Chińska firma DeepSeek wypuściła w kwietniu nowy model V4 z oknem kontekstu 1 miliona tokenów i cennikiem, który po prostu rozwala konkurencję. Dla porównania: Claude Sonnet 4.6 kosztuje 3 dolary za milion tokenów wejściowych, GPT-4o około 2,50 dolara, a DeepSeek-V4 schodzi do 0,27 dolara. To nie jest 30% taniej. To jest dziesięć razy taniej.
Dla polskiej firmy, która rozważała wdrożenie AI ale odbijała się od kosztów API, ta zmiana zmienia kalkulację od podstaw. Projekt, który miał kosztować 8 tysięcy złotych miesięcznie na przetwarzanie dokumentów, nagle mieści się w 800 złotych. A do tego dochodzi okno kontekstu, które pozwala wrzucić cały regulamin firmy, bazę FAQ i historię klienta w jednym zapytaniu, bez kombinowania z RAG i wektorami.
W tym tekście pokażę, co konkretnie umożliwia DeepSeek-V4, gdzie ma sens dla polskich małych i średnich firm, a gdzie nadal trzeba sięgnąć po Claude'a albo GPT.
Co właściwie daje 1 milion tokenów kontekstu
1 milion tokenów to mniej więcej 750 tysięcy słów po polsku. Dla wyobrażenia: cała trylogia "Władcy Pierścieni" ma około 480 tysięcy słów. Można więc wrzucić do modelu w jednym zapytaniu kompletną dokumentację techniczną produktu, regulamin świadczenia usług, RODO procedury i historię korespondencji z klientem za ostatnie dwa lata. Wszystko naraz, bez dzielenia, bez wektorów, bez RAG.
W praktyce wygląda to tak. Firma księgowa z Wrocławia, z którą rozmawiałem w marcu, ma 200 klientów i każdy z nich generuje miesięcznie 30-50 dokumentów. Do tej pory używali Claude'a do klasyfikacji faktur, ale za każdym razem trzeba było ładować kontekst (kategorie KSeF, lista kontrahentów, mapowanie kont). Z DeepSeek-V4 wrzucają cały Plan Kont, KATALOG_PRODUKTOW.json i 50 ostatnich faktur klienta jako kontekst, a model klasyfikuje wszystko z dokładnością 94% (na ich danych testowych). Koszt operacji spadł z 1200 zł miesięcznie do 130 zł.
Drugi przykład: kancelaria prawna z Poznania używa DeepSeek-V4 do analizy umów. Wcześniej konsultant Junior musiał ręcznie sprawdzać czy w nowej umowie nie ma niezgodności z 15 wewnętrznymi standardami kancelarii. Teraz wrzuca umowę plus wszystkie standardy w jednym zapytaniu i dostaje raport rozbieżności w 30 sekund. Czas pracy junior associate spadł z 2 godzin na umowę do 15 minut weryfikacji raportu.
Gdzie DeepSeek-V4 ma sens, a gdzie nie
Trzeba uczciwie powiedzieć: DeepSeek nie jest lepszy od Claude'a we wszystkim. Na benchmarkach kodowania (HumanEval, SWE-Bench) Claude Sonnet 4.6 nadal wygrywa o 8-12 punktów procentowych. Jeśli budujesz narzędzie deweloperskie, które ma generować kod produkcyjny, zostań przy Claude. Jeśli przetwarzasz dokumenty biznesowe, klasyfikujesz wiadomości albo odpowiadasz klientom, DeepSeek wystarczy w 95% przypadków.
Konkretne scenariusze, gdzie DeepSeek-V4 sprawdza się świetnie w polskich firmach:
- Przetwarzanie faktur i dokumentów księgowych: klasyfikacja, ekstrakcja kwot, dopasowanie do kontrahentów. Ogromne wolumeny przy minimalnym koszcie
- Obsługa klienta przez chatbota: cała baza wiedzy w kontekście, brak halucynacji o produktach, których firma nie sprzedaje
- Analiza długich dokumentów prawnych: umowy, regulaminy, korespondencja sądowa. 1M kontekstu obejmuje nawet najdłuższe sprawy
- Generowanie raportów z danych firmowych: wrzucasz CSV z 50 tysiącami wierszy plus pytanie biznesowe, dostajesz analizę
- Tłumaczenia techniczne: spójność terminologiczna w długich dokumentach, bo cały glosariusz jest w kontekście
Gdzie zostać przy Claude lub GPT:
- Generowanie kodu produkcyjnego: różnica jakości jest realna i kosztuje czas debugowania
- Zaawansowane rozumowanie matematyczne i logiczne: planowanie wieloetapowych obiegów pracy
- Wrażliwe dane osobowe: DeepSeek przetwarza dane na serwerach w Chinach, co wyklucza zastosowania pod RODO bez umowy DPA i analizy ryzyka transferu poza EOG
Praktyczna konfiguracja: jak zacząć w polskiej firmie
Konfiguracja DeepSeek-V4 jest prostsza niż się wydaje, ponieważ API jest kompatybilne ze standardem OpenAI. To znaczy, że jeśli już używasz biblioteki OpenAI w Pythonie czy JavaScripcie, wystarczy zmienić dwa parametry: base_url i klucz API. Cały istniejący kod działa bez modyfikacji.
