DeepSeek V4.1 Flash na licencji MIT. Co zmienia

Od 10 września na HuggingFace leży komplet wag nowego modelu DeepSeeka, do pobrania bez wniosku o dostęp. Trzy dni później licznik pobrań pokazywał ponad 244 tysiące. Producent nazwał wydanie DeepSeek V4.1 Flash, a podtytuł karty modelu mówi o przesuwaniu granic kompresji cache’u. Wygląda to na sprawę wyłącznie dla inżynierów. W praktyce dotyczy każdego, kto płaci za przetworzone tokeny albo rozważa postawienie modelu u siebie. Poniżej jest to, co deklaruje karta modelu, oraz to, czego w niej nie ma.

Czym jest DeepSeek V4.1 Flash, od kiedy i na jakiej licencji

Jest to duży model multimodalny w architekturze mieszanki ekspertów. Wydano go 10 września 2026 na licencji MIT, obejmującej zarówno repozytorium, jak i same wagi. Przyjmuje obrazy i tekst, generuje tekst. Wagi są otwarte do pobrania bez procedury zatwierdzania, co odróżnia go od modeli wydawanych za formularzem. Pod koniec września ten model pracował też po stronie napastnika: według CrowdStrike DeepSeek v4.1-flash był głównym modelem narzędzia ARTEX w atakach na koreańskie banki.

Z deklaracji zapisanych w karcie modelu: szkielet ma 552 mld parametrów. Na jeden token aktywuje jednak 8 mld przy wstępnym przetwarzaniu i 16 mld przy generowaniu. Okno kontekstu sięga miliona tokenów. Warstwa mieszanki ekspertów ma jednego eksperta współdzielonego i 384 kierowanych, z czego na token pracuje sześć. Model trenowano od zera na korpusie 45 bln tokenów.

Milion tokenów brzmi abstrakcyjnie, więc warto to przełożyć. Tyle mieści mniej więcej kilka tysięcy stron tekstu albo spore repozytorium kodu razem z historią zmian. Karta opisuje też, skąd się to wzięło. Rzadką uwagę trenowano przy długości 64 tysięcy tokenów, a okno rozciągnięto do miliona dopiero po 34 bilionach tokenów treningu.

Jedna rzecz z karty przydaje się od razu w pracy. Model ma sterowany wysiłek rozumowania w skali od 1 do 100. Jest to suwak, na którym wymienia się koszt na dokładność. Kto pracował z ustawieniami głębokości rozumowania w narzędziach Anthropic albo OpenAI, zna ten kompromis.

Co daje czterokrotnie mniejszy cache

Tu siedzi cały sens tego wydania i warto zacząć od tego, czym jest cache KV. Model generujący odpowiedź musi pamiętać, co już przeczytał i napisał. Trzyma to w pamięci karty graficznej, a zajętość rośnie razem z długością rozmowy. Przy oknie liczonym w milionach tokenów ta pamięć staje się głównym ograniczeniem sprzętowym i głównym składnikiem rachunku.

Producent deklaruje 890 bajtów na token globalnego cache’u, czyli około jednej czwartej tego, co poprzednik V4-Flash. Osobno podaje, że trwały ślad cache’u spadł do jednej ósmej poprzedniej wartości, dzięki mechanizmowi odtwarzającemu brakujące stany zamiast zapisywać je na dysku. Są to dwie różne liczby dla dwóch różnych rzeczy i w relacjach bywają zlewane w jedną.

Praktyczne skutki są trzy. Na tej samej karcie graficznej mieści się dłuższa rozmowa albo więcej rozmów naraz. Koszt obsługi długiego kontekstu po stronie dostawcy powinien spaść, bo składa się na niego w dużej mierze właśnie ta pamięć. Karta modelu nie podaje jednak żadnego cennika, więc o przełożeniu tej oszczędności na cenę dla klienta nie wiadomo nic. Trzeci skutek dotyczy pracy agentowej, w której model wielokrotnie czyta duże pliki i dzienniki. Producent wprost pisze, że architektura celuje w zadania z dużą ilością wejścia.

