Krótka odpowiedź
DeepSeek nie potwierdził, że to V4. Mamy za to dużą i nietypowo spójną falę domniemanych wyników z gray-testu: 121 filmów na Bilibili od 53 twórców między 7 a 19 lipca 2026 roku, do tego 40 udostępnionych sesji OpenCode i garść projektów do pobrania. To wystarczająco dużo, by dostrzec wzorce — ale za mało, by certyfikować identyfikator modelu albo przeprowadzić kontrolowany benchmark.
Czytaj dowody w ten sposób, a obraz staje się jasny: V4 wypada nieznacznie poniżej Kimi K3, GPT-5.6 i Fable 5.0 w ich najsilniejszych obszarach, ale różnica jest na tyle mała, że w większości codziennego kodowania osoba wrażliwa na koszty może przyjąć V4 jako domyślny model i utrzymać jedną lekką subskrypcję premium do code review, opornych bugów i ostatnich 10% długich, wieloetapowych zadań.
Galerię zrzutów ekranu i linki do czatów z wcześniejszej fali znajdziesz w naszym podsumowaniu dowodów z gray-release DeepSeek V4.
Pełny katalog źródeł Kluczowe dowody
Surowe dowody za każdą tezą w tym artykule — mirror otwartego repozytorium YunhaoFu/dsv4ga-news-gather. Rozwiń, by przeglądać po twórcy, dacie lub słowie kluczowym. Tytuły prowadzą prosto na Bilibili.
Kliknij, aby rozwinąć wszystkie 136 wpisów
Wskazówka: tytuł to link do Bilibili. zielony = udostępniona sesja czatu, pomarańczowy = pliki projektu do pobrania. Najedź na twórcę, aby zobaczyć pełną nazwę.
Co naprawdę pokazuje 121 testów
Dane pochodzą z otwartego repozytorium dsv4ga-news-gather, które indeksuje publiczne wpisy na Bilibili i zachowuje tytuły, nazwiska twórców, znaczniki czasu, opisy, komentarze, udostępnione konwersacje i linki do pobrania. Snapshot z 19 lipca rozkłada się tak:
Liczba publikacji dziennie
Powolny kaplic do 15 lipca, potem ściana wydań ze szczytem 18 lipca.
Top 10 twórców
Tylko kdzzzds i Delight-linger udostępnili istotne logi sesji. Zielony = 5+ udostępnionych sesji, pomarańczowy = 1–4, niebieski = brak.
Co właściwie testowano
Kategoryzacja ze 136 tytułów. Gry zdecydowanie dominują — produkcjne backendy, bezpieczeństwo i prace długoterminowe ledwie się pojawiają.
Dwa obciążenia ważą bardziej niż jakakolwiek pojedyncza liczba. Obciążenie selekcji: większość to zadania typu „kodowanie życzeniowe" — gry przeglądarkowe, sceny 3D, animacje SVG, fizyczne zabawki, narzędzia muzyczne. Ten zbiór mocno dowodzi szybkiego prototypowania i generowania front-endu; jest słabym dowodem na produkcjne backendy, bezpieczeństwo, utrzymanie dużych repozytoriów czy cokolwiek, co trwa miesiącami. Obciążenie przejrzystości: tylko 3 z pierwszej dziesiątki twórców udostępniło swoje prompty albo logi czatu. Traktuj tytuły z dopiskiem „oficjalna wersja" jako chwyt marketingowy — twórca zazwyczaj tylko przypuszcza, że trafił na szary routing. W całym tekście używamy sformułowania domniemany gray-build V4.
W czym V4 wygląda na mocny
Aplikacje z jednego promptu realnie działają, zamiast tylko dobrze wyglądać
Najmocniejszy wzorzec to szeroka implementacja z cienkiej specyfikacji. W zbiorze są światy voxelowe, strzelanki, gry rytmiczne, survivale, sceny three.js, generatory muzyki i wizualizacje inżynierskie. Reprezentatywne demo SVG w stylu GTA było podobno jedną generacją główną plus jedną rundą naprawy bugów, z dołączoną udostępnioną konwersacją. To nie jest „jedno zdanie, jedna wydana gra". To „model wybiera architekturę, łączy wystarczająco wiele podsystemów, by pokazać pomysł, i nie oddaje już pustego mockupu".
