🚀 انتشار رسمی API مدل DeepSeek V4-Flash
کمپانی DeepSeek به‌تازگی از عرضه رسمی API مدل V4-Flash با تمرکز ویژه بر بهبود عملکرد در سناریوهای عامل‌محور (Agentic) خبر داد. طبق بنچمارک‌های داخلی، این نسخه در وظایف مرتبط با کدنویسی و اجرای دستورات توسط Autonomous Agents، عملکردی به‌مراتب دقیق‌تر و سریع‌تر از نسخه V4-Pro-Preview ارائه می‌دهد.
⚡ تغییرات کلیدی در این به‌روزرسانی شامل تقویت توانایی مدل در پردازش وظایف طولانی و پشتیبانی بومی از Responses API است. همچنین قابلیت Parallel Tool Calls برای فراخوانی همزمان ابزارها اضافه شده و سطوح استدلال low، high و max برای کنترل دقیق‌تر خروجی در دسترس کاربران قرار گرفته است.
🧠 ظرفیت حافظه یا Context Window مدل به ۱ میلیون توکن افزایش یافته و بهینه‌سازی‌های لازم برای هماهنگی کامل با Codex انجام شده است. کاربران می‌توانند این مدل را از طریق یک پیکربندی واحد به Codex CLI، افزونه VS Code و سایر ابزارهای سازگار متصل کنند.
#DeepSeek_V4_Flash #Autonomous_Agents
کمپانی DeepSeek به‌تازگی از عرضه رسمی API مدل V4-Flash با تمرکز ویژه بر بهبود عملکرد در سناریوهای عامل‌محور (Agentic) خبر داد. طبق بنچمارک‌های داخلی، این نسخه در وظایف مرتبط با کدنویسی و اجرای دستورات توسط Autonomous Agents، عملکردی به‌مراتب دقیق‌تر و سریع‌تر از نسخه V4-Pro-Preview ارائه می‌دهد.
⚡ تغییرات کلیدی در این به‌روزرسانی شامل تقویت توانایی مدل در پردازش وظایف طولانی و پشتیبانی بومی از Responses API است. همچنین قابلیت Parallel Tool Calls برای فراخوانی همزمان ابزارها اضافه شده و سطوح استدلال low، high و max برای کنترل دقیق‌تر خروجی در دسترس کاربران قرار گرفته است.
🧠 ظرفیت حافظه یا Context Window مدل به ۱ میلیون توکن افزایش یافته و بهینه‌سازی‌های لازم برای هماهنگی کامل با Codex انجام شده است. کاربران می‌توانند این مدل را از طریق یک پیکربندی واحد به Codex CLI، افزونه VS Code و سایر ابزارهای سازگار متصل کنند.
📊 Data➕Science 🇮🇷 - هوش مصنوعی و علم داده به فارسی
📩 ارتباط با ما
#DeepSeek_V4_Flash #Autonomous_Agents
🤖 بررسی مدل جدید DeepSeek V4 Flash 0731
🔬 مدل جدید DeepSeek V4 Flash 0731 با کسب امتیاز 50 در شاخص هوش Artificial Analysis، جهشی 10 امتیازی نسبت به نسخه پیشین خود داشته است. این مدل با حفظ معماری و 284 میلیارد پارامتر (13 میلیارد فعال)، اکنون 6 امتیاز از نسخه Pro پیشی گرفته و در مرز پارتو (تعادل بهینه هزینه و هوش) قرار دارد.
⚡ عملکرد این مدل در Agentic Tasks (وظایف خودمختار) بهبود چشمگیری یافته و امتیاز Elo آن در بنچمارک GDPval-AA v2 به 1559 رسیده است. همچنین در Terminal-Bench 2.1 رشد 17 واحدی ثبت کرده و در تمامی بخش‌های شاخص هوش، از جمله GPQA Diamond با امتیاز 91٪، عملکردی قوی‌تر از نسل قبل ارائه می‌دهد.
