DeepSeek V4 Flash: model sieci Gonka z kontekstem 380K

DeepSeek to chińskie laboratorium AI z Hangzhou, które zyskało światową sławę po wydaniu V3 i R1: to właśnie R1 na początku 2025 roku pokazało, że model open-source może dogonić zamknięte flagowce za ułamek ich budżetu. W kwietniu 2026 DeepSeek wypuściło rodzinę V4 składającą się z dwóch modeli: ciężkiego V4 Pro i lekkiego V4 Flash. Oba są otwarte (licencja MIT), oba oparte na architekturze MoE.

V4 Flash to 284 miliardy parametrów, z których dla każdego tokena aktywowanych jest około 13 miliardów. Taka rzadkość sprawia, że model jest szybki i tani w utrzymaniu: potrzebuje znacznie mniej VRAM niż „gęste” giganty, a prędkość generowania jest wyższa.

W sieci Gonka działa wersja V4-Flash-0731 — przeuczony (re-post-training) build z 31 lipca 2026. Architektura i rozmiar nie uległy zmianie, ale jakość w zadaniach agentowych skoczyła: według dziewięciu opublikowanych przez DeepSeek benchmarków agentowych i koderskich, build 0731 wyprzedza nawet ich własny flagowiec V4 Pro w wersji preview. Ważne zastrzeżenie dla uczciwości: część tych liczb to pomiary samego DeepSeek na ich własnym stanowisku testowym, które w momencie pisania tego tekstu nie zostało jeszcze publicznie wydane, więc niezależnej replikacji na razie nie ma. Przepaść do zamkniętych modeli pozostaje: Claude Opus 4.8 nie zostaje pokonany przez build 0731 w żadnym z dziewięciu benchmarków — ale jest przy tym znacznie tańszy, i na tym polega jego istota: maksimum jakości agentowej za ułamek ceny.

Podobnie jak w przypadku innych modeli sieci, ważne jest rozróżnienie charakterystyk modelu „out of the box” oraz parametrów roboczych konkretnego wdrożenia: są one definiowane przez konfigurację vLLM-inferenced na GPU-hostach sieci. Faktyczne wartości przez nasz Gateway:

• Okno kontekstowe: 380 000 tokenów — jedno z najdłuższych w sieci Gonka (więcej ma tylko GLM-5.3 Flash — 390 000). Sprawdziliśmy to empirycznie: zapytanie z wejściem 381 000 tokenów zostało przyjęte i przetworzone w kilkadziesiąt sekund. Sama architektura V4 Flash wspiera kontekst do 1 miliona tokenów; praktyczny limit w sieci wyznacza konfiguracja hostów (okno inferenced 400 000).
• Maksymalna odpowiedź: 32 768 tokenów za odpowiedź — największy limit w sieci: w MiniMax M2.7 i GLM-5.3 Flash jest on czterokrotnie mniejszy — 8 192; w obu przypadkach jest to konfiguracja gatewaya, a nie limit modelu.
• Reasoning i tool calling: model wdrożony z parserami rozumowania i wywoływania narzędzi — scenariusze agentowe (Cursor, Claude Code, LangChain) działają „out of the box”; przeprowadziliśmy wielokrokowe tool-scenariusze według ścieżek kompatybilnych z OpenAI i Anthropic.
• Wymagania dotyczące VRAM hosta: około 280 GB — najlżejszy model w sieci (dla porównania: MiniMax M2.7 — 320 GB, GLM-5.3 Flash — 560 GB). Im niższy próg sprzętowy, tym łatwiej hostom wdrażać model — jest to dobry znak dla jego dostępności w sieci.

Cena inferenced w sieci Gonka nie zależy od wyboru modelu: DeepSeek V4 Flash jest dostępny w tej samej stawce co MiniMax M2.7 i GLM-5.3 Flash — przez JoinGonka Gateway jest to $0.0069 za milion tokenów wejściowych i $0.021 za milion tokenów wyjściowych. Dla orientacji: zewnętrzni dostawcy na OpenRouter oferują ten sam model od $0.06/$0.12 za milion, a sam DeepSeek do września 2026 wycofał V4 Flash 0731 ze swojego API — zapytania do niego obsługuje już DeepSeek-V4.1-Flash po $0.30/$1.20 w godzinach szczytu. Ekonomia sieci — osobny temat: cena jest określana na podstawie obliczeń za pracę obliczeniową, a nie cennika vendora.

W sieci działają trzy modele — DeepSeek V4 Flash, MiniMax M2.7 i GLM-5.3 Flash (Kimi K2.6 został wycofany z sieci we wrześniu 2026, a GLM-5.2, długo widniejący w rejestrze, nie wszedł do składu operacyjnego). Krótkie porównanie:

Praktyczny skutek jednakowej ceny: model można wybierać czysto pod kątem zadania, nie myśląc o budżecie. Potrzebne są duże prompty z szybkimi odpowiedziami i najdłuższą odpowiedzią — DeepSeek V4 Flash; zadania wymagające przemyślenia złożonej logiki (oraz najdłuższy kontekst sieci) — GLM-5.3 Flash; niezawodny koń roboczy na co dzień — MiniMax M2.7.