Silne 3D, SVG i lekkie symulacje
Sceny three.js, własne assety SVG, fizyka gier i interaktywne symulacje powtarzają się w całym zbiorze. Strona w stylu CFD ciecz-gaz podobno używała PBF dla cieczy i LBM dla gazu w dwóch konwersacjach. Twórca sam zaznaczył nierealistyczną aerodynamikę i konieczność dalszych poprawek — to dokładnie granica między imponującym prototypem a godnym zaufania narzędziem inżynierskim.
Cena może być prawdziwym nagłówkiem
Porównania w społeczności wielokrotnie opisują V4 i Kimi K3 jako zbliżone w realnych projektach. Jeśli ostateczne API utrzyma typową dla DeepSeek przewagę cenową, „zdolność bliska frontier po cenach infrastruktury" znaczy więcej niż wygranie jakiegokolwiek pojedynczego demo head-to-head. Zobacz nasze porównanie cen AI API.
Gdzie V4 wciąż ma problemy
- Wykończenie i gust. Kimi K3 jest częściej preferowany do kompozycji front-endowych i długich form tekstowych. Wizualia V4 potrafią robić wrażenie, ale jakość mocno skacze w zależności od projektu promptu.
- Granice instrukcji. W jednym demo poproszono model o usunięcie komentarzy; przy okazji sam naprawił buga w grze. W zabawce ta inicjatywa wydaje się magiczna, w prawdziwym repozytorium jest ryzykiem dla code review. Przeglądaj każdy diff — nie traktuj „działa" jako wystarczającego warunku.
- Niezawodność w długich wieloetapowych sesjach. Sesje nadal się wywalają, gubią wątek albo kumulują dług architektoniczny po wielu rundach. Silne pierwsze podejście nie gwarantuje silnego dwudziestego.
- Poprawność fizyki. Przekonująca symulacja cieczy czy grawitacji to nie to samo co poprawne CFD czy mechanika. Wizualnie dobrze ≠ liczbowo dobrze.
- Powtarzalność. Szary routing wygląda na niespójny. Różni użytkownicy mogli trafić na różne modele, poziomy albo zachowanie próbkowania.
- Jakość dowodów. Wiele filmów pomija pełny prompt, identyfikator modelu, liczbę niepowodzeń, zużycie tokenów i ręczne edycje.
Szczere podsumowanie: „generator prototypów o wysokim suficie z prawdziwą zdolnością kodowania" — a nie „senior, który już nie potrzebuje rewizji".
V4 vs Kimi K3 vs GPT-5.6 vs Fable 5.0
Nie ma tu kontrolowanego benchmarku czterech modeli. Poniższa tabela to zorientowana na workflow synteza dowodów z gray-testu i relacji użytkowników — a nie ranking.
| Model | Prawdopodobna przewaga | Gdzie stoi V4 | Najlepsza rola |
|---|---|---|---|
| DeepSeek V4 | Koszt, szeroka implementacja, szybkie prototypy | Punkt odniesienia | Domyślne kodowanie codzienne i pierwsza implementacja |
| Kimi K3 | Wykończenie front-endu, prezentacja, pisanie | V4 jest nieco mniej dopracowany, ale często funkcjonalnie porównywalny | Przejście UI, copy produktowe, dopracowanie wizualne |
| GPT-5.6 | Spójność w rewizji, ekosystem narzędzi, wnioskowanie między plikami | V4 może być tańszym zamiennikiem do rutynowych prac; brak dowodów na ogólną wygraną | Code review, walidacja, oporne bugi |
| Fable 5.0 | Implementacja długoterminowa, regeneracja w wielu turach | V4 wygląda na zbliżonego w wybranych demo, ale jest mniej niezawodny na krawędziach | Model eskalacyjny dla najtrudniejszej reszty pracy |
V4 vs Kimi K3: najbardziej wiarygodny materiał bezpośredni wskazuje na wyrównany pojedynek. K3 wygląda lepiej na front-endzie i w pisaniu; V4 może oferować lepszy stosunek wartości do ceny i bywa konkurencyjny w implementacji. Jeden film porównawczy zdobył dziesiątki tysięcy wyświetleń, ale prompty i punktacja nie były ustandaryzowane.
