SWE-2 Flash kontra DeepSeek V4 Flash: jeden ma cennik, drugi ma współczynnik

Pierwszą rzeczą, która się psuje, gdy zestawisz SWE-2 Flash i DeepSeek V4 Flash obok siebie, jest jednostka. DeepSeek publikuje ceny w dolarach za milion tokenów i checkpoint, który możesz pobrać. Cognition publikuje ułamek — jedną piątą SWE-2 — oraz miejsce w Devin. Jeden z nich to model, na którym możesz budować; drugi to model, którego możesz używać. Każde poniższe porównanie musi przetrwać tę asymetrię, a większość tych krążących w dniu premiery tego nie przetrwała.

To nie jest powód, by pomijać to porównanie. To powód, dla którego warto przeprowadzić je starannie. Oba modele są skierowane do tego samego nabywcy — zespołu, który chce zachowania w kodowaniu zbliżonego do czołówki, ale bez cen z czołówki — i przyjmują przeciwne założenia co do tego, jak ten nabywca chce je otrzymać. Jedno założenie jest rozdzielone: wagi, API, opublikowane okno kontekstu i przewidywalny rachunek. Drugie jest zintegrowane: model dostrojony do jednego środowiska uruchomieniowego, sprzedawany jako ułamek kosztu innego modelu, z uwzględnionym w cenie stosem serwowania.

Czym każde z nich jest w rzeczywistości i pułapka punktu kontrolnego

SWE-2 Flash został ogłoszony 4 listopada 2026 r. Powstał w wyniku dotrenowania Inkling-Small — mieszaniny Thinking Machines o łącznej liczbie 276 mld parametrów i 12 mld parametrów aktywnych — i jest dostępny w Devin Desktop oraz Devin CLI. Jest tam bezpłatny do 30 listopada. Nie ma API, publicznych wag ani opublikowanego okna kontekstowego.

DeepSeek V4 Flash to model typu mixture o łącznej liczbie 284B parametrów i około 13B aktywnych, na licencji MIT, z oknem kontekstu 1M tokenów i do 384 000 tokenów wyjściowych. Przyjmuje wyłącznie tekst; wariant wizyjny to osobny eksperymentalny identyfikator. Jest udostępniany przez API zgodne z OpenAI i jest dostępny od wiosny, z ponownie dotrenowanym checkpointem 0731, który wykonał większość pracy w zakresie kodowania agentowego.

Potem pułapka. Strona modeli i cen samego DeepSeek, odczytana 5 listopada 2026 r., wymienia deepseek-v4-flash wśród starszych nazw wciąż akceptowanych przez API i podaje, że jest teraz obsługiwany przez DeepSeek-V4.1-Flash-1017. To inny i większy model: tabela porównawcza Cognition podaje dla V4.1 Flash 1017 763B łącznie i 16B aktywnych. Zatem „DeepSeek V4 Flash” oznacza co najmniej trzy rzeczy w zależności od tego, kto mówi — wydanie kwietniowe, checkpoint 0731 albo październikowy checkpoint V4.1, na który wskazuje teraz ten identyfikator. W OrcaRouter przypięte identyfikatory to osobne trasy, co jest jedynym powodem, dla którego porównanie może być w ogóle powtarzalne.

To nie jest pedanteria. To zmienia to, który wiersz benchmarku masz prawo cytować. Publiczne wyniki z tabeli liderów dla „DeepSeek V4 Flash” zmierzono na kompilacji 0731. Tabela Cognition zmierzyła V4.1 Flash 1017. To nie są te same modele, a liczby odpowiednio się różnią.

Cena, w dwóch jednostkach, które każdy dostawca faktycznie publikuje

Cennik DeepSeeka to prosta arytmetyka. Za milion tokenów dla modelu, który obsługuje teraz identyfikator deepseek-flash — DeepSeek-V4.1-Flash-1017, nazwanego wprost na stronie — według stanu na 5 listopada 2026 r.: wejście po $0.15 poza szczytem i po $0.30 w oknach szczytu, wyjście po $0.60 poza szczytem i po $1.20 w szczycie, wejście z pamięci podręcznej po $0.003 i $0.006. Szczyt obejmuje godziny 01:00–04:00 i 06:00–10:00 UTC, od poniedziałku do piątku, z wyłączeniem chińskich świąt państwowych. Poza tymi oknami obowiązuje niższa stawka.

