המודל החדש של DeepSeek חותך עלויות לסוכני קוד

מי שמריץ סוכני פיתוח אוטונומיים מכיר היטב את תחושת המועקה שמגיעה עם פירוט החשבון החודשי ממעבדות ה-AI. שרשראות קריאה ארוכות, קריאות חוזרות לתיקון באגים ומעקב שגיאות מנפחים את כמות הטוקנים לממדים שקשה להצדיק עסקית. עכשיו, חברת DeepSeek הסינית מנסה לטלטל שוב את תחשיבי העלויות. החברה שחררה את המודל DeepSeek-V4.1-Flash-1017, עדכון נקודתי לגרסת הבסיס מספטמבר, ומבטיחה לחתוך את העלויות לכל משימת פיתוח כמעט פי עשרה ביחס לחלופות המסחריות הגדולות במערב, כפי שפורסם ב-The Decoder. לפחות לפי דף המחירים שלהם, שרתים עדיין לא מחלקים בחינם.

הגרסה החדשה זמינה כעת באפליקציה, בממשק האתר וב-API של החברה, ולצד זה הועלו המשקולות להורדה חופשית במאגר Hugging Face תחת רישיון MIT. השילוב בין מודל פתוח לביצועים גבוהים נשמע על הנייר כמו פתרון נוח למפתחים שמשלמים הון על ריצות ארוכות. אבל בין ההצהרות השיווקיות לבין מה שקורה על השרתים יש כמה תנאים קריטיים שחייבים לבחון לפני שמשנים את כתובת ה-API בקוד.

לא הייתי ממהר להחליף מודלים לפני שרואים תוצאות בפועל על קוד אמיתי.

פחות מילים, פחות דולרים

השינוי בעדכון הנוכחי אינו נובע משיפור הדיוק הלוגי, אלא מהתנהגות המודל בזמן פתרון בעיות. לפי החברה, גרסת 1017 אומנה בשיטת למידת חיזוק מבוססת משוב עצמי (RLSF). השיטה הזו מאפשרת למודל להשתמש בציוני ביטחון פנימיים ובביקורת עצמית כאותות תגמול, במקום להסתמך על מעריכים אנושיים או מודלי תגמול נפרדים. כתוצאה מכך, המודל למד לקצר את הפלטים שלו, לייצר פחות מלל בין קריאות הכלים, ולהשלים מחזורי פיתוח בפחות צעדים.

קיצור אורך הפלט חותך את עלות ההרצה לסביבות 20 סנט למשימת תכנות מורכבת במקום דולרים שלמים אצל המתחרים. בדפי המבחנים של החברה עבור DeepSWE v1.1, המודל מגיע לציון של 77.0 בעלות ממוצעת של פחות מ-0.20 דולר למשימה, ואף מספק ציון של מעל 72 אחוז בהגדרות צריכה נמוכות תמורת כ-0.10 דולר. לשם השוואה, קודמו בסדרה עלה כ-0.50 דולר לאותה משימה. כשמריצים אלפי בדיקות ביום, ההבדל הזה ניכר ישירות בחשבון הבנק.

This post-training method lets the model use its own internal confidence scores or self-generated critiques as a reward signal.The Decoder

הטבלה של החברה מול המציאות

במספרים היבשים שפורסמו, DeepSeek מציגה יתרון במבחני קוד וסוכנים נבחרים מול החברות האמריקאיות. לפי טבלאות הביצועים הרשמיות, המודל עוקף את Claude Opus 5 ואת GPT-5.6 Sol של OpenAI בחלק מהמבחנים שדורשים שימוש בכלים וסביבות הרצה. במבחן DeepSWE v1.1 הוא רושם 77.0 לעומת 74.0 של Opus 5 ו-73.0 של Sol, ובמבחן Apex Bench v1.1 משיג המודל 72.1 לעומת 65.8 של המתחרה מבית Anthropic.