V4 vs GPT-5.6: pojedyncze komentarze mówią o wygranych i przegranych w konkretnych projektach webowych. To pomysły na testy, a nie wyniki benchmarku. Przydatne pytanie brzmi: czy V4 przejdzie zestaw testów Twojego repozytorium taniej.
V4 vs Fable 5.0: imponujące demo gier czynią porównanie kuszącym, ale zbiór nie dowodzi równości na dużych kodowych bazach, w code review bezpieczeństwa ani przy długich autonomicznych przebiegach. Traktuj Fable 5.0 jako opcję eskalacji, dopóki powtarzalne testy nie wykażą inaczej.
Praktyczna konfiguracja
Najtańsza konfiguracja, która nie odbije się później:
- Niech V4 zrobi pierwsze 80–90%. Planowanie, scaffold, implementacja, testy, dokumentacja, zwykłe naprawianie bugów.
- Weryfikuj lokalnie. Lint, sprawdzanie typów, testy jednostkowe i integracyjne oraz ludzki przegląd diffa. Bez kompromisów.
- Eskaluj z dowodami. Gdy utkniesz, wyślij diff, nietrafiające testy i wąskie pytanie do Kimi K3, GPT-5.6 albo Fable 5.0 — a nie ten sam mętny prompt drugi raz.
- Utrzymuj jedną lekką subskrypcję premium, nie kilka pełnych. Używaj jej jako recenzenta i modelu ratunkowego, a nie domyślnego palnika tokenów.
To działa tylko wtedy, gdy drugi model dostaje dowody — diffy, logi, nietrafiające testy. Pytanie dwóch modeli o to samo mętne zagadnienie zazwyczaj tylko podwaja koszt bez poprawy niezawodności.
Co zweryfikować przy oficjalnej premierze V4
Oceniaj oficjalną premierę przez powtarzalność, a nie demo z dnia debiutu. Sprawdź:
- dokładny identyfikator modelu w API oraz to, czy web, aplikacja i API korzystają z tego samego poziomu;
- okno kontekstowe, limit wyjścia, wywoływanie narzędzi i wsparcie dla wyjścia ustrukturyzowanego;
- cena za token wejściowy, wejście z cache i token wyjściowy;
- limity zapytań, routing w godzinach szczytu oraz to, czy poziomy „Pro/Flash/Max" zachowują się inaczej;
- edycje w skali repozytorium, uzupełnianie testów i trzymanie się instrukcji;
- jak często identyczne prompty odtwarzają jakość z gray-testu;
- licencja, retencja danych i opcje wdrożenia.
Zaktualizujemy tę stronę, gdy DeepSeek opublikuje oficjalne model cards, dokumentację API i cennik. Do tego czasu wszelkie twierdzenia o ostatecznym modelu pozostają prowizoryczne.
Najczęstsze pytania
Czy oficjalna wersja jest już dostępna?
Zbiór dokumentuje domniemany szary routing, a nie potwierdzone wydanie. Film z tytułem „oficjalna wersja" to nie jest oficjalne potwierdzenie ze strony DeepSeek.
Jak dobry jest V4 do kodowania?
Dowody są najsilniejsze dla szybkich prototypów webowych, gier, SVG, three.js i iteracyjnego naprawiania bugów. Najcieńsze są dla dużych repozytoriów produkcyjnych, kodu wrażliwego pod kątem bezpieczeństwa i długiej pracy autonomicznej.
Czy V4 jest lepszy od Kimi K3?
Nie w każdym zadaniu. V4 wydaje się zbliżony i może dawać lepszą wartość; Kimi K3 często ma przewagę w wykończeniu front-endu i piśmie. Przed wyborem przetestuj ten sam prompt, środowisko uruchomieniowe i testy akceptacji.
Czy powinienem anulować subskrypcję premium do kodowania?
Dla wielu użytkowników więcej sensu ma przejście na jedną lekką subskrypcję premium niż anulowanie wszystkiego. Niech V4 obsłuży wolumen, a niezależny model zostaw do rewizji i eskalacji.
Gdzie można obejrzeć oryginalne gray-testy?
Zacznij od indeksu na GitHubie wszystkich 121 filmów. Reprezentatywne przypadki: szeroki test V4 i Kimi K3, porównanie fizyki 3D, test Minecrafta z 8192 blokami, przykład proaktywnego naprawiania bugów.