W piątek 31 lipca chiński DeepSeek wypuścił oficjalną wersję modelu V4-Flash, wyspecjalizowanego w programowaniu i pracy agentowej. Za milion tokenów wyjściowych liczy sobie około 28 centów, czyli mniej więcej setną część tego, co za porównywalne zadanie płaci się w Claude Opus 4.8.
Kluczowe fakty:
- DeepSeek wydał 31 lipca model V4-Flash wyspecjalizowany w programowaniu i pracy agentowej, w cenie około 28 centów za milion tokenów wyjściowych – to około setna część ceny porównywalnych zadań w Claude Opus 4.8.
- Nowy model nie wprowadza zmian w architekturze – to ta sama konstrukcja co kwietniowa wersja zapoznawcza (284 miliardów parametrów, 13 miliardów aktywnych, okno kontekstowe 1 mln tokenów), a wzrost wydajności pochodzi wyłącznie z ponownego treningu końcowego.
- DeepSeek V4-Flash uzyskał m.in. wynik 82,7 na Terminal-Bench 2.1 i 54,4 na DeepSWE, a firma twierdzi, że w zadaniach agentowych model wyprzedza znacznie większą wersję V4-Pro-Preview.
Ta jedna liczba mówi o rynku modeli więcej niż wszystkie lipcowe konferencje razem wzięte. Inteligencja maszynowa, w którą amerykańskie firmy wpompowały setki miliardów dolarów, tanieje z tygodnia na tydzień. Wyniki nowego modelu na crowdsourcingowej tablicy Areny dla programowania front-endowego można sprawdzić w ich wpisie, gdzie V4-Flash zadebiutował przed Opusem 4.8.
Exciting news: DeepSeek-V4-Flash-High by @deepseek_ai has reshaped the Pareto Frontier in the Frontend Code Arena, with a score of 1586!
Priced at $0.14/$0.28 per MToken, it’s the best performance-per-dollar of any model in its class.
Congrats to the @deepseek_ai team! https://t.co/M22NLERwPA pic.twitter.com/ca5xx9hYGV
— Arena.ai (@arena) August 1, 2026
Znajdź dostawcę, partnera lub narzędzie dla swojego biznesu, a jeśli prowadzisz firmę, która w swoim DNA ma AI, skorzystaj z możliwości bezpłatnego dodania swojej firmy.
Ten sam model, inny trening
Najciekawsze w tej premierze jest to, czego w niej nie ma. DeepSeek nie zmienił architektury ani rozmiaru modelu. Build oznaczony jako 0731 to ta sama konstrukcja co kwietniowa wersja zapoznawcza: mieszanka ekspertów o 284 miliardach parametrów, z których aktywnych jest 13 miliardów, plus okno kontekstowe o długości miliona tokenów. Cały skok wydajności pochodzi z ponownego treningu końcowego.
Firma podała wyniki, które przy takim założeniu wyglądają zaskakująco: 82,7 na Terminal-Bench 2.1, 54,4 na DeepSWE, 70,3 na zweryfikowanej wersji Toolathlon i 76,7 na Cybergym. DeepSeek twierdzi, że w zadaniach agentowych nowy Flash wyprzedza własną, znacznie większą wersję V4-Pro-Preview. Część testów przeprowadzono jednak na wewnętrznych zbiorach danych i we frameworku, którego jeszcze nie opublikowano, więc do tych liczb podchodzę z rezerwą.
Model dostał natywne wsparcie dla formatu Responses API i został przystosowany do pracy z Codexem. Deweloperzy nie muszą nic zmieniać: wywołanie deepseek-v4-flash automatycznie trafia teraz do wersji 0731. Oficjalna premiera V4-Pro dopiero przed nami.
Cały lipiec pod znakiem obniżek
Premiera DeepSeeka domyka miesiąc, w którym niemal każdy duży dostawca ruszył z ceną w dół:
- OpenAI obcięło 30 lipca cenę GPT-5.6 Luna o 80 procent, z 1 na 0,20 dolara za milion tokenów wejściowych i z 6 na 1,20 dolara za wyjściowe. Model miał wtedy dwadzieścia jeden dni. Terra staniała o 20 procent, flagowy Sol został przy 5 i 30 dolarach.
- Google pokazało trzy nowe modele Gemini z rodziny „flash”, nastawione wyłącznie na wydajność kosztową.
