DeepSeek V4.1 Flash 1017 - cena API w złotych, wyniki i ryzyka dla firm

Co zmienia aktualizacja DeepSeek V4.1 Flash 1017

DeepSeek-V4.1-Flash-1017 to według karty modelu drobna aktualizacja wersji z września. Model trenowano dodatkowo metodą uczenia ze wzmocnieniem z samooceną (reinforcement learning with self-feedback), w której sygnałem nagrody są oceny i krytyka generowane przez sam model. DeepSeek deklaruje lepsze wyniki, krótsze odpowiedzi i szybsze wykonanie zadań, co nazywa jednoczesną poprawą jakości i kosztu.

Nowa wersja jest dostępna na stronie, w aplikacji, w API oraz jako otwarte wagi na Hugging Face i ModelScope, nadal na licencji MIT. Producent zaleca używanie jej w środowisku DeepSeek Harness od wersji 0.2.1-rc.1 oraz w narzędziach Tencent CodeBuddy i WorkBuddy. Stare nazwy deepseek-v4-flash i deepseek-v4-flash-vision-exp nadal działają, ale trafiają do wersji 1017 i są rozliczane po cenie Flash.

Razem z modelem DeepSeek udostępnił API Search i Fetch oparte na własnej wyszukiwarce. Każdy z dwóch punktów dostępu kosztuje 0,75 USD za 1000 udanych wywołań. Wywołania wykonywane jako narzędzia po stronie serwera w DeepSeek Harness, Claude Code i Codex są bezpłatne do 31 października 2026 roku, do godz. 16:00 UTC.

Wyniki w testach według DeepSeek

Karta modelu na Hugging Face porównuje wersję 1017 z poprzednią i z modelami konkurencji. Wybrane wyniki, w nawiasach poprzednia wersja V4.1 Flash, Claude Opus 5 i GPT-5.6 Sol:

• DeepSWE v1.1 (agentowe programowanie) - 77,0 proc. (74,2, 74,0, 73,0),
• Terminal-Bench 4.0 (praca w terminalu) - 42,3 proc. (31,2, 51,8, 39,9),
• ProgramBench - 29,1 proc. (20,3, 37,0, 23,0),
• Automation-Bench v1.0.6 - 60,5 proc. (54,8, 50,3, 45,8),
• Humanity's Last Exam bez narzędzi - 42,6 proc. (36,8, 56,3, 44,5).

Koszt zadania zamiast ceny tokenów

Najciekawsza zmiana dotyczy kosztu wykonania zadania, a nie ceny tokenów. Według wykresu DeepSeek opisanego przez THE DECODER wersja 1017 w ustawieniu maksymalnym rozwiązuje 77 proc. zadań DeepSWE przy średnim koszcie poniżej 0,20 USD (ok. 0,78 zł) za zadanie. W ustawieniu niskim przekracza 72 proc. przy ok. 0,10 USD (ok. 0,39 zł). Poprzednia wersja kosztowała ok. 0,50 USD (ok. 1,94 zł) za zadanie przy wyniku 74,2 proc.

Spadek kosztu przy tej samej cenie tokenów wynika z krótszych odpowiedzi. To deklaracje producenta, a niezależnych testów jeszcze nie opublikowano. Wyniki uzyskano też głównie na zadaniach w języku angielskim, więc nie mówią wiele o jakości pracy na polskich tekstach. Własny test na kilkudziesięciu typowych zadaniach firmy da lepszy obraz niż tabela producenta.

Ile kosztuje DeepSeek V4.1 Flash w złotych

Cennik rozróżnia godziny szczytu i pozostały czas, a poza szczytem obowiązuje 50 proc. stawki. Przeliczenie według średniego kursu NBP z 16 października 2026 roku (1 USD = 3,8827 zł), bez VAT. Ceny dotyczą modelu deepseek-flash za milion tokenów:

• wejście z trafieniem w pamięć podręczną - 0,006 USD (ok. 0,02 zł) w szczycie, 0,003 USD (ok. 0,01 zł) poza szczytem,
• wejście bez pamięci podręcznej - 0,30 USD (ok. 1,16 zł) w szczycie, 0,15 USD (ok. 0,58 zł) poza szczytem,
• wyjście - 1,20 USD (ok. 4,66 zł) w szczycie, 0,60 USD (ok. 2,33 zł) poza szczytem,
• dla porównania deepseek-v4-pro (w cenniku opisany jako DeepSeek-V4-Pro-0813) - 1,32 USD (ok. 5,13 zł) za wejście i 3,96 USD (ok. 15,38 zł) za wyjście w szczycie.

