Step 5 Preview kontra DeepSeek V4.1 Flash: sześciokrotność ceny wejściowej za cztery i pół punktu indeksu

Step 5 Preview kosztuje 1,00 USD za milion tokenów wejściowych. DeepSeek V4.1 Flash kosztuje 0,15. Na wyjściu różnica wynosi 2,70 wobec 0,60, a przy trafieniach w pamięć podręczną 0,10 wobec 0,003 — trzydziestotrzykrotna rozpiętość na pozycji, która dominuje w długiej pętli agenta. Za te pieniądze Step 5 Preview zdobywa 44 punkty w Intelligence Index firmy Artificial Analysis wobec 39,46 dla DeepSeek V4.1 Flash i kończy zadanie z indeksu za około 0,71 USD wobec 0,27 USD DeepSeeka. Ponad sześciokrotnie wyższa cena wejścia, ponad dwukrotnie wyższy koszt zadania, cztery i pół punktu. Taka jest arytmetyka i nie wypada ona korzystnie dla modelu StepFun. Powód, by czytać dalej, jest taki, że oba modele różnią się w trzech kwestiach, które nie mają nic wspólnego z ceną, a dwie z tych kwestii to te, które skłoniłyby do odrzucenia modelu w przeglądzie zakupowym. Nic z tego nie jest powodem, by unikać tego modelu, a jedynie powodem, by znać historię: udokumentowane incydenty związane ze sztuczną inteligencją i awarie agentów stojące za modelami z tej klasy zebrano w Archiwum Incydentów AI OrcaRouter, gdzie każdy wpis zawiera własne źródła, poziom wagi, ocenę pewności i oznaczenie sporne.

Oba to chińskie rzadkie modele typu mixture-of-experts z oknami na milion tokenów i otwartymi wagami, wydane jedenaście tygodni od siebie — DeepSeek V4.1 Flash 10 września 2026, a Step 5 Preview 20 września 2026. Stanowią najbliższą parę w całym zestawie porównawczym tego modelu, co sprawia, że to właśnie różnice, które przetrwały ten paralelizm, są interesujące. To licencja, górny limit wyjścia i wideo.

Gdzie te dwa tak naprawdę się rozchodzą

• Cena wejściowa — Step 5 Preview: 1,00 USD za milion tokenów na platformie StepFun w porównaniu z DeepSeek V4.1 Flash: 0,15 USD poza godzinami szczytu, z podwojeniem do 0,30 USD w godzinach szczytu DeepSeek w dni powszednie

• Cena wyjściowa — 2,70 USD vs 0,60 USD poza szczytem, 1,20 USD w szczycie

• Wejście z trafieniem w pamięć podręczną — Step 5 Preview 0,10 USD za milion, rabat 95%, w porównaniu z DeepSeek V4.1 Flash 0,003 USD poza szczytem i 0,006 USD w szczycie, rabat 98%, oraz najszerszy stosunek w dowolnym miejscu na którejkolwiek z kart

• Ceny zależne od pory dnia — brak w StepFun, natomiast DeepSeek podwaja wszystkie trzy liczniki między 01:00 a 04:00 i ponownie między 06:00 a 10:00 UTC w dni powszednie, z wyłączeniem chińskich świąt publicznych

• Kontekst — 1 mln tokenów dla obu; DeepSeek podaje tę liczbę jako 1,048,576

• Maksymalna długość wyjściowa — Step 5 Preview 64 tys. tokenów zgodnie z dokumentacją StepFun w porównaniu z DeepSeek V4.1 Flash 384 000 tokenów, sześciokrotnie wyższy limit

• Modalność — Step 5 Preview przyjmuje tekst, obrazy i wideo, w przeciwieństwie do DeepSeek V4.1 Flash, który przyjmuje tekst i obrazy, ale nie obsługuje wideo

• Architektura — Step 5 Preview 600B łącznie, 27B aktywnych w porównaniu z DeepSeek V4.1 Flash 552B łącznie, 16B aktywnych, więc tańszy model aktywuje również o 41% mniej parametrów na token

• Licencja — StepFun Model License 1.0, niestandardowa zgoda licencyjna z wymogiem uznania autorstwa i progami dla oddzielnej licencji komercyjnej w porównaniu z DeepSeek V4.1 Flash na licencji MIT, licencji zatwierdzonej przez OSI bez progu do odczytania

