DeepSeek po polsku 2026: wersje, ceny i czy można mu ufać z danymi firmowymi 

DeepSeek przestał być ciekawostką z początku 2025 roku. W 2026 ma dwa modele w API, milion tokenów kontekstu i ceny, przy których zachowujesz się przy liczeniu rachunku. Kłopot zaczyna się w innym miejscu: polityka prywatności mówi wprost, że Twoje dane są zbierane, przetwarzane i przechowywane w Chinach, a Twoje zapytania służą do trenowania modeli. To nie znaczy, że nie wolno z tego korzystać. To znaczy, że musisz wiedzieć, co dokładnie wsypujesz w okno czatu.

Poniżej rozkładam to na cztery części: czym wersje się różnią, ile realnie zapłacisz przy typowym wolumenie, czego dokumentacja producenta nie mówi o języku polskim i co dokładnie wynika z polityki prywatności. Bez marketingu, z liczbami z oficjalnego cennika. Jeśli dopiero wchodzisz w temat, zacznij od artykułu o tym, co realnie opłaca się w małej firmie, a tutaj zostajemy przy jednym konkretnym modelu.

Czym DeepSeek jest w 2026 roku - wersje, które faktycznie kupisz

Linia produktowa jest krótka, bo DeepSeek w 2026 roku postawił na dwa modele. W API dostajesz deepseek-flash (wewnętrznie DeepSeek-V4.1-Flash, wydany 10 września 2026) oraz deepseek-v4-pro (DeepSeek-V4-Pro-0813, GA 13 sierpnia 2026). Oba mają milion tokenów kontekstu i maksymalnie 384 tys. tokenów odpowiedzi. Flash jest dużo tańszy i ma wyższy limit współbieżności, Pro jest droższy, ale węższym concurrency.

Warto wiedzieć, że nazwy w kodzie i nazwy w komunikacji producenta rozjeżdżają się. Flash wchodzi 20-krotnie taniej niż Pro w trybie off-peak na wejściu bez cache, a na wyjściu różnica jest około 3,3-krotna. Nie ma tu ukrytej opłaty - jest rachunek za realne użycie.

Historia wersji: od R1 do V4 w dwanaście miesięcy

Nazwy w materiałach marketingowych z 2025 roku i te, które dziś widzisz w cenniku, to często zupełnie różne produkty. Oficjalna lista wydań wygląda tak: V2.5 (wrzesień 2024), R1-Lite (listopad 2024), V3 (grudzień 2024), R1 i aplikacja webowa (styczeń 2025), V3-0324 (marzec 2025), R1-0528 (maj 2025), V3.1 i V3.2-Exp (sierpień i wrzesień 2025), V3.1 Update (wrzesień 2025), V3.2 (grudzień 2025), V4 Preview (kwiecień 2026), V4-Pro GA (sierpień 2026), V4-Flash-Vision-Exp (sierpień 2026) i V4.1-Flash (wrzesień 2026).

Dwie rzeczy z tej listy są praktyczne. Po pierwsze, V3.1 wprowadził hybrydowe wnioskowanie: jeden model, dwa tryby, przełączane w aplikacji przyciskiem „DeepThink". W API tryb non-thinking to deepseek-chat, a tryb reasoning to deepseek-reasoner. Po drugie, V3.2 przyniósł wariant „Speciale" z myśleniem na maksa, opisany w komunikacie jako rywal Gemini-3.0-Pro, dostępny tylko przez API i tylko do testów społeczności. Jeśli widzisz w internecie porady o „DeepSeek R1", rozmawiasz o modelu sprzed dwóch lat, a nie o tym, który jest w cenniku.

Ile realnie kosztuje DeepSeek przy normalnym wolumenie

Cennik jest zbudowany na milionach tokenów, a stawka zależy od trzech rzeczy: czy wskoczyłeś w cache, czy zapytasz w godzinach szczytu i czy chcesz modelu Pro czy Flash. Wszystkie liczby poniżej są z oficjalnej dokumentacji.