🧠 نکته کلیدی در نسخه 0731، کاهش نرخ Hallucination (توهم مدل) است که باعث بهبود 7 واحدی شاخص AA-Omniscience شده، بدون اینکه دقت کلی تغییری کند. علاوه بر این، مدل با کاهش 12 درصدی در مصرف توکن، نسبت به predecessor خود بسیار بهینه‌تر عمل می‌کند.
#DeepSeek_V4_Flash #GDPval_AA
🔬 مدل جدید DeepSeek V4 Flash 0731 با کسب امتیاز 50 در شاخص هوش Artificial Analysis، جهشی 10 امتیازی نسبت به نسخه پیشین خود داشته است. این مدل با حفظ معماری و 284 میلیارد پارامتر (13 میلیارد فعال)، اکنون 6 امتیاز از نسخه Pro پیشی گرفته و در مرز پارتو (تعادل بهینه هزینه و هوش) قرار دارد.
⚡ عملکرد این مدل در Agentic Tasks (وظایف خودمختار) بهبود چشمگیری یافته و امتیاز Elo آن در بنچمارک GDPval-AA v2 به 1559 رسیده است. همچنین در Terminal-Bench 2.1 رشد 17 واحدی ثبت کرده و در تمامی بخش‌های شاخص هوش، از جمله GPQA Diamond با امتیاز 91٪، عملکردی قوی‌تر از نسل قبل ارائه می‌دهد.
🧠 نکته کلیدی در نسخه 0731، کاهش نرخ Hallucination (توهم مدل) است که باعث بهبود 7 واحدی شاخص AA-Omniscience شده، بدون اینکه دقت کلی تغییری کند. علاوه بر این، مدل با کاهش 12 درصدی در مصرف توکن، نسبت به predecessor خود بسیار بهینه‌تر عمل می‌کند.
📊 Data➕Science 🇮🇷 - هوش مصنوعی و علم داده به فارسی
📩 ارتباط با ما
#DeepSeek_V4_Flash #GDPval_AA
🤖 ظهور رقیب اقتصادی با مدل DeepSeek V4 Flash 0731
در حالی که غول‌های تکنولوژی برای دسترسی به مدل‌های پیشرفته مبالغ سنگینی دریافت می‌کنند، شرکت چینی دیپ‌سیک با عرضه DeepSeek V4 Flash 0731 استراتژی بازار را تغییر داده است. این مدل جدید در پلتفرم Artificial Analysis امتیاز ۵۰ را کسب کرده که تنها یک واحد با مدل‌های رده‌بالای بازار فاصله دارد.
⚡ عملکرد فنی این مدل با ۲۸۴ میلیارد پارامتر و بهره‌گیری از معماری MoE (مدل متشکل از متخصصان هوشمند) همراه است که تنها ۱۳ میلیارد پارامتر را در هر لحظه فعال می‌کند. این طراحی بهینه‌شده باعث شده تا مدل در مقایسه با نسخه قبلی، حدود ۱۲ درصد توکن کمتری برای خروجی‌های مشابه مصرف کند.
📊 قیمت‌گذاری این مدل بسیار رقابتی است؛ هزینه هر میلیون توکن ورودی تنها ۰.۱۴ دلار و خروجی ۰.۲۸ دلار تعیین شده است. با استفاده از قابلیت کش، این هزینه به ۰.۰۰۲۸ دلار کاهش می‌یابد که نسبت به سرویس‌های مشابه غربی، تا ۶۰ درصد صرفه‌جویی در پروژه‌های API به همراه دارد.
#DeepSeek_V4_Flash #Terminal_Bench
در حالی که غول‌های تکنولوژی برای دسترسی به مدل‌های پیشرفته مبالغ سنگینی دریافت می‌کنند، شرکت چینی دیپ‌سیک با عرضه DeepSeek V4 Flash 0731 استراتژی بازار را تغییر داده است. این مدل جدید در پلتفرم Artificial Analysis امتیاز ۵۰ را کسب کرده که تنها یک واحد با مدل‌های رده‌بالای بازار فاصله دارد.