- SpaceXAI wypuściło Groka 4.5 w cenie, jaką OpenAI liczyło za Lunę przed obniżką.
- Meta po latach otwartych wag wróciła do modelu zamkniętego, wprowadzając Muse Spark 1.1 z agresywnym cennikiem dla deweloperów.
OpenAI tłumaczy obniżkę oszczędnościami na infrastrukturze, w tym tym, że GPT-5.6 sam przepisał i zoptymalizował część kodu odpowiedzialnego za wnioskowanie w produkcji. To wyjaśnienie jest prawdziwe i niepełne. Firmy oddają klientom oszczędności wtedy, gdy mają powód. Powód w tym przypadku siedzi wiersz niżej w każdej tabeli cenowej.
Chcesz czytać więcej treści związanych z AI?
Dodaj AIPORT.pl do preferowanych źródeł Google
46 procent tokenów płynie już do Chin
Skala przesunięcia jest łatwa do zmierzenia. Według badania CNBC z 7 lipca chińskie modele odpowiadały na platformie OpenRouter za ponad 30 procent tokenów zużywanych przez amerykańskie firmy w każdym tygodniu od 8 lutego, a w szczycie za 46 procent. Średnia z poprzednich dwunastu miesięcy wynosiła 11 procent. W pierwszej połowie 2025 roku było to 4,5 procent.
W rozbiciu na dostawców DeepSeek jest największym pojedynczym graczem na OpenRouterze z 17,6 procent kierowanego ruchu, co daje 5,13 biliona tokenów tygodniowo. Qwen od Alibaby ma 13,9 procent. Anthropic, największy dostawca amerykański, zbiera 14,8 procent wolumenu, ale ponad połowę wydatków platformy, bo jego modele są wielokrotnie droższe. Wersja zapoznawcza V4-Flash przez siedem tygodni z rzędu była tam najczęściej używanym modelem w ogóle.
Patrzę na te liczby i widzę dwa procesy naraz, które łatwo pomylić. Pierwszy jest dobry dla każdego, kto płaci za tokeny: konkurencja robi dokładnie to, co powinna, i sprowadza cenę do poziomu kosztów. Drugi jest trudniejszy. Jeśli różnica jakości między modelem za 28 centów a modelem za 25 dolarów rzeczywiście topnieje, to zaczynamy pytać, kto sfinansuje następną generację. Trenowanie modeli pochłania dziesiątki miliardów, a przewaga z tego wynikająca trzyma się kilka tygodni. Nie mam pewności, czy ten model biznesowy się domyka, i nie widzę, żeby ktokolwiek na rynku miał tę pewność. Osobno stawiam pytanie, na które w Polsce odpowiadamy zbyt pobieżnie: taniej znaczy taniej, ale gdzie fizycznie przetwarzane są dane wysyłane do modelu z Hangzhou i jak wygląda ta odpowiedź w zestawieniu z AI Act oraz RODO. Cena jest widoczna od razu. Rachunek za zgodność przychodzi później.
Piotr Wolniewicz, Redaktor Naczelny AIPORT.pl
Anthropic nie schodzi z ceny
W tym całym pochodzie w dół jedna firma stoi w miejscu. Anthropic trzyma najwyższą półkę swoich modeli Claude przy dotychczasowym cenniku i stawia na to, że deweloperzy dopłacą za bezpieczeństwo i precyzję. Strategia ma pokrycie w danych o przychodach, choć wolumenowo firma przegrywa.
Pytanie brzmi, jak długo taka pozycja jest do obrony. Zack Kass, były szef działu wprowadzania produktów na rynek w OpenAI, dziś doradca do spraw AI, opisuje zjawisko, które nazywa malejącymi zwrotami z modeli.
„W pewnym momencie kolejny model przestaje mieć dla ciebie znaczenie” / „At some point, the next model doesn’t matter to you”
Vinesh Sukumar, wiceprezes Qualcomma odpowiedzialny za produkty AI, wskazał w rozmowie z Axios kierunek, w którym to prowadzi: inteligentne routery, czyli warstwa, która sama dobiera model do zadania na podstawie możliwości, szybkości i ceny. Taka warstwa odbiera pojedynczemu dostawcy zdolność do dyktowania stawek. Sam Altman odpowiada na to wprost, licząc na skalę zamiast marży.
