SWE-2 Flash לעומת DeepSeek V4 Flash: לאחד יש מחירון, ולשני יש יחס

הדבר הראשון שמתפרק כששמים את SWE-2 Flash ואת DeepSeek V4 Flash זה לצד זה הוא יחידת המידה. DeepSeek מפרסמת דולרים למיליון טוקנים וצ'קפוינט שאפשר להוריד. Cognition מפרסמת שבר — חמישית מSWE-2 — ומושב בתוך Devin. אחד מאלה הוא מודל שאפשר לבנות עליו; האחר הוא מודל שאפשר להשתמש בו. כל השוואה שתבוא חייבת לעמוד באסימטריה הזו, ורוב ההשוואות שהסתובבו ביום ההשקה לא עשו זאת.

זו אינה סיבה לדלג על ההשוואה. היא הסיבה שההשוואה שווה עשייה בזהירות. שני המודלים מכוונים לאותו קונה — צוות שרוצה התנהגות תכנות קרובה לחזית בלי תמחור של חזית — והם מהמרים הימורים הפוכים לגבי האופן שבו הקונה הזה רוצה לקבל אותה. הימור אחד מפורק: משקלים, API, חלון הקשר מפורסם, וחשבון שאפשר לחזות מראש. ההימור האחר משולב: מודל שמכוונן לסביבת הרצה אחת, נמכר בשבריר מהעלות של מודל אחר, כאשר מחסנית ההגשה כלולה במספר.

מה כל אחד מהם באמת, ומלכודת נקודת הביקורת

SWE-2 Flash הוכרז ב-4 בנובמבר 2026. הוא עבר אימון-על (post-training) מתוך Inkling-Small, מודל ה-mixture של Thinking Machines עם 276B פרמטרים בסך הכול ו-12B פעילים, והוא פועל ב-Devin Desktop וב-Devin CLI. הוא חינמי שם עד 30 בנובמבר. אין API, אין משקלים ציבוריים, ואין חלון הקשר מפורסם.

DeepSeek V4 Flash הוא מודל תערובת (mixture) עם 284B פרמטרים בסך הכול וכ-13B פרמטרים פעילים, ברישיון MIT, עם חלון הקשר של 1M אסימונים ועד 384,000 אסימוני פלט. הוא מקבל טקסט בלבד; גרסת הראייה היא מזהה ניסיוני נפרד. הוא מוגש דרך API תואם OpenAI וניתן לפנות אליו מאז האביב, עם נקודת ביקורת 0731 שעברה אימון מחדש ואשר ביצעה את רוב העבודה בקידוד סוכני.

ואז המלכוד. עמוד הדגמים והתמחור של DeepSeek עצמה, שנקרא ב-5 בנובמבר 2026, מפרט את deepseek-v4-flash בין השמות הישנים שעדיין מתקבלים על ידי ה-API ואומר שהוא מוגש כעת על ידי DeepSeek-V4.1-Flash-1017. זהו דגם אחר וגדול יותר: טבלת ההשוואה של Cognition מציבה את V4.1 Flash 1017 על 763B סה"כ ו-16B פעילים. לכן "DeepSeek V4 Flash" מתפרש ללפחות שלושה דברים בהתאם למי שמדבר — גרסת אפריל, נקודת הביקורת 0731, או נקודת הביקורת של V4.1 מאוקטובר שאליה מצביע כעת המזהה. ב-OrcaRouter המזהים המוצמדים הם מסלולים נפרדים, וזו הסיבה היחידה שהשוואה בכלל יכולה להיות ניתנת לשחזור.

זו לא קפדנות יתר. זה משנה איזו שורת בנצ'מרק מותר לך לצטט. הנתונים בלוח התוצאות הציבורי עבור "DeepSeek V4 Flash" נמדדו במהדורת 0731. הטבלה של Cognition נמדדה על V4.1 Flash 1017. אלו לא אותו מודל, והמספרים שונים בהתאם.

המחיר, בשתי היחידות שכל ספק מפרסם בפועל

כרטיס התעריפים של DeepSeek הוא חשבון. לכל מיליון טוקנים במודל שאליו מפנה כעת המזהה deepseek-flash — DeepSeek-V4.1-Flash-1017, שאותו העמוד מציין במפורש — נכון ל-5 בנובמבר 2026: קלט ב-$0.15 מחוץ לשעות שיא וב-$0.30 בחלונות שיא, פלט ב-$0.60 מחוץ לשעות שיא וב-$1.20 בשיא, וקלט שמור במטמון ב-$0.003 וב-$0.006. שעות השיא הן 01:00 עד 04:00 ו-06:00 עד 10:00 UTC, בימי שני עד שישי, למעט חגים ציבוריים בסין. מחוץ לחלונות האלה חל התעריף הזול יותר.

