دیپ‌سیک نسخه به‌روزشده V4.1-Flash-1017 را معرفی کرده است؛ مدلی که در نتایج منتشرشده، نسبت به نسخه قبلی V4.۱-Flash در برنامه‌نویسی، اجرای وظایف پیچیده و استفاده از ابزارها پیشرفت قابل‌توجهی نشان می‌دهد.
نتایج جدید در چند آزمون از عملکردی بهتر از GPT-۵.۶ Sol و GLM-۵.۳ حکایت دارند و در برخی زمینه‌ها این مدل را به Claude Opus ۵ نزدیک می‌کنند. بااین‌حال، برتری آن در تمام بنچمارک‌ها تأیید نشده است.
عملکرد بهتر در بنچمارک‌های برنامه‌نویسی
یکی از مهم‌ترین تغییرات، افزایش امتیاز مدل در آزمون‌هایی است که توانایی هوش مصنوعی در حل مسائل برنامه‌نویسی و انجام کارهای چندمرحله‌ای را می‌سنجند.
بر اساس نتایج منتشرشده برای نسخه جدید، DeepSeek-V4.۱-Flash-۱۰۱۷ در بنچمارک DeepSWE v1.۱ امتیاز ۷۷ را کسب کرده است؛ درحالی‌که امتیاز نسخه قبلی ۷۴٫۲ بود. در ProgramBench نیز امتیاز مدل از ۲۰٫۳ به ۲۹٫۱ رسیده است.
در آزمون Terminal-Bench ۴.۰، که عملکرد عامل‌های هوش مصنوعی را در انجام وظایف محیط ترمینال ارزیابی می‌کند، نسخه جدید به امتیاز ۴۲٫۳ رسیده است؛ رقمی که از امتیاز ۳۹٫۹ برای GPT-۵.۶ Sol و ۳۷٫۹ برای GLM-۵.۳ بیشتر است. بااین‌حال، Claude Opus ۵ با امتیاز ۵۱٫۸ همچنان در این آزمون جلوتر قرار دارد.
بنچمارک های بیشتر:
مقایسه با مدل‌های پیشرفته
نتایج منتشرشده نشان می‌دهد نسخه جدید DeepSeek در همه حوزه‌ها به یک اندازه پیشرفت نکرده است. در بعضی آزمون‌های برنامه‌نویسی و اجرای خودکار وظایف، عملکرد آن با مدل‌های قدرتمند رقابت می‌کند؛ اما در برخی آزمون‌های استدلال و دانش عمومی، هنوز فاصله دارد.
برای مثال، در بنچمارک Humanity’s Last Exam بدون ابزار، امتیاز نسخه جدید ۴۲٫۶ اعلام شده است؛ درحالی‌که Claude Opus ۵ امتیاز ۵۶٫۳ و GPT-۵.۶ Sol امتیاز ۴۴٫۵ دارند. بنابراین، نتایج فعلی بیشتر از پیشرفت هدفمند در برخی توانایی‌ها حکایت می‌کنند تا برتری مطلق بر مدل‌های رقیب.
سرعت بیشتر و هزینه کمتر
بهبود کیفیت تنها تغییر گزارش‌شده نیست. طبق اطلاعات منتشرشده درباره این به‌روزرسانی، زمان اجرای وظایف و حجم خروجی مدل نیز کاهش یافته است. اگر این تغییرات در استفاده واقعی تکرار شوند، می‌توانند هزینه اجرای عامل‌های هوش مصنوعی را پایین بیاورند؛ به‌خصوص در کارهایی که به فراخوانی مکرر ابزارها یا اجرای چندمرحله‌ای نیاز دارند.
نسخه اصلی V4.۱-Flash نیز با معماری Mixture of Experts و قابلیت درک بومی تصاویر معرفی شده بود. در آن مدل، معماری نامتقارن باعث می‌شد هنگام پردازش ورودی ۸ میلیارد پارامتر و هنگام تولید خروجی ۱۶ میلیارد پارامتر فعال شوند؛ درحالی‌که تعداد کل پارامترها ۵۵۲ میلیارد بود. اطلاعات موجود درباره نسخه ۱۰۱۷، به‌تنهایی نشان نمی‌دهد که معماری پایه نیز تغییر کرده باشد.
چگونه به نسخه جدید دسترسی پیدا کنیم؟
طبق اطلاعات منتشرشده درباره به‌روزرسانی، شناسه API همچنان deepseek-flash است و روش فراخوانی و قیمت‌گذاری API تغییر نکرده است. این یعنی توسعه‌دهندگان برای دسترسی به نسخه جدید، در صورت فعال‌شدن آن روی سرویس، نیازی به تغییر نام مدل در کد خود ندارند.
با وجود این، باید توجه داشت که نتایج بنچمارک به چارچوب اجرا و روش ارزیابی وابسته‌اند. برای نمونه، نتیجه Terminal-Bench ۴.۰ با چارچوب Claude Code و نتیجه DeepSWE با Mini-SWE-V2 اندازه‌گیری شده است؛ بنابراین مقایسه اعداد به‌تنهایی معادل آزمایش مستقل و کاملاً هم‌شرایط نیست.
در مجموع، V4.۱-Flash-۱۰۱۷ می‌تواند به‌روزرسانی مهمی برای توسعه‌دهندگانی باشد که از مدل‌های سریع‌تر و کم‌هزینه‌تر برای کدنویسی و عامل‌های هوش مصنوعی استفاده می‌کنند. بااین‌حال، برای مشخص‌شدن میزان پیشرفت در استفاده روزمره، باید نتایج آزمون‌های مستقل و تجربه کاربران نیز بررسی شود.
