Осы аптада DeepSeek компаниясы жаңартылған V4-Flash моделінің API-дің ашық бета-нұсқасын іске қосу арқылы күтпеген қадам жасады. Мен мұқият зерттеген нәтижелер модельдердің әдеттегі иерархиясын түбегейлі өзгертеді: «жеңілдетілген» нұсқа тек қуып жетіп қана қоймай, көптеген тесттерде флагмандық V4-Pro-Preview-тен асып түсті. Бұл жай инкрементальды жақсарту емес, агенттік ИИ сегментіндегі бәсекелестік ландшафттың маңызды қайта құрылуы.

V4-Flash-тегі негізгі өзгерістер

Жаңартудың басты назары — агенттік қабілеттерді күшейту. Модель енді Responses API форматын толық қолдайды, бұл оған автономды жұмыс істеуге мүмкіндік береді: код жазу және іске қосу, ақпарат іздеу және күрделі әрекет тізбектерін орындау. Сонымен қатар, V4-Flash OpenAI-дің Codex-пен интеграцияға бейімделді — бұл стратегиялық маңызды қадам, ол әзірлеушілерге жұмыс процесін өзгертпей-ақ таныс құралдарда DeepSeek-ті қолдану мүмкіндігін ашады.

Модельдің архитектурасы мен өлшемі өзгеріссіз қалды, бірақ V4-Flash-0731 нұсқасы қосымша қайта оқытудан өтті. Жаңа нұсқаға ауысу үшін API параметрлерінде жай ғана deepseek-v4-flash моделінің атын көрсету жеткілікті — басқа ешқандай өзгеріс қажет емес.

Тест нәтижелері: сандар өздері үшін сөйлейді

Бенчмарктардағы сандар әсерлі. Terminal Bench 2.1 тестінде (командалық жолда тапсырмаларды орындау) V4-Flash алдыңғы нұсқадағы 61,8-ге қарсы 82,7 балл жинады. Бұл қытайлық GLM-5.2-ден (81,0) жоғары және көшбасшы — Anthropic-тің Opus-4.8-іне (85,0) өте жақын.

Кодтаудағы прогресс ерекше байқалады. NL2Repo тестінде (мәтіндік сипаттаманы дайын репозиторийге айналдыру) модель бұрынғы 39,4-ке қарсы 54,2 балл алды. Бірақ ең күрт секіріс — DeepSWE-де (нақты бағдарламалау мәселелерін шешу): алдыңғы нұсқадағы 7,3-ке қарсы 54,4 балл. Бұл шамамен жеті есе өсім.

Киберқауіпсіздіктегі прогресс те әсерлі. Cybergym тестінде (кодтағы осалдықтарды іздеу) V4-Flash алдыңғы нұсқадағы 38,7 және үлкен V4-Pro-Preview-тегі 52,7-ге қарсы 76,7 балл жинады. Барлық басқа агенттік тесттерде — Toolathlon, Agents’ Last Exam, AutomationBench — жаңа нұсқа да алдыңғы буындардан сенімді түрде озып шығады.

Менің талдауым: бұл нарық үшін нені білдіреді

DeepSeek-тің бұл қадамы — жай жаңарту емес, парадигманың өзгеруі туралы сигнал. Компания модельдің тиімділігі өлшеммен емес, оқыту сапасымен анықталатынын көрсетеді. Әзірлеушілер үшін бұл айтарлықтай төмен бағамен жоғарғы деңгейдегі жабық модельдердің өнімділігіне қол жеткізуді білдіреді. Кейінірек күтілетін V4-Pro-ның толық релизі енді одан да қызықтырақ көрінеді — егер «кіші» модель осыншама жақсы болса, флагман не көрсетеді? Мен оқиғалардың дамуын мұқият қадағалап отырмын және бұл тренд агенттік әзірлеуге арналған құралдарды таңдау кезінде міндетті түрде ескеруге тұрарлық.