Rozliczenie za 1 mln tokenów	deepseek-flash	deepseek-v4-pro
Wejście, cache HIT, off-peak	$0.003	$0.022
Wejście, cache HIT, peak	$0.006	$0.044
Wejście, cache MISS, off-peak	$0.15	$0.66
Wejście, cache MISS, peak	$0.30	$1.32
Wyjście, off-peak	$0.60	$1.98
Wyjście, peak	$1.20	$3.96

Kluczowa zmiana, o której mało kto pisze: nocą i w weekendy płacisz połowę. Stawki szczytowe obowiązują od 01:00 do 04:00 UTC oraz od 06:00 do 10:00 UTC, od poniedziałku do piątku, poza świętami publicznymi w Chinach. Przeliczone na czas polski zimą (CET) szczyt to 02:00-05:00 oraz 07:00-11:00, a latem (CEST) 03:00-06:00 oraz 08:00-12:00. Odprawa raportu nocą zamiast rano to przy tym wolumenie realna oszczędność, a nie teoria.

Weźmy realistyczny scenariusz: asystent przetwarza 15 milionów tokenów wejścia i generuje 3 miliony tokenów wyjścia w miesiącu, w godzinach poza szczytem. Na Flashu to 15 × $0.15 + 3 × $0.60 = $4.05 miesięcznie. Na Pro w godzinach off-peak 15 × $0.66 + 3 × $1.98 = $15.84. To samo na Pro w szczycie: 15 × $1.32 + 3 × $3.96 = $31.68. Różnica między Flashem a Pro to w tym scenariuszu niemal czterokrotność, a między godzinami dwa razy więcej. Trzeba tylko uczciwie doliczyć koszt wdrożenia, o którym pisałem przy temacie kosztu wdrożenia AI w małej firmie - czyli kilkaset złotych za konfigurację, a nie kilkanaście dolarów miesięcznie za tokeny.

Polityka prywatności mówi wprost: Chiny, retencja, trening

Tu dokumentacja podaje wszystko jednozdaniowo. Oto trzy cytaty z polityki prywatności, które rozstrzygają większość dyskusji o DeepSeeku i danych firmowych.

Gdzie leżą dane. „The Personal Data we collect from you may be stored on a server located outside of the country where you live. To provide you with our services, we directly collect, process and store your Personal Data in People's Republic of China." To zdanie powtarza się w dokumentacji dwa razy, w sekcji o przechowywaniu danych i w klauzuli dla EOG, Szwajcarii i Wielkiej Brytanii. W tej samej klauzuli DeepSeek pisze, że przy transferach „we will use appropriate safeguards for transferring Personal Data outside of certain countries" - bez wskazywania konkretnego instrumentu.

Jak długo. „When we process your Personal Data to provide you with the Services, we keep this Personal Data for as long as you have an account. This Personal Data includes your account Personal Data, input and payment Personal Data." Czyli dopóki masz konto, Twoje wejście jest u nich. Nie ma okresu wygasania podanego w tych dokumentach. Jest za to zdanie o usunięciu: po usunięciu konta „you will not be able to reactivate your account or retrieve any of the content or Personal Data in connection with your account."

Czy służy do treningu. „We use your Personal Data to operate, provide, develop, and improve the Services", a w tabeli podstaw prawnych dla EOG: „To improve and develop the Services and to train and improve our technology, such as our machine learning models and algorithms. Including by monitoring interactions and usage across your devices, analyzing how people are using it, and training and improving our technology." Podstawa to uzasadniony interes firmy, czyli nie Twoja zgoda. Jest jednak wyłączenie: „the right to opt-out of using your Personal Data for training our models or optimizing our technologies." To prawo trzeba świadomie wyegzekwować - samo nie zadziała.

