DeepSeek: Νέο μοντέλο όρασης που ανταγωνίζεται το Opus 4.8 της Anthropic

Το κινεζικό εργαστήριο τεχνητής νοημοσύνης DeepSeek κυκλοφόρησε την Παρασκευή ένα πειραματικό πολυτροπικό μοντέλο, το οποίο ισχυρίζεται ότι πλησιάζει την απόδοση του Claude Opus 4.8 της Anthropic σε βασικά τεστ αξιολόγησης, επεκτείνοντας την προσπάθεια της εταιρείας στην οπτική AI με ένα κλάσμα του κόστους που χρεώνουν οι Αμερικανοί ανταγωνιστές της.

Μια παραλλαγή όρασης, όχι μια νέα ναυαρχίδα

Το μοντέλο, με την ονομασία DeepSeek-V4-Flash-Vision-Exp, αποτελεί μια πολυτροπική παραλλαγή του υπάρχοντος μοντέλου κειμένου V4-Flash της εταιρείας. Σύμφωνα με την DeepSeek, διατηρεί τις δυνατότητες επεξεργασίας κειμένου του V4-Flash, συμπεριλαμβανομένης της συμπεριφοράς αυτόνομου πράκτορα, της λογικής και των γενικών γνώσεων, προσθέτοντας παράλληλα τη δυνατότητα κατανόησης εικόνας.officechai

Στα πολυτροπικά τεστ αξιολόγησης πρακτόρων που δημοσίευσε η εταιρεία, το νέο μοντέλο μειώνει σημαντικά την απόσταση από το Opus 4.8. Στο ApexBench, το V4-Flash-Vision-Exp σημειώνει σκορ 36,5 στο Pass@1 έναντι 39,4 του Opus 4.8. Στο Agents' Last Exam, ξεπερνά οριακά το μοντέλο της Anthropic με 27,3 έναντι 25,7, ενώ στο ZeroBench συγκεντρώνει 35,0 έναντι 34,0. Σε αξιολογήσεις με έμφαση στο κείμενο, όπως το Terminal Bench 2.1, το μοντέλο υπολείπεται του Opus 4.8 κατά περίπου μία μονάδα (83,9 έναντι 85,0), αν και μεγαλύτερες αποκλίσεις παραμένουν σε τεστ όπως το NL2Repo (57,7 έναντι 69,7).officechai

Η DeepSeek αξιολόγησε τα δικά της μοντέλα χρησιμοποιώντας το εσωτερικό της σύστημα Harness Minimal Mode, πράγμα που σημαίνει ότι τα νούμερα δεν έχουν επαληθευτεί από ανεξάρτητο φορέα.officechai

Τιμολόγηση και εργαλεία προγραμματιστών

Το μοντέλο είναι ήδη διαθέσιμο στο API της DeepSeek με το αναγνωριστικό `deepseek-v4-flash-vision-exp`. Η χρέωση των εικόνων γίνεται με βάση τον αριθμό των tokens, με ανώτατο όριο τα 384 tokens ανά εικόνα, με την ίδια χρέωση που ισχύει για το V4-Flash, μια δομή που διατηρεί το κόστος πολύ χαμηλότερα από αυτό που χρεώνουν τα αμερικανικά εργαστήρια για αντίστοιχες δυνατότητες.officechai

Παράλληλα με το μοντέλο, η DeepSeek κυκλοφόρησε την έκδοση 0.1.1 του πλαισίου Harness με ενσωματωμένη υποστήριξη για τη νέα έκδοση, καθώς και ένα Files API που επιτρέπει στους προγραμματιστές να ανεβάζουν μια εικόνα μία φορά και να αναφέρονται σε αυτήν επανειλημμένα σε διάφορα αιτήματα χρησιμοποιώντας ένα αναγνωριστικό αρχείου (file ID). Η χρήση του Files API είναι δωρεάν.officechai

Το ανταγωνιστικό πλαίσιο

Η κυκλοφορία αυτή έρχεται σε μια περίοδο που η DeepSeek αντιμετωπίζει έντονο ανταγωνισμό τόσο από Κινέζους αντιπάλους, όπως η Alibaba ↗ 1.28% και η Moonshot AI, όσο και από αμερικανικές εταιρείες, συμπεριλαμβανομένων των Anthropic και OpenAI. Το Bloomberg μετέδωσε την είδηση την Παρασκευή, παρουσιάζοντάς την ως την πιο πρόσφατη προσπάθεια της DeepSeek να αμφισβητήσει την κυριαρχία της Anthropic στην προηγμένη τεχνητή νοημοσύνη.bloomberg+1

Αντί για το λανσάρισμα μιας νέας ναυαρχίδας, το πειραματικό αυτό μοντέλο ακολουθεί μια τάση των κινεζικών εργαστηρίων να επεκτείνουν τις πολυτροπικές δυνατότητες και τις δυνατότητες αυτόνομων πρακτόρων σε μοντέλα μεσαίας κατηγορίας. Το αν το V4-Flash-Vision-Exp θα ξεφύγει από το πειραματικό στάδιο θα εξαρτηθεί από την υιοθέτησή του από τους προγραμματιστές. Προς το παρόν, σηματοδοτεί ότι ο επόμενος γύρος ανταγωνισμού στην AI αφορά εξίσου τη δημιουργία φθηνών μοντέλων ικανών για οπτική λογική όσο και την εκπαίδευση των μεγαλύτερων συστημάτων.officechai