Przypięty starszy checkpoint ma inną cenę. W katalogu OrcaRouter model deepseek/deepseek-v4-flash kosztuje 0,22 USD za milion tokenów wejściowych i 0,66 USD za milion tokenów wyjściowych — to stała stawka, bez taryfy szczytowej. To cena odtwarzalności: przypnij model z linii kwietniowej zamiast wywoływać bieżący, a zapłacisz więcej — w zamian za model, na którym faktycznie zmierzono większość opublikowanych wierszy benchmarków. Żaden wybór nie jest błędny; odpowiadają one na różne pytania.

Karta Cognition to porównanie. „Jedna piąta ceny i 3x większa szybkość niż u znacznie większego modelu siostrzanego” to całe publiczne oświadczenie, bez podanej żadnej wartości bezwzględnej, a na dodatek darmowe do 30 listopada włącznie. Nie ma sposobu, aby na podstawie publicznych informacji obliczyć, ile kosztuje zadanie na SWE-2 Flash, ponieważ mianownikiem jest model, którego własna cena tokenów również nigdy nie została opublikowana.

Wynikają z tego dwie konsekwencje, przy czym obie mają charakter praktyczny, a nie pedantyczny.

• Prognozowalność — koszt DeepSeek za milion tokenów jest znany co do centa, łącznie z mnożnikiem szczytowym. Koszt SWE-2 Flash jest znany tylko jako ułamek niepublikowanej liczby, w ramach subskrypcji, za którą już płacisz.

• Jednolite wyceny są mylące — przypięta trasa V4 Flash ma jedną stawkę ryczałtową, podczas gdy aktualna karta dostawcy ma dwa progi. Pojedyncza liczba jest więc błędna dla części tygodnia i opisuje inny checkpoint niż ten, który wskazuje większość wierszy benchmarku. Planuj według karty dostawcy; odtwarzaj według przypiętej trasy.

Oba mają większe znaczenie, niż się wydaje. Dla agenta, który wykonuje tysiące krótkich wywołań, mnożnik szczytowy to problem harmonogramowania, który można obejść inżynieryjnie; dla agenta kodującego, który przeprowadza kilka długich sesji, to błąd zaokrąglenia. To, którym z nich jesteś, decyduje o tym, czy karta DeepSeek ma dwie ceny, czy jedną.

Szybkość: powtórka kontra pomiar

200 tokenów na sekundę w Cognition to nie pomiar na żywo. Post to wyjaśnia: własny przebieg każdego modelu w zadaniu gsea-proteomics z Terminal-Bench 4.0, „odtworzony przy symulowanych 200 vs. 60 tokenach na sekundę”, przy skróceniu transkryptów do równej długości. 60 tok/s w SWE-2 pochodzi z tego samego odtworzenia. Opisuje profil serwowania, na który celuje Cognition, co jest uzasadnioną rzeczą do publikacji, ale nie jest stoperem na dwóch punktach końcowych.

Artificial Analysis na swojej obecnej stronie modelu mierzy DeepSeek V4 Flash na poziomie 112 tokenów wyjściowych na sekundę, przy czasie do pierwszego tokenu odpowiedzi wynoszącym 32,41 sekundy. To pomiar działającego API, obejmujący wszelkie kolejkowanie stosowane przez dostawcę. Tych dwóch liczb nie można porównywać, a ich odejmowanie byłoby bez znaczenia: jedna to symulowane odtworzenie wewnątrz produktu, druga to zaobserwowana szybkość obsługi w publicznym punkcie końcowym.

To, co pozostaje po zastrzeżeniu, to kierunek. Jeśli model z 12 mld aktywnych parametrów naprawdę obsługuje zapytania z szybkością około 200 tok./s w Devin, podczas gdy model z 13 mld aktywnych parametrów osiąga 112 tok./s w publicznym API, to mniejszy pod względem aktywnych parametrów model nie jest oczywiście szybszy — stos obsługi wykonuje równie dużo pracy co architektura. To argument na korzyść zintegrowanych produktów i przeciw odczytywaniu szybkości z liczby parametrów.

Jedyny przebieg przy tym samym stole i kto go przeprowadził

Tabela premierowa Cognition zawiera model DeepSeek bezpośrednio. Kolumna to DeepSeek V4.1 Flash 1017 — checkpoint, do którego teraz rozwiązuje się identyfikator deepseek-v4-flash — co czyni to jedynym porównaniem tej pary powstałym pod jednym dachem. Każda liczba poniżej pochodzi od Cognition, z benchmarków Cognition, bez ujawnionego harnessu.