הצ'קפוינט הישן יותר המוצמד מתומחר אחרת. הקטלוג של OrcaRouter מציע את deepseek/deepseek-v4-flash ב-$0.22 למיליון טוקני קלט וב-$0.66 למיליון פלט, תעריף אחיד ללא מדרגת שיא. זהו המחיר של יכולת שחזור: הצמידו את המודל משושלת אפריל במקום לפנות למודל הנוכחי, ותשלמו יותר — בתמורה למודל שעליו נמדדו בפועל רוב שורות הבנצ'מרק שפורסמו. אף אחת מהבחירות אינה שגויה; הן עונות על שאלות שונות.

הכרטיס של Cognition הוא השוואה. "חמישית מהמחיר ופי 3 מהמהירות של אחיו הגדול בהרבה" הוא כל ההצהרה הפומבית, בלי שום נתון מוחלט מצורף, ובנוסף חינם עד 30 בנובמבר. אין דרך לחשב כמה עולה משימה ב-SWE-2 Flash ממידע פומבי, משום שהמכנה הוא מודל שגם מחיר הטוקן שלו מעולם לא פורסם.

שתי השלכות נובעות מכך, ושתיהן מעשיות ולא דקדקניות.

• יכולת חיזוי — העלות של DeepSeek למיליון טוקנים ידועה עד האגורה, כולל מכפיל שעות השיא. העלות של SWE-2 Flash ידועה רק כחלק ממספר שלא פורסם, בתוך מנוי שאתם כבר משלמים עליו.

• הצעות מחיר אחידות מטעות — מסלול V4 Flash המוצמד הוא תעריף אחיד יחיד, בעוד שכרטיס המחירים הנוכחי של הספק הוא דו-שכבתי. לכן מספר אחיד שגוי עבור חלק מהשבוע, והוא מתאר צ'קפוינט שונה מזה שרוב שורות הבנצ'מרק מציינות. תכנן לפי כרטיס הספק; שחזר לפי המסלול המוצמד.

שניהם חשובים יותר מכפי שהם נראים. עבור סוכן שמבצע אלפי קריאות קצרות, מכפיל השיא הוא בעיית תזמון שאפשר לתכנן סביבה; עבור סוכן קידוד שמבצע קומץ הפעלות ארוכות, מדובר בשגיאת עיגול. העובדה לאיזה מהשניים אתה שייך קובעת אם הכרטיס של DeepSeek מציג שני מחירים או מחיר אחד.

מהירות: שידור חוזר כנגד מדידה

ה-200 טוקנים לשנייה של Cognition אינם מדידת זמן חיה. הפוסט מסביר זאת: הריצה של כל מודל בעצמו במשימת gsea-proteomics של Terminal-Bench 4.0, "משוחזרת במהירות מדומה של 200 לעומת 60 טוקנים לשנייה", כאשר התמלילים קוצרו לאורך שווה. ה-60 tok/s של SWE-2 מגיעים מאותו שחזור. הוא מתאר את פרופיל ההגשה ש-Cognition מכוונת אליו, שזה דבר לגיטימי לפרסם, אבל זה לא שעון עצר על שני נקודות קצה.

Artificial Analysis מודדת את DeepSeek V4 Flash ב-112 אסימוני פלט לשנייה בעמוד המודל הנוכחי שלה, עם זמן של 32.41 שניות עד לאסימון התשובה הראשון. זהו מדידה של API חי, כולל כל תור שהספק מייצר. שני המספרים אינם ברי השוואה, וחיסורם יהיה חסר משמעות: האחד הוא שיחזור מדומה בתוך מוצר, והאחר הוא קצב שירות נצפה דרך נקודת הקצה הציבורית.

מה ששורד את ההסתייגות הוא הכיוון. אם מודל עם 12B פרמטרים פעילים אכן מוגש בקצב של בערך 200 tok/s בתוך Devin, בעוד מודל עם 13B פרמטרים פעילים נמדד ב-112 tok/s ב-API ציבורי, המודל עם פחות פרמטרים פעילים אינו בהכרח המהיר יותר — מחסנית ההגשה עושה עבודה רבה כמו הארכיטקטורה. זו נקודה לזכות מוצרים משולבים ונגד הסקת מהירות ממספר פרמטרים.

הריצה היחידה על אותה טבלה, ומי הריץ אותה

טבלת ההשקה של Cognition כוללת את המודל של DeepSeek ישירות. העמודה היא DeepSeek V4.1 Flash 1017 — נקודת הצ'קפוינט שאליה ה-ID ‏deepseek-v4-flash מפנה כעת — מה שהופך זאת להשוואה היחידה בין השניים שנוצרה תחת קורת גג אחת. כל נתון להלן הוא של Cognition, על פי הבנצ'מרקים של Cognition, ללא חשיפת מערך ההרצה.