⚡ عملکرد فنی این مدل با ۲۸۴ میلیارد پارامتر و بهره‌گیری از معماری MoE (مدل متشکل از متخصصان هوشمند) همراه است که تنها ۱۳ میلیارد پارامتر را در هر لحظه فعال می‌کند. این طراحی بهینه‌شده باعث شده تا مدل در مقایسه با نسخه قبلی، حدود ۱۲ درصد توکن کمتری برای خروجی‌های مشابه مصرف کند.
📊 قیمت‌گذاری این مدل بسیار رقابتی است؛ هزینه هر میلیون توکن ورودی تنها ۰.۱۴ دلار و خروجی ۰.۲۸ دلار تعیین شده است. با استفاده از قابلیت کش، این هزینه به ۰.۰۰۲۸ دلار کاهش می‌یابد که نسبت به سرویس‌های مشابه غربی، تا ۶۰ درصد صرفه‌جویی در پروژه‌های API به همراه دارد.
📊 Data➕Science 🇮🇷 - هوش مصنوعی و علم داده به فارسی
📩 ارتباط با ما
#DeepSeek_V4_Flash #Terminal_Bench
هوش مصنوعی و علم داده به فارسی
🤖 ظهور رقیب اقتصادی با مدل DeepSeek V4 Flash 0731 در حالی که غول‌های تکنولوژی برای دسترسی به مدل‌های پیشرفته مبالغ سنگینی دریافت می‌کنند، شرکت چینی دیپ‌سیک با عرضه DeepSeek V4 Flash 0731 استراتژی بازار را تغییر داده است. این مدل جدید در پلتفرم Artificial…
⚡ مقایسه عملکرد مدل‌های DeepSeek و رقبای چینی
🔬 نتایج یک ارزیابی جدید بر روی ۳۰ وظیفه دشوار Agentic (عامل‌محور)، عملکرد مدل DeepSeek V4 Flash را در برابر رقبای مطرحی همچون Kimi K3 و GLM 5.2 بررسی کرده است.
🚀 طبق این گزارش، مدل DeepSeek موفق شده است با نرخ موفقیت مشابه، سرعت عملکرد خود را به شکل چشمگیری بهبود ببخشد. این مدل در مقایسه با GLM 5.2 حدود ۲.۵ برابر سریع‌تر و نسبت به Kimi K3 حدود ۱.۴ برابر سریع‌تر عمل کرده است.
📊 نکته قابل توجه این است که مدل DeepSeek علی‌رغم این سرعت بالا، بیشترین میزان Token مصرفی را در هر وظیفه به ثبت رسانده که نشان‌دهنده ماهیت سنگین‌تر پردازش در این معماری برای دستیابی به خروجی‌های سریع‌تر است. این بنچمارک نشان می‌دهد مدل‌های جدید چینی در سناریوهای پیچیده و تعاملی به بلوغ قابل‌قبولی رسیده‌اند.
#DeepSeek_V4_Flash #Agentic_Tasks
🔬 نتایج یک ارزیابی جدید بر روی ۳۰ وظیفه دشوار Agentic (عامل‌محور)، عملکرد مدل DeepSeek V4 Flash را در برابر رقبای مطرحی همچون Kimi K3 و GLM 5.2 بررسی کرده است.
🚀 طبق این گزارش، مدل DeepSeek موفق شده است با نرخ موفقیت مشابه، سرعت عملکرد خود را به شکل چشمگیری بهبود ببخشد. این مدل در مقایسه با GLM 5.2 حدود ۲.۵ برابر سریع‌تر و نسبت به Kimi K3 حدود ۱.۴ برابر سریع‌تر عمل کرده است.
📊 نکته قابل توجه این است که مدل DeepSeek علی‌رغم این سرعت بالا، بیشترین میزان Token مصرفی را در هر وظیفه به ثبت رسانده که نشان‌دهنده ماهیت سنگین‌تر پردازش در این معماری برای دستیابی به خروجی‌های سریع‌تر است. این بنچمارک نشان می‌دهد مدل‌های جدید چینی در سناریوهای پیچیده و تعاملی به بلوغ قابل‌قبولی رسیده‌اند.