Wyniki z karty modelu i miejsce, w którym się sypią

Wszystkie liczby poniżej to pomiar własny DeepSeeka, wykonany w środowisku uruchomieniowym producenta, przy maksymalnym ustawieniu wysiłku rozumowania. Niezależnego testu nie znaleźliśmy i sami modelu nie sprawdzaliśmy.

Najciekawszy jest rozjazd wewnątrz jednej rodziny testów. Na Terminal-Bench w wersji 2.1 model wygrywa z obydwoma odpowiednikami. Na wersjach 3.0 i 4.0 tego samego testu przegrywa z Opusem o kilkanaście punktów. Producent te przegrane opublikował sam, w tej samej tabeli, i to jest argument za tym, żeby tabeli zaufać.

Wniosek dla czytelnika jest prosty. Każda relacja, która bierze z tej karty wyłącznie Terminal-Bench 2.1 i ogłasza wyprzedzenie modeli czołowych, opisuje co innego niż dokument producenta. W sierpniu pisaliśmy o cichej podmianie modelu DeepSeeka bez ogłoszenia i to samo ostrzeżenie obowiązuje tutaj: liczby sprawdzaj w karcie, nie w nagłówku.

Ten sam model, osiem wyników

W karcie jest jeszcze jedna tabela, którą warto obejrzeć przed decyzją o wdrożeniu. Producent przepuścił ten sam model przez osiem różnych środowisk agentowych i zmierzył go w każdym osobno. Warunki były identyczne: kontenery z Linuksem, okno kontekstu miliona tokenów, limit 500 kroków na zadanie.

Wyniki na teście DeepSWE rozjeżdżają się od 65,5 do 74,2 punktu. Najwyżej wypada środowisko minimalistyczne oraz własne narzędzie producenta. Claude Code osiągnął 69,8 punktu, czyli środek zestawienia. Pi i Codex znalazły się blisko dołu, z wynikami 66,2 i 65,6.

Ta rozpiętość jest większa niż różnica, o którą spierają się nagłówki. W tabeli porównawczej model wyprzedza Opusa na tym teście o dwie dziesiąte punktu. Sam wybór środowiska zmienił tymczasem wynik tego samego modelu o 8,7 punktu.

Wniosku o tym, co waży więcej, z tej tabeli jednak nie da się wyciągnąć. Producent mierzył wyłącznie własny model w różnych środowiskach, a nie różne modele w tym samym środowisku. O tym, jak zachowa się tam konkurencja, karta nie mówi nic. Praktyczna wskazówka jest za to jednoznaczna: wynik przeczytany z jednego zestawienia mówi tyle, ile mówi obudowa, w której go zmierzono.

Co trzeba mieć, żeby uruchomić go u siebie

Otwarta licencja nie znaczy, że model zmieści się na laptopie. Szkielet o 552 mld parametrów wymaga wielokartowego serwera albo klastra, a nie pojedynczej karty w domowym komputerze. Repozytorium ma 88 plików i zawiera osobny katalog z instrukcją konwersji wag oraz uruchomienia wnioskowania lokalnie. Znaczniki repozytorium wymieniają przy tym formaty FP8 i ośmiobitowy, czyli wersje wag zajmujące mniej pamięci niż pełna precyzja.

Dwie rzeczy warto wiedzieć przed pierwszą próbą. Wydanie nie zawiera szablonu rozmowy w formacie Jinja, więc format zapytania trzeba złożyć samemu. Producent daje na to dwie drogi. Pierwsza to referencyjna implementacja w Pythonie z testami. Druga to zestaw bibliotek w języku Rust z wiązaniami do Pythona, które zamieniają żądania w gotowy format i rozkładają odpowiedź modelu z powrotem na części.

