DeepSeek компаниясы V4-Flash жеңілдетілген моделі үшін API-дің ашық бета-нұсқасын ресми түрде іске қосты. Ішкі тестілеу нәтижелері күтпеген болды: жаңа нұсқа агенттік қабілеттерді айтарлықтай күшейтіп қана қоймай, бірқатар көрсеткіштер бойынша ауыр әрі қымбат V4-Pro-Preview-тен асып түсті.

Архитектурада не өзгерді

Жаңарту тек V4-Flash моделінің API-іне ғана әсер етті. Үлкен V4-Pro, сондай-ақ DeepSeek-тің ресми қосымшасы мен веб-нұсқасы әзірге өзгеріссіз қалды. Негізгі басымдық агенттік тапсырмаларға — модельдің өз бетінше әрекет ететін сценарийлеріне жасалды: код жазу және іске қосу, ақпарат іздеу, әрекеттер тізбегін орындау.

Енді V4-Flash Responses API форматын тікелей қолдайды — агент модельмен сұраныстар алмасып, нәтиже алатын интерфейс. Сонымен қатар, модель OpenAI-дің код жазуға арналған танымал агенті Codex-ке бейімделді. Бұл әзірлеушілерге жұмыс ортасын ауыстырмай-ақ DeepSeek-ті әдеттегі құралға қосуға мүмкіндік береді. API шақыру әдісі өзгерген жоқ — параметрлерде deepseek-v4-flash моделінің атын көрсету жеткілікті.

Модельдің архитектурасы мен көлемі өзгеріссіз қалды. V4-Flash-0731 нұсқасы алдыңғы релиздің құрылымын сақтап қалды, бірақ қосымша қайта оқытудан өтті, бұл өнімділіктің осындай айтарлықтай өсуіне әкелді.

Тест нәтижелері: агенттік тапсырмалардағы серпіліс

Жаңа нұсқа барлық жерде дерлік бұрынғы V4-Flash-Preview-ті де, ескі V4-Pro-Preview-ті де басып озды, кей жерлерде Anthropic-тің флагмандық Opus-4.8-іне жақындап, қытайлық GLM-5.2-ден асып түсті.

Командалық жолда тапсырмаларды орындау қабілетін бағалайтын Terminal Bench 2.1 тестінде модель алдыңғы нұсқадағы 61,8 баллға қарсы 82,7 балл жинады. Бұл GLM-5.2-ден (81,0) жоғары және Opus-4.8-бен (85,0) шамамен тең.

Бағдарламалаудағы прогресс ерекше әсерлі. NL2Repo-да (мәтіндік сипаттаманы дайын репозиторийге айналдыру) V4-Flash бұрынғы 39,4-ке қарсы 54,2 балл алды, ал DeepSWE-де (нақты бағдарламалау мәселелерін шешу) — алдыңғы нұсқадағы қарапайым 7,3-ке қарсы 54,4. Қауіпсіздікте де күрт секіріс байқалады: Cybergym-де (кодтағы осалдықтарды іздеу) модель алдыңғы нұсқадағы 38,7 және үлкен V4-Pro-Preview-тегі 52,7-ге қарсы 76,7 балл жинады.

Құралдармен жұмыс нәтижелері де жақсарды. Toolathlon-Verified-те (сыртқы құралдарды пайдалану) V4-Flash 70,3 балл, Agents' Last Exam-де (күрделі агенттік тапсырмалар) — 25,2, ал AutomationBench-те (жұмыс сценарийлерін автоматтандыру) — 25,1 балл жинап, үш көрсеткіш бойынша да алдыңғы нұсқалардан озды.

Компанияның ішкі тесттері де өсімді көрсетті: DSBench-FullStack-те (толыққанды веб-әзірлеу) модель 68,7 балл, ал DSBench-Hard-та (бағдарламалық агент үшін күрделі тапсырмалар) — 59,6 балл жинады, бұл бұрынғы нәтижелерден айтарлықтай жоғары, дегенмен Opus-4.8-ден төмен.

Бұл әзірлеушілер үшін нені білдіреді

Ашық бета API-ге ашық қолжетімділікті білдіреді. Кез келген әзірлеуші жаңа нұсқаны қазірден қосып, оны өз тапсырмаларында тексере алады. Компания кері үйлесімділікті сақтап қалды: API-ге бұрынғы сұраныстар жұмысын жалғастырады, ал V4-Flash-ке көшу модель атауын жай ғана ауыстыруға саяды.

Үлкен V4-Pro-ның жаңартылуы бөлек хабарланды — оның ресми шығарылымы кейінірек болады.

Менің көзқарасым: DeepSeek-тің бұл қадамы — AI нарығы үшін маңызды сигнал. Жеңілдетілген және үнемді модельдің өткен ұрпақтың үлкен нұсқасынан озуы архитектураларды оңтайландырудағы жылдам прогресті көрсетеді. Әзірлеушілер үшін бұл инфрақұрылымға айтарлықтай аз шығынмен үздік модельдер деңгейіндегі өнімділікке қол жеткізу мүмкіндігін білдіреді, бұл агенттік шешімдерді жаппай өнімдерге енгізуді жылдамдатуы мүмкін.