„Będziemy mieli tak duże wykorzystanie naszych modeli, że nie musimy być biznesem o gigantycznie wysokiej marży, żeby stać nas było na trenowanie modeli” / „We will have so much usage of our models that we do not need to be a gigantically high-margin business to be able to afford model training”
Co to oznacza dla polskich firm?
Polski rynek dopiero teraz wchodzi w fazę, w której koszt tokena zaczyna być pozycją w budżecie, a nie ciekawostką. Z lipcowego Szybkiego Monitoringu NBP wynika, że narzędzia AI wykorzystuje już 42 procent przedsiębiorstw, wobec 14 procent pod koniec 2024 roku. W usługach jest to 46 procent, w budownictwie i handlu po 38 procent. Wśród dużych firm odsetek sięga 59 procent, wśród mikro i małych 28 procent.
To oznacza, że setki polskich zespołów podejmują teraz decyzje o wyborze dostawcy, i podejmują je w momencie, w którym cennik zmienia się co dwa tygodnie. Kilka rzeczy wynika z tego wprost:
- Budżet na API rozpisany w maju jest dziś nieaktualny. Luna kosztuje jedną piątą poprzedniej ceny, a modele chińskie potrafią być kilkadziesiąt razy tańsze od zachodnich odpowiedników.
- Przywiązanie do jednego dostawcy stało się kosztowne. Warstwa pośrednicząca, która pozwala przełączyć model bez przepisywania aplikacji, zwraca się dziś szybciej niż rok temu.
- Nie każde zadanie potrzebuje najlepszego modelu. Klasyfikacja dokumentów, streszczenia i ekstrakcja danych działają dobrze na tanim modelu, a droższy zostaje do zadań, gdzie błąd realnie kosztuje.
- Zgodność z AI Act i RODO trzeba policzyć osobno. Model o otwartych wagach można uruchomić na własnej infrastrukturze w Europejskim Obszarze Gospodarczym, ale wysyłanie danych do chińskiego API to zupełnie inna sytuacja prawna.
Ostatni punkt jest w polskich realiach najważniejszy, a bywa pomijany. Od 2 sierpnia 2026 roku egzekwowana jest większość przepisów AI Act, w tym obowiązki dotyczące przejrzystości. Firma, która nie wie, dokąd trafiają jej dane, nie wykaże zgodności niezależnie od tego, ile zaoszczędziła na tokenach.
Za każdą polską firmą AI stoi konkretny człowiek z imieniem i nazwiskiem, często ten sam w kilku miejscach naraz, i to właśnie ludzie, nie tabelki finansowania, są prawdziwym bohaterem tego artykułu.
Ktoś musi udowodnić, że tanie da się utrzymać
Stany Zjednoczone i Chiny ścigają się dziś o to samo: żeby inteligencja maszynowa była powszechna i tania. Ten cel jest realizowany na naszych oczach i akurat w tej sprawie nie mam wątpliwości.
Otwarte pozostaje pytanie, kto na tym zarobi. Bo obfitość, za którą nikt nie chce płacić powyżej kosztu wytworzenia, potrafi wykończyć producenta szybciej niż brak popytu.
Źródła i metodologia
Artykuł powstał na podstawie analizy redakcji AIPORT.pl oraz dodatkowych źródeł, w tym oficjalnego dziennika zmian API DeepSeek z dnia 31.07.2026 oraz materiału Axios z dnia 01.08.2026. Wykorzystano również doniesienia CNBC dotyczące obniżek cen GPT-5.6 oraz udziału chińskich modeli w ruchu OpenRouter, materiały VentureBeat, Caixin Global, MarkTechPost i Digital Watch Observatory, a w części dotyczącej polskiego rynku dane z badania NBP „Szybki Monitoring analiza sytuacji sektora przedsiębiorstw”, omówione między innymi przez pulsHR, wnp.pl i wGospodarce.pl. Cytaty Zacka Kassa, byłego szefa działu wprowadzania produktów na rynek w OpenAI, oraz Sama Altmana, prezesa OpenAI, zostały zweryfikowane z oryginalnym anglojęzycznym materiałem źródłowym. Komentarz redakcyjny i ocena kontekstu branżowego: Piotr Wolniewicz, Redaktor Naczelny AIPORT.pl. Artykuł będzie aktualizowany w miarę pojawiania się nowych informacji o wojnie cenowej na rynku modeli językowych i o premierze DeepSeek V4-Pro.