Dla większości zespołów sensowniejszą drogą pozostaje interfejs programistyczny dostawcy. Otwarte wagi mają wtedy inną wartość, mniej oczywistą. Dają punkt odniesienia dla wyceny, bo model o zbliżonych możliwościach da się w razie potrzeby postawić gdzie indziej. Jest to argument przy rozmowie o stawkach, nawet jeżeli nikt ostatecznie z tej drogi nie skorzysta. Podobny wątek wracał przy otwartych wagach modelu Tencenta.

Pierwsza Misja AI · Kodożercy

AI bez technikaliów – kurs i certyfikat

Pierwsza Misja AI to kurs Kodożerców dla absolutnych początkujących. Fabuła w konwencji science fiction, gamifikacja, ćwiczenia na żywym modelu, certyfikat na koniec.

Zacznij Pierwszą Misję →

Najczęstsze pytania

Czy licencja MIT znaczy, że mogę użyć tego modelu komercyjnie?

Karta modelu podaje MIT dla repozytorium i dla wag, a jest to jedna z najbardziej liberalnych licencji otwartego oprogramowania. Praktycznie oznacza to swobodę użycia, modyfikacji i odsprzedaży, przy zachowaniu noty licencyjnej. Osobną sprawą pozostaje zgodność z prawem miejsca, w którym działasz, bo europejski akt o sztucznej inteligencji nakłada obowiązki na dostawcę systemu niezależnie od licencji modelu. Warto też pamiętać o kwestii, którą opisywaliśmy przy ostrzeżeniu trzech amerykańskich agencji w sprawie pochodzenia zdolności chińskich modeli.

Skąd wiadomo, że podane wyniki są prawdziwe?

Nie wiadomo i tak też je opisujemy. Są to deklaracje producenta z karty modelu, zmierzone w jego własnym środowisku uruchomieniowym. Za ich wiarygodnością przemawia jedno: w tej samej tabeli znalazły się wyniki, w których model wypada wyraźnie gorzej od odpowiedników, a takich liczb nikt nie publikuje dla ozdoby. Rozstrzygnięcie przyniosą dopiero niezależne testy i to na nie warto poczekać przed decyzją o wdrożeniu.

{ agenci AI }

Agent AI, który pracuje na danych Twojej firmy

Budujemy agentów, którzy odpowiadają klientom, czytają dokumenty i przygotowują raporty, podłączonych do Waszych systemów. Zaczynamy od jednego procesu i sprawdzamy efekt, zanim pójdziemy dalej.

Sprawdź, jak wdrażamy agentów → Software house, który prowadzi ten blog

Podsumowanie

Premiera z 10 września daje do pobrania komplet wag dużego modelu multimodalnego na licencji MIT, bez wniosku o dostęp. Producent deklaruje 552 mld parametrów szkieletu, 8 i 16 mld aktywowanych na token, milion tokenów kontekstu oraz 890 bajtów cache’u na token, czyli mniej więcej czwartą część tego, co w poprzedniej wersji. Ta ostatnia liczba jest najważniejsza dla rachunku, bo pamięć na kontekst decyduje o koszcie długich rozmów i o tym, ile ich zmieści się na jednej karcie. Wyniki testów pochodzą wyłącznie z pomiarów producenta i wyglądają nierówno: na jednej wersji Terminal-Bench model wygrywa, na dwóch nowszych przegrywa o kilkanaście punktów. Zanim ktokolwiek wpisze ten model do planu wdrożenia, warto poczekać na pomiar zrobiony przez kogoś innego niż autor.

Mateusz Wojdalski

Specjalista SEO i content marketingu w Devstock. Zajmuję się strategią treści, automatyzacją procesów marketingowych i wdrożeniami AI w codziennej pracy. Badam nowe narzędzia, adaptuję je do realnych zadań i piszę o tym, co faktycznie działa.