• Niezależny wynik — 44 dla Step 5 Preview w porównaniu z 39,46 dla DeepSeek V4.1 Flash przy maksymalnym wysiłku, oba w Intelligence Index v4.3.2

• Niezależny koszt przypadający na ukończone zadanie indeksowania — około 0,71 USD vs 0,27 USD

Odczytaj dwa ostatnie wiersze jako parę, a arytmetyka na punkt wychodzi sama: około 1,6 centa za punkt indeksu dla Step 5 Preview wobec około 0,7 centa dla DeepSeek V4.1 Flash. Tańszy model jest również tańszy w przeliczeniu na jednostkę zmierzonej zdolności, co jest nietypowe — modele budżetowe zwykle kupują swój wynik rozwlekłością lub tokenami rozumowania. DeepSeek V4.1 Flash wygenerował 88 574 tokeny wyjściowe na zadanie w indeksie, co dobrze mieści się w normach tej dziedziny. Step 5 Preview wygenerował około 160 milionów tokenów wyjściowych w całym zestawie testów i otrzymał od oceniającego etykietę „bardzo rozwlekły”. Model StepFun nie kupuje swojej przewagi czterech i pół punktu wydajnością.

Podwojenie w godzinach szczytu jest mniejszym problemem, niż się wydaje, a pułap wydajności — większym.

Szczytowy cennik DeepSeek bywa omawiany tak, jakby był pułapką, choć w większości nią nie jest. Obowiązuje w dni powszednie między 01:00 a 04:00 oraz ponownie między 06:00 a 10:00 UTC, co wypada wczesnym rankiem w Europie, a w Stanach Zjednoczonych w późnych godzinach nocnych, i całkowicie nie obejmuje weekendów ani chińskich świąt publicznych. Zadanie wsadowe można przełożyć. Europejski zespół, którego ruch osiąga szczyt o 08:00 UTC, płaci podwójnie za swoje najbardziej ruchliwe godziny i to jest prawdziwy koszt tego rozwiązania, ale nawet podwojony DeepSeek jest tańszy za token niż Step 5 Preview w swojej stałej stawce. Kwestia strukturalna wygląda inaczej: karta StepFun ma jedną kolumnę, a DeepSeek dwie, a budżet zbudowany na jednej kolumnie to budżet, który okaże się błędny przy czyimś rzeczywistym miksie ruchu. Uczciwie rzecz ujmując, okno szczytowe DeepSeek to problem planowania, a stała stawka StepFun to cecha prostoty — i żadne z nich samo w sobie nie jest warte kilkukrotności ceny tokenów wejściowych.

Górny limit wyjścia to granica, która tak naprawdę wszystko psuje. Dokumentacja Step 5 Preview ogranicza pojedynczą odpowiedź do 64 tys. tokenów. DeepSeek V4.1 Flash pozwala na 384 000 — sześć razy więcej — a praktyczna konsekwencja nie dotyczy długiej prozy. Chodzi o uruchomienia agentów, których końcowym artefaktem jest duży plik, refaktoryzacja całego pliku, wygenerowany schemat albo długa ekstrakcja strukturalna. Limit 64k oznacza, że takie zadania trzeba rozłożyć na wiele wywołań z zorganizowanym przekazaniem między nimi, co jest pracą inżynierską, której w przeciwnym razie byś nie wykonał. To jedyny wiersz w tabeli stawek, w którym tańszy model daje ci coś, czego nie możesz dostać od droższego za żadną cenę, i to jest powód, dla którego zespół z takim obciążeniem nie powinien w ogóle czytać tabeli stawek.

Wejście wideo jest prawdziwe, a jednak jest warte mniej, niż to brzmi

Step 5 Preview obsługuje wideo, a DeepSeek V4.1 Flash nie. To autentyczna różnica w możliwościach i najsilniejszy pojedynczy argument na korzyść modelu StepFun w tym porównaniu. StepFun szczegółowo dokumentuje obsługiwaną ścieżkę: kontenery MP4, QuickTime i Matroska, przekazywane jako URL, jako Base64 lub przez odwołanie do Files API, przy czym pliki MP4 z adresu URL mają poniżej 128 MB, a zalecana długość to mniej niż pięć minut. Liczba obrazów jest ograniczona do 60 na żądanie, a oba oferują niskie i wysokie ustawienia szczegółowości.