Do tego dochodzą dwie rzeczy, o których firmy zapominają. Pierwsza: DeepSeek integruje cudze API do wyszukiwania i wprost o tym pisze - „We integrate third-party APIs to provide search services, and we will share your input keywords to provide these services." Twoje zapytanie wychodzi więc nie tylko do DeepSeeku. Druga: w katalogu dostawców DeepSeek wymienia podmioty świadczące usługi między innymi „foundation model training and optimization, analytics, customer and technical support", a dostawcom daje prawo „to access, process, or store Personal Data". Lista dostawców jest w dokumencie wymieniona kategoriami, nie nazwami.

Na plus: DeepSeek ma przypisany przedstawicielstwo w Europie. W piśmie czytamy, że firma „appointed Prighter Group with its local partners as our privacy representative" dla Unii Europejskiej i Wielkiej Brytanii, a wnioski o prawa podmiotu danych można tam kierować. Jest też podstawa do skargi: „The right to lodge complaints before your local data protection authority."

Co z tego wynika w praktyce - trzy rozwiązania dla polskiej firmy

Decyzja o DeepSeek sprowadza się do pytania, jakiego rodzaju dane wpuszczasz. Są trzy rozsądne warianty i każdy działa w innym miejscu.

Wariant pierwszy: dane publiczne i anonimowe. Kod, dokumentacja, artykuły, pytania bez danych osobowych. Tutaj polityka prywatności nie jest problemem, bo nie ma czego chronić. Flash w off-peak wystarczy w zupełności, a przy cache trafienia wchodzą po $0.003 za milion, co przy częstych podobnych pytaniach sprowadza koszt praktycznie do zera.

Wariant drugi: dane pseudonimizowane z izolacją per użytkownik. Jeśli przetwarzasz dokumenty wewnętrzne, numeruj je identyfikatorami i używaj parametru user_id. Dokumentacja opisuje trzy zastosowania tego parametru, w tym „KVCache Isolation: user_id is used to isolate KVCache for users on your business side for privacy management", czyli oddzielenie cache jednego klienta od drugiego. W dokumentacji jest przy tym wyraźne zastrzeżenie: „Do not include user privacy information in user_id." Parametr przyjmuje litery, cyfry, myślnik i podkreślenie, maksymalnie 512 znaków. Pseudonimizacja rozwiązuje część problemu, ale nie zmienia miejsca przechowywania.

Wariant trzeci: dane wrażliwe w ogóle nie wychodzą z Twojej infrastruktury. Ani Flash, ani Pro nie są w tym scenariuszu odpowiedzią, bo w obu przypadkach polityka mówi to samo o przechowywaniu. Wtedy zostaje model postawiony u siebie, o czym pisałem szerzej przy modelach hostowanych własnymi siłami. To jedyna opcja, która w pełni zamyka temat RODO, i jednocześnie najdroższa w utrzymaniu. Warto przy tym pamiętać, że wagi V3.1 i V3.2 były publikowane jako otwarte, natomiast w materiałach, które przejrzałem, nie ma analogicznej informacji o V4 - więc nie planuj na tej podstawie wdrożenia własnej infrastruktury pod V4.

Nie ma wariantu czwartego, w którym DeepSeek jest darmowy do pracy z danymi klientów po podpisaniu klauzuli w umowie. Dokumentacja tego nie przewiduje. Potrzebujesz takiej opcji albo pewności co do miejsca przetwarzania? To musisz iść w innego dostawcę albo we własny serwer.

Polski interfejs istnieje, polska jakość nie jest udokumentowana

Tutaj uczciwie powiem, czego nie wiem, bo materiały producenta tego nie opisują. Oficjalna dokumentacja DeepSeek ma przełącznik języka z dokładnie dwoma pozycjami: angielski i chiński. Polskiego interfejsu dokumentacji nie ma. W dokumentacji API, w polityce prywatności ani w komunikatach o wydaniach nie znajdziesz benchmarku jakości odpowiedzi po polsku, liczby słów ani wyników dla języka polskiego.

