„DeepSeek V4.1 Flash“ praėjus kelioms dienoms po pristatymo pakilo į šeštąją vietą pasaulyje

Rugsėjo 10 d. bendrovė „DeepSeek“ pristatė „V4.1 Flash“: daugiamodalį eksperto mišinio (angl. Mixture-of-Experts) modelį, turintį 552 milijardus bazinių parametrų, tačiau išvesties metu aktyvuojantį tik nedidelę jų dalį. Tai žymi pokytį, kaip didieji kalbos modeliai subalansuoja mastą ir efektyvumą. Remiantis duomenų stebėjimo platforma „Gelonghui“, per tris dienas nuo pristatymo šis modelis „OpenRouter“ platformoje pakilo į šeštąją vietą pasaulyje pagal leksemų sunaudojimą.news.futunn

Šis modelis pakeičia ankstesnius „DeepSeek“ produktus „V4 Flash“ ir „V4 Flash Vision“, kurie per API dabar automatiškai nukreipiami į „V4.1 Flash“. Nuo rugsėjo 14 d. visi užklausų srautai į „V4 Pro“ galutinį tašką taip pat laikinai nukreipiami į „V4.1 Flash“ ir apmokestinami mažesniu tarifu, kol pasirodys „V4.1 Pro“.hi-tech+1

Architektūra ir efektyvumas

„V4.1 Flash“ sukurtas naudojant priežastinę kodavimo ir dekodavimo (angl. Causal Encoder-Decoder) architektūrą su 552 milijardais parametrų, tačiau jo eksperto mišinio struktūra aktyvuoja tik 8 milijardus parametrų įvesties apdorojimo metu ir 16 milijardų, generuojant išvestį. Tai yra sumažėjimas, palyginti su 13 milijardų aktyvuojamų parametrų vienai leksemai ankstesniame „V4 Flash“ modelyje, kuris iš viso turėjo 284 milijardus parametrų.hackernoon+2

Modelis palaiko iki vieno milijono leksemų konteksto langą ir naudoja atnaujintą KV spartinančiąją atmintį (angl. KV-cache), kuri vienai leksemai išsaugo maždaug 890 bajitų: apie ketvirtadalį „V4 Flash“ naudotos atminties. Didelės apimties apkrovas vykdančioms organizacijoms šis atminties poreikio sumažinimas gali būti svarbesnis nei tiesioginiai našumo testų rezultatai. Modelio svoriai viešai prieinami „Hugging Face“ platformoje pagal MIT licenciją.mindstudio+2

Ankstyvasis pritaikymas ir padėtis rinkoje

Remiantis „Gelonghui“ pateiktais „OpenRouter“ duomenimis, rugsėjo 7-13 d. savaitę pasaulinis DI modelių leksemų sunaudojimas pasiekė 127 trilijonus leksemų: daugiau nei 10 proc. daugiau nei ankstesnę savaitę. Kinijos DI modeliai sudarė 61,17 trilijono iš šių leksemų ir jau dvidešimtą savaitę iš eilės išlaikė lyderio poziciją prieš JAV modelius.news.futunn

„V4.1 Flash“ debiutavo šeštojoje vietoje su 4,94 trilijono sunaudotų leksemų per pirmąsias tris dienas, o „Xiaomi“ modelis „MiMo-V2.5“ šoktelėjo 230 proc., palyginti su praėjusia savaite, ir užėmė penktąją vietą. Tuo tarpu „Alibaba Cloud“ ↗ 1.28% rugsėjo 13 d. pristatė savo „DeepSeek-V4.1-Flash“ platformą, siūlančią API prieigą ir leksemų planą, integruotą su tokiais įrankiais kaip „Qoder“ ir „Codex“.gurufocus+1

Našumo testų rezultatai ir apribojimai

Remiantis pačių „DeepSeek“ vertinimais, esant didžiausioms samprotavimo pastangoms, „V4.1 Flash“ surinko 74,2 balo „DeepSWE v1.1“, 90,6 balo „Terminal-Bench 2.1“ ir 88,1 balo „CyberGym“ testuose. Modelis taip pat pademonstravo aukštus daugiamodalius rezultatus: 95,6 balo „DocVQA“ ir 56,5 balo „MMMU-Pro“ testuose.flowtivity+1

Tačiau keliuose žinių ir samprotavimo testuose „V4.1 Flash“ atsilieka nuo paties „DeepSeek“ sukurtos „V4 Pro“ versijos, o jo ilgojo konteksto „LongBench-V2“ rezultatas (45,2 balo) yra mažesnis nei „V4 Pro“ (51,5 balo). Bendrovė „DeepSeek“ nepaskelbė VRAM reikalavimų, išvesties greičio testų rezultatų ar rekomendacijų dėl paketų dydžio, todėl lokalaus diegimo planavimas daugiausia priklauso nuo pačių kūrėjų atliekamų bandymų.hackernoon