‏دیپ‌سیک V4 Flash: جهش با پست‌ترینینگ

تو این مقاله اومده که DeepSeek V4 Flash یه آپدیت پست‌ترینینگ روی نسخهٔ preview قبلیه، نه معماری جدید و نه پارامتر بیشتر. مدل همون ۲۸۴ میلیارد پارامتر رو داره، ولی حالا تو چند بنچمارک به مدل‌های خیلی بزرگ‌تر نزدیک شده و قیمتش هم ته بازاره: حدود ۲ سنت برای هر میلیون توکن ورودی و نزدیک ۳۰ سنت برای هر میلیون توکن خروجی.

مهم‌ترین عدد، جهش تو بنچمارک کدنویسی ایجنتیک DeepSweep ـه: از ۷ درصد تو نسخهٔ preview به ۵۴ درصد تو نسخهٔ جدید. دیپ‌سیک می‌گه این مدل تقریباً تو همهٔ بنچمارک‌های منتشرشده از GLM 5.2 جلو زده، با اینکه GLM نزدیک سه برابر پارامتر داره. تو شاخص ترکیبی Artificial Intelligence Index هم درست کنار Gemini 2.6 Flash نشسته که چند روز قبلش منتشر شده بود.

نویسنده تأکید می‌کنه این مقایسه‌ها کاملاً منصفانه نیستن. تست‌های کدنویسی ایجنتیک روی هارنس خود دیپ‌سیک اجرا شدن — همون لایه‌ای که فراخوانی ابزار، ریتری و مدیریت کانتکست رو دور مدل می‌چینه — و بقیهٔ مدل‌ها احتمالاً به همون هارنس دسترسی نداشتن. به گفتهٔ نویسنده، مطالعهٔ OpenAI روی ARC-AGI نشون داد فقط عوض‌کردن هارنس نمره رو از حدود ۱۳ به ۴۰ درصد می‌بره، بدون اینکه مدل تغییر کنه.

بنچمارک‌های داخلی DS-Bench Full Stack و DS-Bench Hard تصویر صادقانه‌تری می‌دن، چون عمومی نیستن و احتمال نشت‌شون به دیتای آموزش کمه. روی اینا مدل پیشرفت واقعی داشته ولی هنوز از Opus 4.8 عقبه؛ یعنی فاصله رو کم کرده، ولی به رده‌بالایی‌ها نرسیده.

نکتهٔ عملی مهم اینه که مدل رو می‌شه کاملاً لوکال اجرا کرد. تو کوانتیزیشن ۴ بیتی حدود ۱۶۸ گیگابایت VRAM لازمه — یعنی چیزی مثل دو تا Nvidia DGX Spark شبکه‌شده — و تو ۳ بیت به حدود ۱۱۰ گیگ می‌رسه؛ اونم فقط برای لود مدل، بدون کانتکست. تو تست عملی سرعت حدود ۲۰ تا ۳۰ توکن بر ثانیه بوده. مدل فقط متنیه و ورودی تصویر نداره، که برای کارهای مالتی‌مودال یه محدودیت جدیه.

نکات کلیدی:

• جهش از ۷ به ۵۴ درصد تو DeepSweep، فقط با پست‌ترینینگ و بدون تغییر معماری
• برتری نسبت به GLM 5.2 با حدود یک‌سوم اندازه
• قیمت حدود ۲ سنت ورودی و ۳۰ سنت خروجی به ازای هر میلیون توکن
• بنچمارک‌ها روی هارنس اختصاصی خود دیپ‌سیک اجرا شدن
• تو بنچمارک‌های داخلی DS-Bench هنوز عقب‌تر از Opus 4.8
• اجرای لوکال با حدود ۱۶۸ گیگ VRAM و سرعت ۲۰ تا ۳۰ توکن بر ثانیه
• فقط متنی، بدون پشتیبانی از تصویر