Қытайлық DeepSeek компаниясы өзінің жеңілдетілген V4-Flash моделіне арналған жаңартылған API-дің ашық бета-нұсқасын ұсынды. Бұл жай ғана кезекті жаңарту емес: тест нәтижелері кіші модельдің тек қуып жетіп қана қоймай, бірқатар негізгі көрсеткіштер бойынша үлкен V4-Pro-Preview-ден асып түскенін көрсетеді. Бұл агенттік есептеулер мен автономды тапсырмаларды орындау саласындағы маңызды қадам.
V4-Flash-те не өзгерді
Жаңартудың негізгі бағыты — модельдің агенттік қабілеттерін күшейту. Енді V4-Flash адамның қатысуынсыз өздігінен код жазып, іске қоса алады, интернеттен ақпарат іздей алады және күрделі әрекеттер тізбегін құра алады. Негізгі жаңалық — агентке модельмен тікелей сұраныс алмасуға және нәтиже алуға мүмкіндік беретін Responses API форматын қолдау. Сонымен қатар, модель OpenAI-дің Codex құралына бейімделді, бұл оның әзірлеушілер үшін қолданылу аясын кеңейтеді. API шақыру әдісі өзгерген жоқ: жаңа нұсқаға өту үшін параметрлерде deepseek-v4-flash моделінің атын көрсету жеткілікті.
Модельдің архитектурасы мен көлемі өзгеріссіз қалды, алайда V4-Flash-0731 нұсқасы қосымша қайта оқытудан өтті. Бұл базалық құрылымды өзгертпей-ақ әсерлі нәтижелерге қол жеткізуге мүмкіндік берді.
Тест нәтижелері: сандар өздері үшін сөйлейді
Жаңартылған V4-Flash-0731 барлық дерлік бенчмарктарда тек алдыңғы V4-Flash-Preview-ді ғана емес, сонымен қатар үлкен V4-Pro-Preview-ді де басып озды. Командалық жолда жұмыс істеу қабілетін бағалайтын Terminal Bench 2.1 тестінде модель алдыңғы нұсқадағы 61,8-ге қарсы 82,7 балл жинады. Бұл GLM-5.2-ден (81,0) жоғары және Anthropic-тің Opus-4.8 (85,0) көрсеткішіне өте жақын.
Код жазу тапсырмаларындағы прогресс ерекше байқалады. NL2Repo тестінде V4-Flash бұрынғы нұсқадағы 39,4-ке қарсы 54,2 балл, ал DeepSWE-де 7,3-ке қарсы 54,4 балл алды. Қауіпсіздік саласындағы өсім де таңқаларлық: Cybergym тестінде модель 76,7 балл жинады, ал алдыңғы нұсқа небәрі 38,7, үлкен V4-Pro-Preview болса 52,7 көрсетті.
Құралдармен жұмыс нәтижелері де жақсарды: Toolathlon-Verified — 70,3 балл, Agents' Last Exam — 25,2, ал AutomationBench — 25,1. Осы үш көрсеткіштің барлығында жаңа нұсқа алдыңғылардан асып түседі. DeepSeek-тің ішкі тесттері де трендті растайды: DSBench-FullStack-те модель 68,7, ал DSBench-Hard-та 59,6 алды, бұл алдыңғы нұсқалардан айтарлықтай жоғары.
Бұл әзірлеушілер үшін нені білдіреді
V4-Flash үлкен көлемдегі жұмыстарға арналған жылдам және үнемді нұсқа ретінде ұсынылған. Codex қолдауы модельді әдеттегі ортада құралдарды ауыстырмай-ақ пайдалануға мүмкіндік береді. Ашық бета API-ге ашық қолжетімділікті білдіреді — кез келген әзірлеуші жаңа нұсқаны қазірдің өзінде қоса алады. Кері үйлесімділік сақталған: ескі сұраныстар жұмысын жалғастырады, ал өту модель атауын жай ғана ауыстыруға саяды.
Үлкен V4-Pro моделінің жаңартылуы бөлек жарияланды, оның ресми шығарылымы кейінірек күтіледі. Алайда қазірдің өзінде анық: DeepSeek тиімділік пен жылдамдық «шикі» қуаттан маңыздырақ болуы мүмкін екеніне ставка жасап отыр.
Менің көзқарасым: Бұл жай техникалық жаңарту емес, ИИ индустриясындағы парадигманың ауысуы туралы сигнал. Егер жеңілдетілген модель агенттік тапсырмаларда үлкеннен асып түссе, онда оңтайландыру мен қайта оқыту параметрлерді жай ғана ұлғайтудан маңыздырақ болуы мүмкін. Нарық үшін бұл бәсекелестіктің практикалық тиімділік жағына ауысатынын білдіреді, тек шикі бенчмарктарға емес. Әзірлеушілер V4-Flash-ке мұқият қарауы керек — мұндай сапада есептеу ресурстарын үнемдеу шешуші факторға айналуы мүмкін.