ההתלהבות הזו מוגבלת לתנאי מעבדה ספציפיים. בדיקת הנתונים חושפת שהיתרון של DeepSeek אינו קיים בכל תרחיש, ונעלם ברגע שמוציאים את הכלים מהמשוואה. במבחן ההיגיון הטהור HLE ללא כלים, המודל נעצר על ציון של 42.6 בלבד, לעומת 56.3 שמשיג Opus 5. גם במבחן ProgramBench המודל מציג 29.1 לעומת 37.0 של הדגם מבית Anthropic. המסקנה פשוטה: המודל מותאם לפעול בתוך סביבות פיתוח עם משוב טרמינל, אך יכולות החשיבה וההסקה הכלליות שלו עדיין נמוכות מהמודלים של המתחרות.

פתוח להורדה, סגור בחומרה

הכותרות על שחרור משקולות פתוחות ברישיון MIT יוצרות רושם מוטעה שאפשר להוריד את הקבצים ולהריץ אותם על מחשב נייד. המציאות הטכנית שונה לגמרי. הדגם כולל 763 מיליארד פרמטרים לפי דף המודל ב-Hugging Face, ומציג דרישות נפח של מאות גיגה-בייט בקבצי safetensors. אירוח מקומי מלא ללא דחיסה קיצונית דורש אשכול שרתי GPU ייעודי שעלותו החודשית תמחק כל חיסכון בחשבון הענן. השרת שלכם לא באמת ערוך לזה.

בנוסף לחומרה, החברה ביצעה שינוי הנדסי: הפעם לא נכללת תבנית שיחה בפורמט Jinja הסטנדרטי. כדי להטמיע את המודל יש להשתמש בסקריפט קידוד בפייתון או בספריית deepseek-recipe שנכתבה ב-Rust. מי שמסתמך על שרתי הסקה גנריים יגלה שההטמעה דורשת עבודת תשתית ידנית כדי להתאים את המבנה של הפקודות והכלים.

חיפוש מובנה בתעריף תחרותי

חידוש נוסף שמגיע במקביל לעדכון המודל הוא פתיחת מנוע החיפוש הפנימי של החברה למפתחים חיצוניים. שירותי Search and Fetch זמינים דרך נקודות קצה ב-API בתעריף של 0.75 דולר לכל 1,000 קריאות, לפי מדריך ה-API הרשמי. מדובר באותו מנוע שליפה ששירת עד כה את האפליקציה הפנימית שלהם ומעבד מאות מיליוני שאילתות ביום ברחבי העולם.

כדי לעודד אימוץ מהיר, החברה מציעה גישה חינמית לשירותי החיפוש דרך כלי פיתוח נתמכים כמו Deepseek Harness, Claude Code ו-Codex עד 31 באוקטובר 2026. היכולת להוסיף לסוכן כלי חיפוש ושליפת עמודים במחיר קבוע ומוגדר מראש מסירה תלות בשירותי גרידה יקרים של צד שלישי.

איך לבדוק לפני שמעבירים לייצור

הזווית המקומית מעניינת במיוחד עבור צוותי פיתוח בישראל. שעות השפל בתעריפי ה-API של DeepSeek חופפות בחלקן לשעות העבודה בארץ ומאפשרות הוזלה נוספת בריצות אצווה.

ההמלצה המעשית היא לא לשכור שרתים יקרים. תבדקו את המודל החדש דרך ה-API בסביבת בדיקות מוגדרת ובחנו האם הפלטים הקצרים שלו אינם מייצרים הזיות או פשרות בקוד האמיתי שלכם. במקביל, כדאי לקחת בחשבון דיווחים לפיהם הממשל הסיני מתכנן להדק את הפיקוח על יצוא מודלים פתוחים, מה שעלול לייצר אי-ודאות רגולטורית סביב תלות ארוכת טווח בספק בודד. בינתיים, ה-API פתוח והמחיר נמוך.

זה שווה בדיקה רק אם יש לכם מדדי איכות קשיחים מראש.