Kluczowe opublikowane wyniki kompilacji 0731 (według danych DeepSeek i niezależnych agregatorów):

• SWE-bench Verified: 79,0% — rozwiązywanie rzeczywistych zadań z GitHub; poziom, który jeszcze rok temu był dostępny tylko dla zamkniętych flagowców. Dla porównania: Kimi K2.6, którą sieć obsługiwała wcześniej, ma 71,3%.
• GPQA Diamond: 88,1% — pytania na poziomie studiów magisterskich z nauk ścisłych; rozszerzony tryb rozumowania dodaje precyzji w zadaniach wieloetapowych.
• Terminal Bench 2.1: 82,7 — praca w terminalu przez agenta; wersja zapoznawcza Flash miała 61,8, a V4 Pro Preview — 72,1.
• DeepSWE: 54,4 — nowy rygorystyczny benchmark DeepSeek z niemal zerowym poziomem fałszywych trafień; cyfra dostawcy, stand nie został jeszcze opublikowany — należy traktować ją z tą rezerwą.

Uczciwe ramy: w dziewięciu benchmarkach agentowych kompilacja 0731 przewyższa własny V4 Pro Preview, ale nie Claude Opus 4.8 — strata wynosi średnio około 6 punktów. Jednocześnie pod względem ceny za token model jest o dwa rzędy wielkości tańszy od Opus, a przez sieć Gonka — jeszcze ~9 razy tańszy niż ten sam model u zewnętrznych dostawców na OpenRouter. To właśnie stosunek „jakości zbliżonej do frontiera za ułamek ceny” czyni go interesującym: szczegółowe niezależne pomiary można wygodnie sprawdzić na Artificial Analysis, a wagi i kartę modelu — na Hugging Face.

Model jest dostępny przez JoinGonka Gateway za pomocą API zgodnego z OpenAI i Anthropic. Identyfikator modelu: deepseek-ai/DeepSeek-V4-Flash-0731.

Najszybszy sposób — instalator jedną komendą, który skonfiguruje Twoje narzędzie (Claude Code, OpenClaw, Cline, opencode, Aider i inne) od razu na ten model:

npx @joingonka/setup --model deepseek

Tam, gdzie instalator sam zapisuje konfigurację (Claude Code, Codex CLI, OpenClaw, opencode, Kilo Code, Hermes, Pi i inne), DeepSeek V4 Flash jest ustawiony domyślnie i flaga nie jest potrzebna. Flaga przydaje się, by przełączyć już skonfigurowane narzędzie oraz tam, gdzie instalator wypisuje wartości do wklejenia (Cursor, Cline, Aider). Pozostałe modele sieci wybiera się tak samo: --model minimax i --model glm.

Bezpośrednie wywołanie API (format OpenAI):

curl https://gate.joingonka.ai/v1/chat/completions \
  -H "Authorization: Bearer jg-your-key" \
  -H "Content-Type: application/json" \
  -d '{"model":"deepseek-ai/DeepSeek-V4-Flash-0731","messages":[{"role":"user","content":"Hello!"}]}'

Przy rejestracji otrzymujesz 3M darmowych tokenów — przy kontekście 380K to okazja, by od razu przetestować model na prawdziwych dużych dokumentach i bazach kodu. Przykłady krok po kroku w Pythonie i TypeScript znajdziesz w API Quickstart; wypróbować bez rejestracji możesz w bezpłatnym czacie, wybierając DeepSeek V4 Flash z listy modeli.

Mocne scenariusze dla tego modelu:

• Duże dokumenty i całe bazy kodu. 380 000 tokenów to około 280 000 słów: roczny raport, pakiet dokumentów prawnych czy średnie repozytorium mieszczą się w jednym zapytaniu, bez dzielenia na kawałki i utraty powiązań między częściami.
• Długie sesje agentowe. Autonomiczny agent, który czyta pliki, wywołuje narzędzia i gromadzi historię, najszybciej trafia na limit kontekstu — zapas 380K tokenów oznacza znacznie dłuższe sesje bez resetowania pamięci.
• RAG z dużymi próbkami. Im więcej istotnych dokumentów mieści się w kontekście, tym mniejsza zależność od precyzji wyszukiwania.
• Zadania wymagające rozumowania. Tryb reasoning daje przyrost w matematyce, nauce i wieloetapowej logice — w cenie zwykłego modelu.

Kiedy rozsądniejszy będzie inny model sieci: do zadań, gdzie trzeba pogłówkować nad zawiłą logiką, jest GLM-5.3 Flash — model reasoning sieci (szczegółowe omówienie modeli do developmentu — w artykule o najlepszych modelach do kodu), a MiniMax M2.7 pozostaje sprawdzonym koniem roboczym do codziennych zadań. Dzięki jednolitej cenie można eksperymentować swobodnie — przełączenie modelu to jedna linia w zapytaniu.