To znaczy coś innego niż „DeepSeek źle pisze po polsku". Znaczy, że nie masz podstawy, żeby oprzeć decyzję na cudzym benchmarku, bo takiego benchmarku w materiałach producenta nie ma. Polskie wersje stron trzecich, które udają narzędzia DeepSeek, są stronami, na których model ktoś puścił przez przeglądarkę, a nie dokumentacją producenta.

Weź dziesięć typowych zadań swojej firmy, napisz do każdego prompt po polsku i porównaj odpowiedzi na Flashu i Pro. Sprawdź trzy rzeczy, które w polskim biznesie najczęściej się psują: czy numeracja i nazwy własne zostają nienaruszone, czy model nie „ulepsza" kwot, i czy radzi sobie z potocznym językiem, a nie tylko z książkowym. Zapisz wyniki - to jedyny benchmark, który coś dla Ciebie znaczy, bo dotyczy Twoich danych.

Limity, o których dowiesz się dopiero przy wdrożeniu

Flash ma limit współbieżności 2500 połączeń na konto, Pro 500, liczone na konto, a nie na klucz API. Przekroczenie kończy się błędem HTTP 429, więc przy masowym przetwarzaniu dokumentów musisz mieć kolejkę z obsługą 429, inaczej praca przestanie w środku nocy. Powiększenie limitu jest możliwe i, co istotne, bezpłatne: „There is no additional cost for capacity expansion."

Druga sprawa: Pro nie obsługuje obrazów, w cenniku przy wizji stoi „Not supported", a Flash tak. Jeśli planujesz analizę faktur ze zdjęciami albo skanów, to masz wąski wybór między Flashem a rezygnacją z DeepSeeku.

Na plus: oba modele mają JSON Output, wywoływanie narzędzi, obsługę Responses API i format Anthropic. Ten ostatni punkt jest wygodny praktycznie - bazowy URL w formacie Anthropic to po prostu https://api.deepseek.com/anthropic, więc w istniejącym kodzie opartym na ich SDK wystarcza podmiana adresu i nazwy modelu, bez pisania własnego klienta HTTP. Jeśli masz już asystenta zbudowanego na ChatGPT, ten sam schemat podmiany opisuję przy łączeniu ChatGPT z n8n - to bardziej kwestia rachunku i jakości odpowiedzi niż pytania, czy technicznie się da.

Jedno ostrzeżenie z polityki prywatności dotyczy nie kodu, a ludzi. Udostępnienie rozmowy linkiem jest wygodne, ale dokumentacja ostrzega, że „any Dialogues you share with others, if subsequently published on public networks, may be at risk of being obtained by third parties through technical means such as web crawlers."

Pytania, które warto zadać przed wdrożeniem

Zanim DeepSeek trafi na produkcję u klienta, warto zadać kilka pytań:

• Czy to, co wysyłam, to dane osobowe, czy tylko treść gospodarcza?
• Czy potrzebuję realnej umowy powierzenia i gwarancji miejsca przetwarzania, bo tego w polityce DeepSeeku nie ma wprost?
• Jaki jest mój miesięczny wolumen tokenów i w jakich godzinach go generuję?
• Czy zależy mi na obrazach, których Flash nie obsługuje w Pro-ie?
• Kto w firmie odpowiada za to, co leci do zewnętrznego API?

Jeśli odpowiedzi na pierwsze dwa pytania brzmią „tak" i „tak", to DeepSeek nie jest dla Ciebie narzędziem firmowym, tylko narzędziem osobistym do eksperymentów. Odwrotna sytuacja sprawia, że warto zacząć od Flashu w godzinach nocnych i zobaczyć, jak wygląda rachunek po miesiącu realnej pracy. Zanim cokolwiek podepniesz produkcyjnie, przejdź audyt tego, co już w firmie działa na AI - zwykle wychodzi, że największy problem to nie wybór modelu, tylko brak listy procesów wartych automatyzacji.