DeepSeek julkaisi uuden näkömallin: sanoo sen haastavan Anthropicin Opus 4.8:n

Kiinalainen tekoälylaboratorio DeepSeek julkaisi perjantaina kokeellisen multimodaalisen mallin, jonka se väittää yltävän lähes Anthropicin Claude Opus 4.8 -mallin suorituskykyyn keskeisissä suorituskykytesteissä. Julkaisu jatkaa yhtiön pyrkimystä laajentaa visuaaliseen tekoälyyn murto-osalla amerikkalaisten kilpailijoiden hinnoista.

Kuvantunnistusversio, ei uusi lippulaivamalli

DeepSeek-V4-Flash-Vision-Exp -niminen malli on multimodaalinen versio yhtiön nykyisestä V4-Flash-tekstimallista. DeepSeekin mukaan se säilyttää V4-Flashin tekstikyvyt, kuten agenttimaisen toiminnan, päättelyn ja yleistiedon, ja tuo niiden lisäksi mukaan kuvantunnistuksen.officechai

Yhtiön julkaisemissa multimodaalisissa agenttitesteissä uusi malli kuroo eroa Opus 4.8 -malliin huomattavasti umpeen. ApexBench-testissä V4-Flash-Vision-Exp saa Pass@1-tulokseksi 36,5, kun taas Opus 4.8 saa 39,4. Agents' Last Exam -testissä se ohittaa niukasti Anthropicin mallin pistein 27,3 vastaan 25,7, ja ZeroBench-testissä se saa pisteet 35,0 vastaan 34,0. Paljon tekstiä sisältävissä testeissä, kuten Terminal Bench 2.1:ssä, malli jää Opus 4.8:sta jälkeen noin pisteen verran (83,9 vastaan 85,0), joskin suurempia eroja on yhä NL2Repo-testin kaltaisissa mittauksissa (57,7 vastaan 69,7).officechai

DeepSeek arvioi omat mallinsa käyttämällä sisäistä Harness Minimal Mode -menetelmäänsä, mikä tarkoittaa, ettei lukuja ole vahvistettu riippumattomasti.officechai

Hinnoittelu ja kehittäjätyökalut

Malli on nyt saatavilla DeepSeekin rajapinnassa (API) tunnuksella `deepseek-v4-flash-vision-exp`. Kuvista laskutetaan token-määrän mukaan, ja enimmäismäärä on 384 tokenia kuvaa kohden. Hinnoittelu on sama kuin V4-Flash-mallissa, ja tämä rakenne pitää kustannukset selvästi alhaisempina kuin mitä yhdysvaltalaiset laboratoriot veloittavat vastaavasta suorituskyvystä.officechai

Mallin ohella DeepSeek julkaisi Harness-kehityskehyksensä version 0.1.1, jossa on sisäänrakennettu tuki uudelle julkaisulle, sekä Files-rajapinnan, jonka avulla kehittäjät voivat ladata kuvan kerran ja viitata siihen toistuvasti eri pyynnöissä tiedostotunnisteen (file ID) avulla. Files-rajapinnan käyttö on maksutonta.officechai

Kilpailutilanne

Julkaisu tapahtuu tilanteessa, jossa DeepSeek kohtaa yhä kireämpää kilpailua sekä kiinalaisilta kilpailijoiltaan, kuten Alibabalta ↗ 1.28% ja Moonshot AI:lta, että yhdysvaltalaisilta yrityksiltä, kuten Anthropicilta ja OpenAI:lta. Bloomberg uutisoi julkaisusta perjantaina ja kuvaili sitä DeepSeekin uusimmaksi yritykseksi haastaa Anthropicin asema kehittyneen tekoälyn alalla.bloomberg+1

Lippulaivajulkaisun sijaan kokeellinen malli noudattaa kiinalaisten laboratorioiden yleistä kaavaa, jossa multimodaalisia ja agenttimaisia kykyjä tuodaan keskitason malleihin. Se, nouseeko V4-Flash-Vision-Exp kokeellisesta asemasta pysyväksi, riippuu kehittäjien kiinnostuksesta. Toistaiseksi se on merkki siitä, että tekoälykilpailun seuraavassa vaiheessa on kyse vähintään yhtä paljon edullisten mallien varustamisesta visuaalisella päättelykyvyllä kuin kaikkein suurimpien järjestelmien kouluttamisesta.officechai