• FrontierCode 2.0 — SWE-2 Flash 24.0 לעומת DeepSeek V4.1 Flash 1017 19.3

• FrontierCode 1.1 Main — 45.5 לעומת 43.9

• DeepSWE 1.1 — 60.1 לעומת 77.0

Terminal-Bench 4.0 — 20.0 לעומת 42.3

• Terminal-Bench 2.1 — 89.2 לעומת 91.0

• SWE-Atlas QA — 50.0 לעומת 71.0

• SWE-Bench Pro v2 Hard — 89.9 לעומת 86.3

• ExploitBench — 34.8 לעומת 31.1

החלוקה היא לארבע שורות בכל צד, והפערים ממש לא סימטריים. SWE-2 Flash מנצח ב-FrontierCode 2.0 בפער של 4.7 נקודות, ב-FrontierCode 1.1 Main בפער של 1.6, ב-SWE-Bench Pro v2 Hard בפער של 3.6 וב-ExploitBench בפער של 3.7. DeepSeek מנצח ב-DeepSWE 1.1 בפער של 16.9, ב-Terminal-Bench 4.0 בפער של 22.3, ב-SWE-Atlas QA בפער של 21.0 וב-Terminal-Bench 2.1 בפער של 1.8. כל ניצחון של Flash הוא קומץ נקודות. שניים מהניצחונות של DeepSeek הם מעל עשרים.

אם תשקל את ההשוואה לפי פער ולא לפי מספר ניצחונות, היא מפסיקה להיות צמודה. ה-Flash תחרותי באמת ב-FrontierCode, שמתגמל פאץ' מוגבל מול מפרט כתוב, והוא רחוק מאחור ב-Terminal-Bench 4.0, שמודד סוכן טרמינל שמוביל משימה עד לסיומה. זו גם השורה שבה נפרדים שאר המתמודדים: GLM 5.3 Flash מקבל 41.8 באותו מבחן ו-Claude Haiku 5.5 מקבל 39.2, לעומת 20.0 של ה-Flash.

כעת ההסתייגויות שחייבות להיאמר באותה נשימה. זו טבלה של מתחרה. FrontierCode הוא הכלי של Cognition עצמה, ו-Cognition היא זו שמדרגת אותו. הפוסט אינו חושף איזו תשתית הרצה (harness), איזו הגדרת מאמץ ולא כמה ריצות בוצעו, ולכן "אותה טבלה" אינה שקולה ל"אותם תנאים" — זו המתודולוגיה של ספק אחד כשהיא מיושמת באופן אחיד, וזה טוב מלא כלום ורע מבדיקה עצמאית. והעמודה של DeepSeek היא V4.1 Flash 1017, ולא גרסת 0731 שרוב המספרים הפומביים מתארים.

יש בדיקת שפיות שימושית לשאלה עד כמה הכלי עצמו משנה. ההערכה של Artificial Analysis של הבנייה 0731 של DeepSeek V4 Flash, שהורצה לאחרונה ב-31 ביולי 2026, מתעדת 12.1% ב-Terminal-Bench 4.0. הטבלה של Cognition מתעדת 42.3% עבור צ'קפוינט V4.1 Flash 1017. שלושים נקודות הפרש באותו בנצ'מרק, בשמו. חלק מזה נובע מהצ'קפוינט — V4.1 הוא מודל שונה וגדול יותר — וחלק נובע מההרנס, שכן האחד הוא ריצה מתוקננת של צד שלישי והאחר היא של הספק עצמו. כך או כך, אף שורה בהשוואה הזו אינה תכונה של מודל בלבד, והשורות שבהן שני הספקים חלוקים ביותר הן דווקא אלה שיש להחזיק בהן בעירבון המוגבל ביותר.

הקשר, משקולות ומה שאפשר לבנות

חלון הקשר — DeepSeek: 1,048,576 טוקנים פורסמו, לעומת SWE-2 Flash: לא פורסם

• פלט מקסימלי — DeepSeek 384,000 טוקנים לעומת SWE-2 Flash לא פורסם

• משקולות — DeepSeek MIT, ניתנות להורדה לעומת SWE-2 Flash עם גישה מוגבלת, תוכנית שותפים הובטחה "בעוד כמה שבועות"

• מודאליות — DeepSeek V4 Flash טקסט בלבד, כאשר ראייה מגיעה בצ'קפוינט V4.1 ובמזהה ניסיוני נפרד; לעומת SWE-2 Flash, לא צוין