To, co ci to daje, to jeden model zamiast potoku. Przepływ pracy, który pobiera nagranie ekranu, zapis wykładu lub klip z wideorejestratora, a następnie wnioskuje o tym, co się wydarzyło, potrzebuje albo modelu wideo, albo własnoręcznie zbudowanego narzędzia do próbkowania klatek; model, który przyjmuje wideo bezpośrednio, sprowadza to do jednego wywołania. Czego ci to jednak nie daje, to ogólnej zdolności rozumienia wideo, wokół której mógłbyś planować produkt, ponieważ nikt nie opublikował niezależnej oceny rozumienia wideo przez Step 5 Preview. Zdolność ta jest udokumentowana przez dostawcę i nie została oceniona przez nikogo innego, a powiązana z nią luka w indeksie wynosząca cztery i pół punktu dotyczy wyłącznie tekstu i obrazu. Traktuj wiersz wideo jako powód do przetestowania, a nie jako liczbę.

Linia licencyjna to miejsce, w którym tani model jest bezpiecznym wyborem

To jest ta część porównania, której nie pokaże tabela cen, i odwraca zwykłe odczytanie powiedzenia „dostajesz to, za co płacisz”. DeepSeek V4.1 Flash jest udostępniany na licencji MIT — zatwierdzonej przez OSI licencji bez obowiązku przypisywania autorstwa, bez progu przychodowego, bez odrębnej umowy komercyjnej dla dużych operatorów i bez niejasności co do utworów zależnych. Wagi są na Hugging Face, łącznie 552 miliardy parametrów, z czego 16 miliardów aktywnych, a dział prawny poproszony o zatwierdzenie produktu zbudowanego na nich odbywa krótką rozmowę.

Step 5 Preview jest udostępniany na licencji StepFun Model License 1.0, która jest prawdziwym udzieleniem praw do otwartych wag i nie jest licencją open source. Jest wieczysta, ogólnoświatowa, wolna od opłat licencyjnych i obejmuje udzielenie praw patentowych, a także pozwala na użycie komercyjne, dostrajanie i utwory zależne. Obowiązują dwa warunki. Produkt lub usługa komercyjna zawierająca model, która przekroczy 100 milionów miesięcznych aktywnych użytkowników lub 20 milionów dolarów przychodu w dowolnym miesiącu kalendarzowym, musi w widoczny sposób wyświetlać „Powered by StepFun AI” w interfejsie produktu oraz w umowie użytkownika. A producent sprzętu lub właściciel marki dostarczający możliwości modelu w urządzeniach albo firma świadcząca usługi model-as-a-service, której łączny przychód przekracza 20 milionów dolarów w dowolnym okresie dwunastu miesięcy, potrzebuje oddzielnej licencji komercyjnej. Wykorzystanie wewnętrzne, które nie udostępnia modelu ani jego możliwości stronie trzeciej, w pełni mieści się w zakresie tego udzielenia praw.

For a startup fine-tuning Step 5 Preview on internal document work, that is fine and the licence costs nothing. For a company that intends to ship a hosted product, it is a threshold to model, and the difference between "we may need to negotiate in eighteen months" and "we never have to think about this" is worth more than a few multiples on a token price to a lot of organisations. StepFun's licence is the same shape other open-weight licences use and it is not an unreasonable document. It is simply a document, where DeepSeek's is a standard.

Do czego służy każde z nich

DeepSeek V4.1 Flash to właściwy domyślny wybór dla większości obciążeń objętych tym porównaniem. Jest tańszy w każdym wymiarze, tańszy na ukończone zadanie, tańszy na punkt indeksu, ma bardziej liberalną licencję, ponad dwukrotnie hojniejsze okno wejściowe, a działa na 16 miliardach aktywnych parametrów w porównaniu z 27 miliardami StepFun, co ma znaczenie, jeśli w planach jest self-hosting, ponieważ najmniejsza maszyna zdolna go obsłużyć jest mniejsza. Jego wady to wynik indeksu 39,46 wobec 44 oraz brak wideo. Podwojenie szczytowego okna to szczegół harmonogramowania, a nie kwestia strukturalna.

