DeepSeek rzuca wyzwanie gigantom. Premiera V4 Pro pokazuje, że potęga nie musi kosztować fortuny

Bez hucznych zapowiedzi i wpisów na blogu, chiński DeepSeek udostępnił powszechnie model V4 Pro w wersji 0813. To istotna zmiana, ponieważ dotychczasowe recenzje bazowały na wersji podglądowej dostępnej od kwietnia. Choć rynek przyzwyczaił się do dominacji amerykańskich modeli z rodziny Claude czy GPT, ruch DeepSeek pokazuje, że dystans między najdroższymi systemami a ich tańszymi alternatywami skurczył się do absolutnego minimum.

Dlaczego to ważne teraz?

Premiera V4 Pro to moment, w którym cena przestaje być barierą wejścia dla zaawansowanej sztucznej inteligencji. Model o architekturze Mixture-of-Experts (MoE) posiada aż 1,6 bln parametrów, z czego 49 mld jest aktywnych przy każdym zapytaniu, co pozwala na zachowanie ogromnej mocy przy niskim zużyciu energii. Wprowadzenie tak potężnego narzędzia o oknie kontekstowym sięgającym 1 mln tokenów stawia pod znakiem zapytania opłacalność utrzymywania drogich subskrypcji u amerykańskich liderów, szczególnie w projektach wymagających przetwarzania gigantycznych zbiorów danych.

Wydajność mierzona w procentach, cena w tysiącach

Analiza techniczna sugeruje, że wersja 0813 to nie tylko drobna korekta, ale ostateczne dostrojenie wag modelu, które stawia go w bezpośrednią szrankę z flagowym Claude Fable 5 od Anthropic. Dane DeepSeek rysują fascynujący obraz: w dziewięciu testach możliwości agentycznych Claude Fable 5 prowadzi nad V4 Pro o średnio zaledwie 5,3%. Jeśli jednak wykluczymy specyficzny test „Humanity’s Last Exam”, przewaga amerykańskiego lidera topnieje do marginalnych 2,8%.

Prawdziwy wstrząs wywołuje jednak cennik. Koszt miliona tokenów wejściowych w Claude Fable 5 to 10 dolarów, a wyjściowych – aż 50 dolarów. Tymczasem DeepSeek V4 Pro wycenia te same operacje na poziomie ok. 0,145 USD za wejście i 3,48 USD za wyjście. To sprawia, że model, który według twórców oferuje „wydajność rywalizującą z najlepszymi zamkniętymi systemami na świecie”, jest kilkadziesiąt razy tańszy w eksploatacji.

Krytycznym okiem: między marketingiem a rzeczywistością

Mimo imponujących liczb, warto zachować dozę sceptycyzmu. Część testów, jak DSBench-FullStack, to zestawy wewnętrzne, których wyników nie da się obecnie zweryfikować na publicznych listach rankingowych. Niemniej jednak, jak zauważa TechCrunch, model ten „znacząco domyka lukę dzielącą go od modeli frontier”.

Strategia „99% taniej przy 95% wydajności” staje się realnym zagrożeniem dla hegemonii OpenAI i Anthropic. Laboratoria takie jak DeepSeek konsekwentnie dostarczają rozwiązania, które depczą po piętach najdroższym systemom. W obszarach wymagających masowego przetwarzania danych, gdzie każda setna centa za token ma znaczenie dla rentowności projektu, chińska ofensywa może wymusić na Dolinie Krzemowej gwałtowne cięcia cen.