📊 Data➕Science 🇮🇷 - هوش مصنوعی و علم داده به فارسی
📩 ارتباط با ما
#DeepSeek_V4_Flash #Agentic_Tasks
❤1
هوش مصنوعی و علم داده به فارسی
🤖 ظهور رقیب اقتصادی با مدل DeepSeek V4 Flash 0731 در حالی که غول‌های تکنولوژی برای دسترسی به مدل‌های پیشرفته مبالغ سنگینی دریافت می‌کنند، شرکت چینی دیپ‌سیک با عرضه DeepSeek V4 Flash 0731 استراتژی بازار را تغییر داده است. این مدل جدید در پلتفرم Artificial…
🚀 عملکرد خیره‌کننده DeepSeek v4 Flash
مدل جدید DeepSeek v4 Flash در دو نسخه 0731 (high) و (max) موفق به ثبت امتیازهای قابل توجه 57.1% و 63.0% در بنچمارک WeirdML شده است. این دستاورد عملاً استانداردهای فعلی در نسبت هزینه به دقت (cost/accuracy SOTA) را جابه‌جا کرده و حتی از GPT 5.6 Luna (پس از کاهش قیمت اخیر) پیشی گرفته است.
🧠 تحلیل‌های اولیه نشان می‌دهد که قدرت واقعی این مدل احتمالاً بیش از نتایج ثبت‌شده است. بسیاری از مدل‌های جدید، از جمله Opus، از داده‌های ارزیابی بیشتر برای کاوش در مجموعه داده‌ها استفاده می‌کنند تا ثبت بالاترین امتیاز؛ پدیده‌ای که احتمالاً ناشی از Overfitting (بیش‌برازش) در محیط‌های عاملی (agentic settings) است.
⚡ در صورتی که این مدل در یک چارچوب (harness) بهینه‌تر قرار گیرد، تحلیلگران انتظار دارند که عملکردی در سطح GLM 5.2 از خود نشان دهد. این پیشرفت می‌تواند رقابت در حوزه مدل‌های مقرون‌به‌صرفه با کارایی بالا را وارد فاز جدیدی کند.
#DeepSeek_v4_Flash #WeirdML
مدل جدید DeepSeek v4 Flash در دو نسخه 0731 (high) و (max) موفق به ثبت امتیازهای قابل توجه 57.1% و 63.0% در بنچمارک WeirdML شده است. این دستاورد عملاً استانداردهای فعلی در نسبت هزینه به دقت (cost/accuracy SOTA) را جابه‌جا کرده و حتی از GPT 5.6 Luna (پس از کاهش قیمت اخیر) پیشی گرفته است.
🧠 تحلیل‌های اولیه نشان می‌دهد که قدرت واقعی این مدل احتمالاً بیش از نتایج ثبت‌شده است. بسیاری از مدل‌های جدید، از جمله Opus، از داده‌های ارزیابی بیشتر برای کاوش در مجموعه داده‌ها استفاده می‌کنند تا ثبت بالاترین امتیاز؛ پدیده‌ای که احتمالاً ناشی از Overfitting (بیش‌برازش) در محیط‌های عاملی (agentic settings) است.
⚡ در صورتی که این مدل در یک چارچوب (harness) بهینه‌تر قرار گیرد، تحلیلگران انتظار دارند که عملکردی در سطح GLM 5.2 از خود نشان دهد. این پیشرفت می‌تواند رقابت در حوزه مدل‌های مقرون‌به‌صرفه با کارایی بالا را وارد فاز جدیدی کند.
📊 Data➕Science 🇮🇷 - هوش مصنوعی و علم داده به فارسی
📩 ارتباط با ما
#DeepSeek_v4_Flash #WeirdML
This media is not supported in your browser
VIEW IN TELEGRAM
🌊 مقایسه عملکرد مدل‌های هوش مصنوعی در کدنویسی بازی
🔬 در یک آزمایش عملی، مدل‌های زبانی DeepSeek V4 Flash 0731، Claude Opus 4.8، GPT-5.6 Luna و Gemini 3.6 Flash برای طراحی و توسعه یک بازی با عنوان Space Waves به چالش کشیده شدند. تمامی مدل‌ها در این ارزیابی بر روی حالت High thinking تنظیم شده بودند تا حداکثر توان پردازشی خود را به کار بگیرند.