• הפצה — DeepSeek API ופלטפורמות צד שלישי לעומת Devin Desktop ו-Devin CLI בלבד

• בקרת מאמץ — מצבי חשיבה ואי-חשיבה של DeepSeek לעומת SWE-2 Flash אינם מתועדים

• רישיון לכיוונון עדין — DeepSeek כן לעומת SWE-2 Flash לא, עדיין לא

עבור צוות שבונה מוצר, חמישה משבעת השורות האלה פוסלים כשלעצמם. לא ניתן לתכנן צינור אחזור סביב חלון הקשר שלא פורסם, לא ניתן לכוונן משקלים שאין לך, ולא ניתן להכניס לארכיטקטורה שלך תלות שקיימת רק בתוך ה-IDE של מישהו אחר. SWE-2 Flash לא מתחרה על המשבצת הזאת. הוא מתחרה על הכיסא שמפתח כבר תופס.

השורה היחידה שבה ל-Flash יש יתרון היא זו ש-Cognition הכי פחות ברור לגביה: עלות לכל משימה. אם חמישית מהמחיר של SWE-2 היא חמישית מהעלות של ביצוע עבודה, הוא מנצח את התעריף לפי טוקן של DeepSeek לעבודה אינטראקטיבית בתוך Devin, משום שהמינוי כבר שולם. אם מדובר בחמישית ממחיר הטוקן במודל שמייצר יותר טוקנים לכל משימה, היתרון מצטמצם. Cognition לא מפרסמת מספיק כדי לדעת איזה מהשניים נכון.

כאשר ראוטר משנה את החשבון

DeepSeek V4 Flash מנותב ב-OrcaRouter בתור deepseek/deepseek-v4-flash, במחיר המחירון של הספק בלי תוספת מרווח, מה שחשוב למודל שהמחיר שלו משתנה פעמיים ביום: הורדת מחיר של ספק או שינוי בחלון שיא מגיעים לנתיב במקום להמתין שפלטפורמה תתמחר מחדש. אותו מפתח מגיע ליותר מ-200 מודלים, כך שהגרסה ההגיונית של ההשוואה הזו — להריץ את התור שלך מול DeepSeek V4 Flash, GLM 5.3 Flash ו-Kimi K3 ולראות איזה מהם באמת מתאים למשימות שלך — עולה שינוי של מזהה מודל ולא שלושה חוזים. מעבר אוטומטי בין ספקים במקרה כשל הוא החצי השני: חלונות שיא העומס של DeepSeek הם בדיוק כשנתיב שני מצדיק את מקומו, ושרשרת גיבוי זולה יותר מהתראת פייג'ר.

SWE-2 Flash אינו נמצא ב-OrcaRouter ואינו יכול להיות. אין endpoint לנתב אליו, וזה הסיכום ההוגן של כל ההתמודדות. אם אתה רוצה אותו, אתה קונה את Devin. אם אתה רוצה לקרוא למודל קידוד מהתוכנה שלך, הבחירה נעשתה עבורך לפני שהבנצ'מרקים פורסמו.

איזה אחד לבחור?

אם אתה צריך מודל קידוד בסביבת ייצור — API, חלון הקשר שאפשר להתאים לו גודל, משקלים שאפשר לנעוץ, וחשבון שאפשר לחזות — DeepSeek V4 Flash הוא היחיד מבין השניים שעומד בכך, וה-checkpoint של אוקטובר הוא זה שכדאי לנעוץ. ההנחה בחלון עומס השיא שווה לתכנון הנדסי סביבה, וחלון ההקשר של 1M שווה שיהיה לך גם אם רק לעיתים רחוקות תמלא אותו.

אם אתם כבר משלמים על Devin, ‏SWE-2 Flash הוא כמעט אפשרות חינמית עד 30 בנובמבר. הריצו אותו על הקצה המוגבל של התור שלכם, שמרו את SWE-2 לעבודה הרב-שלבית שפער DeepSWE מתאר, והתייחסו לחלון החינמי כאל תקופת ההערכה שהוא באמת. הסיכון אינו שהוא גרוע. הסיכון הוא שמשתמשים ביחס במקום שבו צריך מדידה.

אם אתה מכניס תקן לצוות על מודל קידוד אחד, זו לא ההתמודדות שתכריע בכך. מועמד אחד אפשר לבדוק ואחד לא, והשוואה שבה רק צד אחד ניתן לצפייה היא החלטת התפלגות עטויה בתחפושת של מבחן בנצ'מרק. בחר בזה שאתה יכול למדוד, ואז חזור לכך כש-Cognition תשיק נקודת קצה או תוכנית שותפים שמציבה את המשקולות במקום שאתה יכול להגיע אליו.