadań w Terminal Bench 2.1, tyle że przy części testów agentowych pracował na własnym Harnessie, czyli warstwie, którą w połowie sierpnia oddał wszystkim na licencji MIT. Taki wynik ocenia parę, model i warstwę wokół niego, więc podpinając te same wagi pod swojego agenta, dostaniesz swoją własną liczbę. Za to razem z tabelką dostajesz stanowisko, na którym ona powstała, a model jest w nim wymienną wtyczką, więc sprawdzisz tam też Claude'a czy GPT. Ceną jest wczesna wersja, przy której DeepSeek zapowiada zmiany łamiące zgodność.
DeepSeek wygasza własnego flagowca, bo tańszy model wypada lepiej
Model / Badania

DeepSeek wygasza własnego flagowca, bo tańszy model wypada lepiej

3 min

DeepSeek od zeszłego poniedziałku przekierowuje ruch z flagowego V4-Pro na tańszy V4.1-Flash i rozlicza go po niższych stawkach, więc w konfiguracji masz jeden model, a odpowiada inny. Firma tłumaczy to wynikami: 90,6 punktu na Terminal-Bench 2.1, prawie dwa oczka przed GPT-5.6 Sol i trzy przed własnym V4-Pro, przy pamięci ściętej z 3514 do 890 bajtów na token. Przy agencie, który pracuje godzinami nad jednym zadaniem, to właśnie pamięć bywa największą pozycją rachunku, więc czterokrotna oszczędność waży więcej niż miejsce w rankingu. Tyle że tabelkę mierzył sprzedawca, a wyboru już nie ma.