⚡ نتایج نشان داد که اکثر این مدل‌ها موفق شدند بدون نیاز به ویرایش و در تلاش اول کد کامل بازی را تولید کنند. در این میان، تنها مدل GPT-5.6 Luna برای تکمیل نهایی پروژه به یک مرحله اصلاح اضافی (Edit turn) نیاز داشت که عملکرد سایر رقبا را در این بنچمارک خاص برجسته می‌کند.
🚀 این تست برتری مدل‌های جدیدتر را در وظایف پیچیده برنامه‌نویسی و کدنویسی یک‌مرحله‌ای به خوبی نشان می‌دهد. استفاده از حالت‌های تفکر عمیق، نقش کلیدی در کاهش خطاهای منطقی و افزایش کیفیت خروجی در پروژه‌های توسعه نرم‌افزار ایفا می‌کند.
#DeepSeek_V4_Flash #Space_Waves
🔬 در یک آزمایش عملی، مدل‌های زبانی DeepSeek V4 Flash 0731، Claude Opus 4.8، GPT-5.6 Luna و Gemini 3.6 Flash برای طراحی و توسعه یک بازی با عنوان Space Waves به چالش کشیده شدند. تمامی مدل‌ها در این ارزیابی بر روی حالت High thinking تنظیم شده بودند تا حداکثر توان پردازشی خود را به کار بگیرند.
⚡ نتایج نشان داد که اکثر این مدل‌ها موفق شدند بدون نیاز به ویرایش و در تلاش اول کد کامل بازی را تولید کنند. در این میان، تنها مدل GPT-5.6 Luna برای تکمیل نهایی پروژه به یک مرحله اصلاح اضافی (Edit turn) نیاز داشت که عملکرد سایر رقبا را در این بنچمارک خاص برجسته می‌کند.
🚀 این تست برتری مدل‌های جدیدتر را در وظایف پیچیده برنامه‌نویسی و کدنویسی یک‌مرحله‌ای به خوبی نشان می‌دهد. استفاده از حالت‌های تفکر عمیق، نقش کلیدی در کاهش خطاهای منطقی و افزایش کیفیت خروجی در پروژه‌های توسعه نرم‌افزار ایفا می‌کند.
📊 Data➕Science 🇮🇷 - هوش مصنوعی و علم داده به فارسی
📩 ارتباط با ما
#DeepSeek_V4_Flash #Space_Waves
🚀 جهش هوش مصنوعی با استراتژی خود-ارزیابی
مدل‌های متن‌باز اکنون به سطحی از توانایی رسیده‌اند که می‌توانند تعداد زیادی راهکار باکیفیت تولید کرده و خروجی‌های خود را با هزینه‌ای بسیار ناچیز ارزیابی کنند.
در یک بنچمارک اخیر بر روی Terminal-Bench 2.1، مدل
مهم‌ترین نکات این روش:
• افزایش دقت مدل از ۷۹٪ به ۸۸٪ تنها با نمونه‌برداری از ۵ راهکار.
• استفاده از خود مدل به عنوان داور (LLM-as-a-Verifier) برای رتبه‌بندی خروجی‌ها.
• صرفه اقتصادی بالا در مقایسه با مدل‌های بسته و تجاری.
این رویکرد نشان می‌دهد که چگونه ترکیب هوشمندانه استراتژی‌های ارزیابی می‌تواند کارایی مدل‌های فعلی را بدون نیاز به آموزش مجدد سنگین، ارتقا دهد.
#DeepSeek_V4_Flash #Terminal_Bench
مدل‌های متن‌باز اکنون به سطحی از توانایی رسیده‌اند که می‌توانند تعداد زیادی راهکار باکیفیت تولید کرده و خروجی‌های خود را با هزینه‌ای بسیار ناچیز ارزیابی کنند.
