DeepSeek-V4-Flash ოფიციალურ ბეტაში: იგივე არქიტექტურა, უკეთესი შედეგები აგენტურ ტესტებში

V4-Flash გამოშვებიდან ოფიციალურ ბეტაში

DeepSeek-მა DeepSeek-V4-Flash API ოფიციალურ ღია ბეტაში გამოუშვა. გამოძახების წესი უცვლელია: დეველოპერები იმავე endpoint-ს იყენებენ და მოდელის სახელად deepseek-v4-flash-ს მიუთითებენ. კომპანიის ცვლილებების ჟურნალის მიხედვით, გამოშვებული საკონტროლო წერტილი DeepSeek-V4-Flash-0731 არქიტექტურითა და ზომით V4-Flash-Preview-ის იდენტურია და მხოლოდ ხელახლა გადატრენინგდა — გაუმჯობესება ტრენინგიდან მოდის და არა ახალი დიზაინიდან.

V4-ების ოჯახი DeepSeek-მა წელს ორ დონეზე გახსნა — V4-Pro და V4-Flash — OpenAI-ის ChatCompletions და Anthropic-ის ინტერფეისებით. ეს განახლება მხოლოდ Flash API-ს ეხება: ცვლილებების ჟურნალის მიხედვით, V4-Pro API და აპლიკაციისა და ვების მოდელები უცვლელია, V4-Pro-ს ოფიციალური გამოშვება კი მალე მოჰყვება.

აგენტური და კოდის ბენჩმარკები

DeepSeek აგენტური და კოდის ტესტების შედეგებს აქვეყნებს: Terminal Bench 2.1 — 82.7, NL2Repo — 54.2, CyberGym — 76.7, DeepSWE — 54.4, Toolathlon Verified — 70.3, Agents' Last Exam — 25.2 და Automation Bench (Public) — 25.1. შიდა ტესტებზე კომპანია DSBench-FullStack-ისთვის 68.7-ს და DSBench-Hard-ისთვის 59.6-ს იუწყება.

კომპანია აღნიშნავს, რომ საჯარო ბენჩმარკებში Code Agent-ის ამოცანები DeepSeek Harness-ის მინიმალური რეჟიმით — ჩარჩოთი, რომელიც, მათივე თქმით, მალე გამოვა — მაქსიმალური ძალისხმევის დონეზე, top_p 0.95-ითა და temperature 1.0-ით გაიშვა. DSBench-FullStack შიდა სრულსტეკიანი განვითარების ნაკრებია, DSBench-Hard კი შიდა რთული ამოცანების კოდინგის ნაკრები, ამიტომ ორივე კომპანიის საკუთარი მონაცემია.

Responses API და Codex-ის მხარდაჭერა

API ახლა ნატიურად უჭერს მხარს OpenAI-ის Responses API ფორმატს და სპეციალურად ადაპტირებულია Codex-ზე; დოკუმენტაციაში ერთი დაწკაპუნებით კონფიგურაციის სკრიპტიც არის. DeepSeek-ის თქმით, შედეგები V4-Pro-Preview-ს აგენტურ ბენჩმარკებზე საგრძნობლად აღემატება — მტკიცება, რომელიც, ზემოთ მოყვანილი ცხრილის მსგავსად, კომპანიის საკუთარი ტესტირებიდან მოდის.