Step 5 Preview uzasadnia swoją wyższą cenę w trzech konkretnych sytuacjach, a wszędzie poza nimi przegrywa. Potrzebujesz czterech i pół dodatkowego punktu indeksu, a marginalna zdolność na szczycie tabeli jest warta dla ciebie dwa i pół raza tyle, ile koszt zadania. Potrzebujesz wejścia wideo w tym samym wywołaniu, w którym odbywa się rozumowanie. Albo potrzebujesz płaskiego, jednokolumnowego cennika bez okien czasowych zależnych od pory dnia i bez logiki harmonogramowania w potoku, co jest realnym uproszczeniem operacyjnym dla zespołu, który w przeciwnym razie musiałby zbudować scheduler. Żaden z tych powodów nie jest zły. Wszystkie one są jednak węższe, niż sugeruje cennik.

Istnieje mało spektakularna droga środka, warta nazwania: nie dokonywać wyboru. Oba te modele są wystarczająco tanie, by przez tydzień testować je przeciwko sobie na własnym ruchu, a decyzja podjęta na podstawie własnych liczb dla poszczególnych zadań będzie lepsza niż ta oparta na pożyczonym indeksie — zwłaszcza że oba modele zawodzą inaczej, a to właśnie tryby awarii są miejscem, w którym kryje się prawdziwy koszt. To porównanie jest też miejscem, w którym uczciwie rozstrzyga się wiersz dotyczący wideo: jeśli w twoim potoku nie ma wideo, najsilniejszy argument za modelem StepFun znika, a reszta karty to czysta strata.

DeepSeek V4.1 Flash jest dostępny w OrcaRouter jako deepseek/deepseek-v4.1-flash w opublikowanych przez DeepSeek stawkach, z 0% marży, co ma konkretną konsekwencję dla tego modelu: DeepSeek zmienia ceny zgodnie z harmonogramem szczytowym i pozaszczytowym, a przekazywanie kosztów bez narzutu oznacza, że kolumna pozaszczytowa to stawka, którą płacisz od razu, gdy tylko zacznie obowiązywać, a nie dopiero w kolejnym cyklu rozliczeniowym. Jeśli uruchamiasz Step 5 Preview gdzie indziej i chcesz taniego rozwiązania zapasowego dla większości ruchu, który nie jest wideo, to jedna reguła routingu wskazująca na model na tym samym kluczu — a automatyczne przełączanie awaryjne sprawia, że nieznany punkt końcowy nigdy nie staje się pojedynczym punktem awarii ścieżki produkcyjnej. Sam Step 5 Preview nie znajduje się w bieżącym katalogu OrcaRouter; wywołuj go przez własną platformę StepFun albo hostuj samodzielnie z checkpointów FP8, BF16 lub NVFP4 publikowanych przez dostawcę.

Werdykt w jednym akapicie, na podstawie którego możesz działać.

Jeśli Twoje obciążenie to tekst i obrazy, DeepSeek V4.1 Flash jest lepszym modelem w każdym punkcie cenowym w cenniku, a deficyt czterech i pół punktu w indeksie jest realnym, ale wąskim kosztem. Jeśli Twoje obciążenie wymaga pojedynczej odpowiedzi o długości 384k tokenów, DeepSeek V4.1 Flash jest jedynym z tych dwóch, który to potrafi. Jeśli Twój zespół prawny chce standardowej licencji, a nie niestandardowej, DeepSeek V4.1 Flash ponownie jest odpowiedzią. Step 5 Preview jest wart dopłaty tylko wtedy, gdy konkretnie potrzebujesz wejścia wideo albo gdy cztery i pół punktu indeksu na szczycie niezależnego rankingu zmienia to, co może robić Twój produkt — a jeśli tak jest, pamiętaj, że model jest rozwlekły, co oznacza, że narzut kosztu na zadanie wynosi około 2,6 raza, a nie 6,7 raza, jak sugeruje wiersz wejściowy. Przetestuj oba na własnym ruchu. Cennik mówi Ci, który jest tańszy; tylko Twój ślad mówi Ci, czy droższy jest wart swojej ceny.