Godziny szczytu w polskim czasie

DeepSeek wyznacza szczyt od poniedziałku do piątku w godzinach 01:00-04:00 i 06:00-10:00 UTC, z wyłączeniem chińskich świąt. Do 25 października 2026 roku, gdy w Polsce obowiązuje czas letni, oznacza to 03:00-06:00 i 08:00-12:00. Po zmianie czasu szczyt przypada na 02:00-05:00 i 07:00-11:00.

Dla polskiej firmy wniosek jest praktyczny. Przedpołudnie w dni robocze to najdroższa pora. Zadania wsadowe, na przykład nocne przetwarzanie dokumentów czy generowanie opisów produktów, wystarczy uruchomić po południu lub w weekend, by płacić połowę stawki.

Scenariusz kosztów dla polskiego sklepu internetowego

Przykładowy sklep co miesiąc przetwarza 50 mln tokenów wejściowych bez pamięci podręcznej i generuje 10 mln tokenów odpowiedzi, np. opisy produktów i odpowiedzi na pytania klientów. W godzinach szczytu kosztowałoby to 27 USD, czyli ok. 105 zł miesięcznie bez VAT. Ta sama praca poza szczytem to 13,50 USD, czyli ok. 52 zł. Jeśli wersja 1017 rzeczywiście pisze krótsze odpowiedzi, koszt części wyjściowej może być niższy.

Przy takich kwotach o wyborze modelu częściej decydują jakość po polsku, ochrona danych i stabilność usługi niż sama cena. Opłata za tokeny to tylko część kosztu, bo dochodzą praca nad integracją, kontrola wyników i obsługa błędów.

Architektura i otwarte wagi

Model zbudowano w architekturze MoE (mixture of experts), w której przy każdym zapytaniu pracuje tylko część parametrów. Wrześniowa wersja ma 552 mld parametrów, z czego 8 mld jest aktywnych przy przetwarzaniu wejścia i 16 mld przy generowaniu odpowiedzi. Obsługuje obraz i tekst, tryb rozumowania, odpowiedzi w formacie JSON i wywoływanie narzędzi, a okno kontekstu wynosi 1 mln tokenów.

Wagi są dostępne na licencji MIT, co pozwala uruchomić model na własnych serwerach, np. przez vLLM lub SGLang. Przy tej skali wymaga to jednak poważnej infrastruktury GPU. Karta wersji 1017 zaleca ustawienie limitu odpowiedzi na co najmniej 256 tys. tokenów.

Ryzyka, RODO i znaczenie dla firm w Polsce

Najważniejsze ograniczenie dotyczy danych. Polityka prywatności DeepSeek, zaktualizowana 10 lutego 2026 roku, mówi wprost, że firma zbiera, przetwarza i przechowuje dane osobowe w Chińskiej Republice Ludowej. Polityka ma osobną część dla EOG i wskazuje przedstawiciela w UE, firmę Prighter Group, ale przekazywanie danych do Chin wymaga od polskiej firmy własnej oceny prawnej.

W ocenie redakcji dailyAI firmy z UE mają trzy realne ścieżki. Pierwsza to API DeepSeek do danych, które nie zawierają informacji osobowych ani tajemnic handlowych. Druga to otwarte wagi uruchomione na własnej infrastrukturze lub u dostawcy chmury w UE, co eliminuje przesył do Chin. Trzecia to rezygnacja z modelu w procesach z danymi klientów. Nowe API Search i Fetch to kolejny kanał, którym treść zapytań trafia do DeepSeek, więc warto objąć je tą samą oceną.

Aktualizacja z 17 października pokazuje też ryzyko techniczne. Model pod nazwą deepseek-flash zmienił się bez zmiany nazwy, więc odpowiedzi aplikacji mogą wyglądać inaczej niż tydzień wcześniej. Zespoły, które wymagają powtarzalnych wyników, powinny po każdej takiej zmianie uruchomić własne testy regresji.