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

• FrontierCode 1.1 Main — 45,5 vs 43,9

• DeepSWE 1.1 — 60,1 vs 77,0

• Terminal-Bench 4.0 — 20,0 vs 42,3

• Terminal-Bench 2.1 — 89,2 vs 91,0

• SWE-Atlas QA — 50,0 vs 71,0

• SWE-Bench Pro v2 Hard — 89,9 vs 86,3

ExploitBench — 34,8 vs 31,1

Podział obejmuje po cztery wiersze, a marginesy wcale nie są symetryczne. SWE-2 Flash wygrywa z FrontierCode 2.0 o 4,7 punktu, z FrontierCode 1.1 Main o 1,6, z SWE-Bench Pro v2 Hard o 3,6 i z ExploitBench o 3,7. DeepSeek wygrywa z DeepSWE 1.1 o 16,9, z Terminal-Bench 4.0 o 22,3, z SWE-Atlas QA o 21,0 i z Terminal-Bench 2.1 o 1,8. Każde zwycięstwo Flash to kilka punktów. Dwa zwycięstwa DeepSeek są powyżej dwudziestu.

Jeśli zważyć porównanie według marginesu, a nie liczby zwycięstw, przestaje być wyrównane. Flash jest naprawdę konkurencyjny w FrontierCode, który nagradza ograniczony patch zgodny z pisemną specyfikacją, i znacznie odstaje w Terminal-Bench 4.0, który mierzy agenta terminalowego doprowadzającego zadanie do końca. To także wiersz, w którym odrywa się reszta stawki: GLM 5.3 Flash uzyskuje 41,8 w tym samym benchmarku, a Claude Haiku 5.5 uzyskuje 39,2, wobec 20,0 dla Flasha.

A teraz zastrzeżenia, które trzeba wymienić jednym tchem. To tabela konkurenta. FrontierCode to własne narzędzie Cognition, a Cognition je ocenia. Wpis nie ujawnia żadnego harnessu, ustawienia wysiłku ani liczby przebiegów, więc „ta sama tabela” nie znaczy „te same warunki” — to metodologia jednego dostawcy zastosowana jednolicie, co jest lepsze niż nic, a gorsze niż niezależność. A kolumna DeepSeek to V4.1 Flash 1017, a nie build 0731, którego dotyczą większość publicznych wyników.

Istnieje użyteczna kontrola poprawności tego, jak duże znaczenie ma narzędzie. Ocena Artificial Analysis kompilacji 0731 modelu DeepSeek V4 Flash, ostatnio uruchomiona 31 lipca 2026 r., odnotowuje 12,1% na Terminal-Bench 4.0. Tabela Cognition odnotowuje 42,3% dla checkpointu V4.1 Flash 1017. Trzydzieści punktów różnicy na identycznie nazwanym benchmarku. Część tego wynika z checkpointu — V4.1 to inny i większy model — a część z harnessu, ponieważ jeden to standaryzowane uruchomienie przez stronę trzecią, a drugi to własne uruchomienie dostawcy. Tak czy inaczej, żaden pojedynczy wiersz w tym porównaniu nie jest właściwością samego modelu, a wiersze, w których obaj dostawcy najbardziej się nie zgadzają, to te, do których należy podchodzić najostrożniej.

Kontekst, wagi i co możesz zbudować

• Okno kontekstu — DeepSeek: opublikowano 1 048 576 tokenów; SWE-2 Flash: nie opublikowano

• Maksymalna długość wyjścia — DeepSeek: 384 000 tokenów; SWE-2 Flash: nie opublikowano

• Wagi — DeepSeek MIT, do pobrania vs SWE-2 Flash z ograniczonym dostępem, program partnerski obiecany „za kilka tygodni”

• Modalność — DeepSeek V4 Flash tylko tekst; wizja pojawi się w checkpointcie V4.1 oraz pod osobnym eksperymentalnym ID, natomiast w porównaniu z SWE-2 Flash nie podano

Dystrybucja — DeepSeek API i platformy zewnętrzne kontra wyłącznie Devin Desktop i Devin CLI