Oto minimalny przykład w Pythonie:
1. Rejestracja konta na platform.deepseek.com: weryfikacja przez email lub numer telefonu. Pierwsze 5 dolarów dostajesz za darmo, co przy cenach DeepSeek wystarczy na przetestowanie 18 milionów tokenów wejściowych.
2. Wygenerowanie klucza API: w panelu, sekcja API Keys. Klucz zaczyna się od "sk-". Trzymaj go w zmiennej środowiskowej, nigdy w kodzie.
3. Użycie biblioteki OpenAI z innym base_url: zmieniasz tylko endpoint na "https://api.deepseek.com/v1" i model na "deepseek-chat". Reszta kodu identyczna.
4. Ustawienie limitów wydatków: w panelu DeepSeek można ustawić miesięczny limit wydatków, po przekroczeniu którego klucz przestaje działać. Polecam ustawić na początek 50 dolarów. To realnie pokrywa intensywne testy w średniej firmie przez miesiąc.
Dla firm, które nie chcą wysyłać danych do Chin, jest opcja samodzielnego wdrożenia. DeepSeek-V4 jest dostępny na licencji open-source (MIT) i można go uruchomić lokalnie na infrastrukturze z 8 kartami H100. Koszt sprzętu to około 250 tysięcy dolarów, więc opłacalne tylko przy bardzo dużych wolumenach. Alternatywnie polscy dostawcy infrastruktury jak e24cloud czy Atman oferują serwery z GPU na godziny, gdzie godzina pracy 8x H100 kosztuje około 30 dolarów.
Ograniczenia i ryzyka, o których trzeba wiedzieć
Trzeba być uczciwym wobec ograniczeń. Po pierwsze, DeepSeek jest firmą chińską i podlega chińskim regulacjom dotyczącym treści. Model odmawia odpowiedzi na pytania politycznie wrażliwe dla CCP (Tian'anmen, Tajwan, Sinkiang). Dla większości zastosowań biznesowych to nie ma znaczenia, ale warto wiedzieć.
Po drugie, jakość polszczyzny. DeepSeek-V4 radzi sobie dobrze z polskim, ale nie tak dobrze jak Claude Sonnet 4.6. W moich testach na 50 zapytaniach biznesowych DeepSeek miał 8 błędów gramatycznych (nieprawidłowa odmiana, kalka z angielskiego), Claude miał 2. Dla maili do klientów dodałbym warstwę weryfikacji albo zostałbym przy Claude. Dla wewnętrznych raportów i przetwarzania dokumentów różnica jest pomijalna.
Po trzecie, bezpieczeństwo danych. API DeepSeek wysyła dane na serwery w Chinach. Dla danych objętych RODO oznacza to konieczność umowy powierzenia przetwarzania i analizy transferu poza EOG. W praktyce dla wielu polskich firm to wykluczające. Rozwiązaniem jest własne wdrożenie albo użycie pośrednika takiego jak Together AI lub Fireworks, którzy hostują DeepSeek-V4 na serwerach w UE i USA.
Podsumowanie
DeepSeek-V4 to nie kolejny model AI. To zmiana ekonomii wdrażania AI w małych i średnich firmach. Przy cenach 10x niższych od konkurencji i oknie kontekstu 1M tokenów, scenariusze biznesowe, które wcześniej były nieopłacalne, nagle stają się rentowne. Klasyfikacja każdej faktury, analiza każdego maila klienta, podsumowanie każdej rozmowy sprzedażowej, to wszystko mieści się teraz w budżecie 200-500 zł miesięcznie dla średniej firmy.
Moja rekomendacja: jeśli już używasz Claude'a albo GPT do przetwarzania dokumentów wewnętrznych, przetestuj DeepSeek-V4 na próbce 100-200 zapytań i porównaj jakość. W większości przypadków odkryjesz, że różnica jakości nie uzasadnia różnicy kosztów. Dla zastosowań krytycznych (kod, dane RODO, komunikacja zewnętrzna) zostań przy sprawdzonych modelach. Dyscyplina w wyborze narzędzia do zadania to dziś główna kompetencja, która odróżnia firmy świadomie wdrażające AI od tych, które przepalają budżet na hype.
Źródło: DeepSeek-V4 Release Notes