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 charakterystyki modelu „out-of-the-box” od parametrów roboczych konkretnego wdrożenia: określa je konfiguracja vLLM-inference na hostach GPU sieci. Rzeczywiste wartości przez nasz Gateway:

• Okno kontekstowe: 380 000 tokenów — najdłuższe w sieci Gonka. Sprawdziliśmy to empirycznie: zapytanie z wejściem 381 000 tokenów zostało przyjęte i przetworzone w dziesiątki sekund. Sama architektura V4 Flash obsługuje kontekst do 1 miliona tokenów; praktyczny limit w sieci wyznacza konfiguracja hostów (okno inferencji 400 000).
• Maksymalna odpowiedź: 8 192 tokeny na odpowiedź — wspólny limit dla wszystkich modeli sieci (konfiguracja gatewaya, nie limit modelu).
• Reasoning i tool calling: model został wdrożony z parserami wnioskowania i wywoływania narzędzi — scenariusze agentowe (Cursor, Claude Code, LangChain) działają od razu po wyjęciu z pudełka; przeprowadziliśmy wieloetapowe scenariusze narzędziowe na ścieżkach kompatybilnych z OpenAI i Anthropic.
• Wymagania VRAM hosta: około 280 GB — najlżejszy model sieci (dla porównania: MiniMax M2.7 — 320 GB, Kimi K2.6 — 720 GB). Im niższy próg sprzętowy, tym łatwiej hostom wdrożyć model — to dobry znak dla jego dostępności w sieci.

Cena inferencji w sieci Gonka nie zależy od wyboru modelu: DeepSeek V4 Flash jest dostępny w tej samej stawce co Kimi K2.6 i MiniMax M2.7 — przez JoinGonka Gateway to $0.0032 za milion tokenów wejściowych i $0.0097 za milion tokenów wyjściowych. Dla orientacji: oficjalne API DeepSeek sprzedaje ten sam model za $0.14/$0.28 za milion, OpenRouter — od $0.08/$0.18. Ekonomia sieci to osobny temat: cena jest określana na podstawie obliczeń pracy obliczeniowej, a nie cennika dostawcy.

Obecnie w sieci działają trzy modele (czwarty, GLM-5.2, jest zarejestrowany i oczekuje na wdrożenie). Krótkie porównanie:

Praktyczny wniosek z jednakowej ceny: model można wybierać czysto pod kątem zadania, nie myśląc o budżecie. Potrzebujesz najdłuższego kontekstu lub szybkich odpowiedzi z rozumowaniem — DeepSeek V4 Flash; maksimum niezawodności agentowej w złożonym kodzie — Kimi K2.6; solidny wół roboczy na co dzień — MiniMax M2.7.

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

• SWE-bench Verified: 79,0% — rozwiązywanie rzeczywistych zadań GitHub; poziom, który jeszcze rok temu był dostępny tylko dla zamkniętych flagowców. Dla porównania: Kimi K2.6 — 71,3%.
• GPQA Diamond: 88,1% — pytania na poziomie studiów magisterskich/doktoranckich z nauki; rozszerzony tryb rozumowania dodaje precyzji w zadaniach wieloetapowych.
• Terminal Bench 2.1: 82,7 — praca w terminalu przez agenta; wersja preview Flash miała 61,8, a V4 Pro Preview — 72,1.
• DeepSWE: 54,4 — nowy rygorystyczny benchmark DeepSeek z niemal zerowym poziomem fałszywych zaliczeń; liczba pochodzi od vendora, stand nie został jeszcze opublikowany — przyjmować z tym zastrzeżeniem.

Uczciwe ramy: w dziewięciu benchmarkach agentowych build 0731 wyprzedza własny V4 Pro Preview, ale nie Claude Opus 4.8 — strata wynosi średnio około 6 punktów. Przy tym cena za token jest o dwa rzędy wielkości niższa niż Opus, a przez sieć Gonka — jeszcze dziesięciokrotnie tańsza od oficjalnego API DeepSeek. Właśnie ten stosunek „jakość blisko frontiera za ułamek ceny” czyni go interesującym: szczegółowe niezależne pomiary można wygodnie sprawdzić na Artificial Analysis, wagi i kartę modelu — na Hugging Face.

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

Najszybszy sposób — instalator w jednej komendzie, który skonfiguruje Twoje narzędzie (Claude Code, OpenClaw, Cline, opencode, Aider i inne) bezpośrednio na ten model:

npx @joingonka/setup --model deepseek

Bezpośrednie wywołanie API (format OpenAI):

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

Przy rejestracji otrzymujesz 10 000 000 darmowych tokenów — przy kontekście 380K jest to szansa na natychmiastowe przetestowanie modelu na rzeczywistych dużych dokumentach i bazach kodu. Przykłady krok po kroku w Pythonie i TypeScript — w API Quickstart; wypróbować bez rejestracji można w darmowym czacie, wybierając DeepSeek V4 Flash z listy modeli.

Silne scenariusze dla tego modelu:

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

Kiedy sensowniejszy jest inny model sieci: do maksymalnie niezawodnego kodowania agentowego w złożonych repozytoriach nadal silny jest Kimi K2.6 (szczegółowa analiza — w artykule o najlepszych modelach do kodu), a MiniMax M2.7 pozostaje sprawdzonym wołem roboczym do codziennych zadań. Dzięki jednolitej cenie można eksperymentować swobodnie — przełączenie modelu to jedna linijka w zapytaniu.