DeepSeek V4.1 Flash-ը գործարկումից օրեր անց աշխարհում 6-րդ տեղն է զբաղեցրել

DeepSeek-ը սեպտեմբերի 10-ին թողարկեց V4.1 Flash-ը՝ բազմամոդալ Mixture-of-Experts մոդել, որն ունի 552 միլիարդ հիմնական պարամետր, սակայն ինֆերենսի ընթացքում ակտիվացնում է դրանց միայն փոքր մասը. սա նշանավորում է փոփոխություն այն հարցում, թե ինչպես են խոշոր լեզվական մոդելները համադրում մասշտաբն ու արդյունավետությունը: Թողարկումից երեք օր անց մոդելը բարձրացել է 6-րդ հորիզոնական աշխարհում OpenRouter հարթակում թոքենների սպառման ծավալով՝ ըստ Gelonghui տվյալների հետևման հարթակի:news.futunn

Մոդելը փոխարինում է DeepSeek-ի ավելի վաղ V4 Flash և V4 Flash Vision առաջարկներին, որոնք այժմ API-ի միջոցով ավտոմատ ուղղորդվում են դեպի V4.1 Flash: Սեպտեմբերի 14-ից V4 Pro վերջնակետին ուղղված բոլոր հարցումները նույնպես ժամանակավորապես վերահասցեագրվում են դեպի V4.1 Flash և հաշվարկվում դրա ավելի ցածր սակագնով, մինչև թողարկվի V4.1 Pro-ն:hi-tech+1

Ճարտարապետություն և արդյունավետություն

V4.1 Flash-ը կառուցված է Causal Encoder-Decoder ճարտարապետության վրա՝ 552 միլիարդ ընդհանուր պարամետրերով, սակայն դրա Mixture-of-Experts կառուցվածքն ակտիվացնում է ընդամենը 8 միլիարդ պարամետր մուտքային տվյալների մշակման ժամանակ և 16 միլիարդ՝ ելքային տվյալների գեներացման ընթացքում: Սա կրճատում է նախորդ V4 Flash-ի համեմատ, որն ակտիվացնում էր 13 միլիարդ պարամետր մեկ թոքենի համար և ուներ 284 միլիարդ ընդհանուր պարամետր:hackernoon+2

Մոդելն աջակցում է մինչև մեկ միլիոն թոքեն պարունակող կոնտեքստային պատուհան և օգտագործում է վերանայված KV-cache, որը պահում է մոտ 890 բայթ մեկ թոքենի համար. սա V4 Flash-ի հիշողության ծավալի մոտ մեկ քառորդն է: Մեծ ծավալի աշխատանքային ծանրաբեռնվածություն իրականացնող կազմակերպությունների համար հիշողության պահանջների այս կրճատումը կարող է ավելի կարևոր լինել, քան բենչմարկների զուտ աճը: Մոդելի քաշային գործակիցները հանրայնորեն հասանելի են Hugging Face-ում՝ MIT լիցենզիայի ներքո:mindstudio+2

Վաղ որդեգրումը և դիրքը շուկայում

Արհեստական բանականության մոդելների թոքենների համաշխարհային սպառումը սեպտեմբերի 7-13-ն ընկած շաբաթվա ընթացքում հասել է 127 տրիլիոն թոքենի, ինչը ավելի քան 10 տոկոսով գերազանցում է նախորդ շաբաթվա ցուցանիշը՝ ըստ Gelonghui-ի փոխանցած OpenRouter-ի տվյալների: Չինական AI մոդելներին բաժին է ընկել այդ թոքեններից 61.17 տրիլիոնը՝ քսաներորդ շաբաթն անընդմեջ պահպանելով առաջատարությունը ամերիկյան մոդելների նկատմամբ:news.futunn

V4.1 Flash-ը դեբյուտ է ունեցել վեցերորդ տեղում՝ առաջին երեք օրերում սպառելով 4.94 տրիլիոն թոքեն, մինչդեռ Xiaomi-ի MiMo-V2.5-ն աճել է 230 տոկոսով շաբաթական կտրվածքով՝ զբաղեցնելով հինգերորդ տեղը: Alibaba Cloud ↗ 1.28%-ը, միևնույն ժամանակ, սեպտեմբերի 13-ին թողարկել է իր սեփական DeepSeek-V4.1-Flash հարթակը, որն առաջարկում է API հասանելիություն և Token Plan՝ ինտեգրված Qoder և Codex գործիքների հետ:gurufocus+1

Բենչմարկների արդյունքները և սահմանափակումները

Դատողության առավելագույն ճիգի դեպքում V4.1 Flash-ը վաստակել է 74.2 միավոր DeepSWE v1.1-ում, 90.6՝ Terminal-Bench 2.1-ում և 88.1՝ CyberGym-ում՝ ըստ DeepSeek-ի սեփական գնահատականների: Մոդելը ցույց է տվել նաև ուժեղ բազմամոդալ արդյունքներ, այդ թվում՝ 95.6՝ DocVQA-ում և 56.5՝ MMMU-Pro-ում:flowtivity+1

Այնուամենայնիվ, V4.1 Flash-ը զիջում է DeepSeek-ի սեփական V4 Pro-ին գիտելիքների և դատողության մի շարք բենչմարկներում, իսկ դրա LongBench-V2 երկար կոնտեքստի ցուցանիշը (45.2) ցածր է V4 Pro-ի 51.5 ցուցանիշից: DeepSeek-ը չի հրապարակել VRAM-ի պահանջները, ինֆերենսի արագության բենչմարկները կամ batch-size-ի վերաբերյալ ուղեցույցները՝ տեղական տեղակայման պլանավորումը մեծապես թողնելով ծրագրավորողների սեփական փորձարկումներին:hackernoon