• Kontrola wysiłku — tryby myślenia i niemyślenia DeepSeek w porównaniu z SWE-2 Flash nie są udokumentowane

• Licencja na dostrajanie modeli — DeepSeek: tak, SWE-2 Flash: nie, jeszcze nie

Dla zespołu budującego produkt pięć z tych siedmiu wierszy samo w sobie jest dyskwalifikujących. Nie da się zaplanować potoku wyszukiwania wokół niepublikowanego okna kontekstu, nie da się dostroić wag, których się nie ma, i nie da się umieścić w architekturze zależności, która istnieje wyłącznie w IDE kogoś innego. SWE-2 Flash nie rywalizuje o to miejsce. Rywalizuje o fotel, który deweloper już zajmuje.

Jedyny wiersz, w którym Flash ma przewagę, to ten, w którym Cognition jest najmniej jasne: koszt na zadanie. Jeśli jedna piąta ceny SWE-2 to jedna piąta kosztu wykonania zadania, wygrywa z cennikiem DeepSeek opartym na tokenach w pracy interaktywnej w Devin, ponieważ subskrypcja jest już opłacona. Jeśli to jedna piąta ceny tokena w modelu, który generuje więcej tokenów na zadanie, przewaga maleje. Cognition nie publikuje wystarczająco dużo danych, by to rozstrzygnąć.

Gdzie router zmienia arytmetykę

DeepSeek V4 Flash jest kierowany przez OrcaRouter jako deepseek/deepseek-v4-flash, po cenie katalogowej dostawcy bez doliczonej marży, co ma znaczenie w przypadku modelu, którego cena zmienia się dwa razy dziennie: obniżka u dostawcy lub zmiana okna szczytowego trafia do trasy, zamiast czekać, aż platforma przeliczy ceny. Ten sam klucz daje dostęp do ponad 200 modeli, więc rozsądna wersja tego porównania — przepuść swoją kolejkę przez DeepSeek V4 Flash, GLM 5.3 Flash i Kimi K3 i zobacz, który z nich naprawdę przypadnie do gustu Twoim zadaniom — kosztuje zmianę identyfikatora modelu, a nie trzy umowy. Automatyczne przełączanie awaryjne między dostawcami to druga połowa: okna szczytowe DeepSeek to dokładnie ten czas, gdy druga trasa zasługuje na swoje miejsce, a łańcuch awaryjny jest tańszy niż powiadomienie na pager.

SWE-2 Flash nie jest dostępny na OrcaRouter i nie może być. Nie ma punktu końcowego, do którego można by kierować żądania, co jest uczciwym podsumowaniem całego porównania. Jeśli go chcesz, kupujesz Devin. Jeśli chcesz wywołać model kodujący z własnego oprogramowania, wybór został dokonany za ciebie, zanim opublikowano benchmarki.

Który wybrać?

Jeśli potrzebujesz modelu do kodowania w środowisku produkcyjnym — API, okna kontekstu, względem którego możesz planować rozmiar, wag, które możesz przypiąć, rachunku, który możesz prognozować — DeepSeek V4 Flash to jedyny z tych dwóch, który się kwalifikuje, a punkt kontrolny z października to ten, który warto przypiąć. Zniżka w oknie szczytowym jest warta uwzględnienia już na etapie projektowania architektury, a kontekst 1M jest wart posiadania, nawet jeśli rzadko go wypełniasz.

Jeśli już płacisz za Devin, SWE-2 Flash jest niemal darmową opcją do 30 listopada. Uruchamiaj go przy ograniczonych zadaniach na końcu swojej kolejki, zachowaj SWE-2 do pracy wieloetapowej, którą opisuje luka DeepSWE, i traktuj darmowe okno jako okres oceny, którym ono jest. Ryzyko nie polega na tym, że jest zły. Ryzyko polega na tym, że używa się proporcji tam, gdzie powinien być pomiar.

Jeśli ujednolicasz zespół wokół jednego modelu do kodowania, to nie jest pojedynek, na podstawie którego należy to rozstrzygać. Jednego kandydata można przetestować, a drugiego nie, a porównanie, w którym tylko jedna strona jest obserwowalna, to decyzja o dystrybucji w przebraniu benchmarku. Wybierz ten, który możesz zmierzyć, a potem wróć do tematu, gdy Cognition udostępni endpoint lub program partnerski, który umieści wagi w miejscu, do którego możesz dotrzeć.