در یک بنچمارک اخیر بر روی Terminal-Bench 2.1، مدل
DeepSeek V4 Flash موفق شد با استفاده از تکنیک خود-ارزیابی، عملکردی بهتر از Claude Fable 5 داشته باشد. نکته قابل توجه این است که این روش نه تنها دقت را به شکل چشمگیری افزایش می‌دهد، بلکه هزینه‌های اجرا را تا ۱۱ برابر کاهش می‌دهد.مهم‌ترین نکات این روش:
• افزایش دقت مدل از ۷۹٪ به ۸۸٪ تنها با نمونه‌برداری از ۵ راهکار.
• استفاده از خود مدل به عنوان داور (LLM-as-a-Verifier) برای رتبه‌بندی خروجی‌ها.
• صرفه اقتصادی بالا در مقایسه با مدل‌های بسته و تجاری.
این رویکرد نشان می‌دهد که چگونه ترکیب هوشمندانه استراتژی‌های ارزیابی می‌تواند کارایی مدل‌های فعلی را بدون نیاز به آموزش مجدد سنگین، ارتقا دهد.
📊 Data➕Science 🇮🇷 - هوش مصنوعی و علم داده به فارسی
📩 ارتباط با ما
#DeepSeek_V4_Flash #Terminal_Bench
🚀 ظهور مدل چندوجهی جدید DeepSeek برای AI Agents
تیم DeepSeek مدل آزمایشی جدیدی با نام
نکته قابل‌توجه، عملکرد این نسخه Flash در بنچمارک‌های Visual-Agent است که توانسته در بسیاری از سناریوها به سطح مدل‌های سنگینی مثل Opus 4.8 نزدیک شده و در برخی موارد حتی از آن پیشی بگیرد. عرضه چنین مدل‌های بهینه‌ای می‌تواند به کاهش هزینه‌ها و افزایش دسترسی به ایجنت‌های هوشمند منجر شود.
مهم‌ترین نتایج در ارزیابی‌های فنی:
* Terminal Bench 2.1: امتیاز ۸۳.۹
* DeepSWE: امتیاز ۵۹.۳
* Toolathlon-Verified: امتیاز ۷۵.۹
* ApexBench: امتیاز ۳۶.۵
* ZeroBench: امتیاز ۳۵.۰
این نتایج نشان‌دهنده پتانسیل بالای مدل‌های سبک‌تر در انجام وظایف پیچیده ایجنتی است. آیا دوران سلطه مطلق مدل‌های غول‌پیکر در حال تغییر است؟
📚 مطالعه با جزئیات بیشتر
#DeepSeek_V4_Flash #Visual_Agent
تیم DeepSeek مدل آزمایشی جدیدی با نام
DeepSeek-V4-Flash-Vision-Exp را معرفی کرد. این مدل چندوجهی (Multimodal) به‌طور اختصاصی برای ایجنت‌هایی طراحی شده که علاوه بر متن، نیاز به درک تصاویر و تعامل با رابط‌های کاربری دارند.نکته قابل‌توجه، عملکرد این نسخه Flash در بنچمارک‌های Visual-Agent است که توانسته در بسیاری از سناریوها به سطح مدل‌های سنگینی مثل Opus 4.8 نزدیک شده و در برخی موارد حتی از آن پیشی بگیرد. عرضه چنین مدل‌های بهینه‌ای می‌تواند به کاهش هزینه‌ها و افزایش دسترسی به ایجنت‌های هوشمند منجر شود.
مهم‌ترین نتایج در ارزیابی‌های فنی:
* Terminal Bench 2.1: امتیاز ۸۳.۹
* DeepSWE: امتیاز ۵۹.۳
* Toolathlon-Verified: امتیاز ۷۵.۹
* ApexBench: امتیاز ۳۶.۵
* ZeroBench: امتیاز ۳۵.۰
این نتایج نشان‌دهنده پتانسیل بالای مدل‌های سبک‌تر در انجام وظایف پیچیده ایجنتی است. آیا دوران سلطه مطلق مدل‌های غول‌پیکر در حال تغییر است؟
📚 مطالعه با جزئیات بیشتر
📊 Data➕Science 🇮🇷 - هوش مصنوعی و علم داده به فارسی
📩 ارتباط با ما
#DeepSeek_V4_Flash #Visual_Agent