نسخهی نهایی DeepSeek-V4-Pro با DSpark منتشر شد
هوش مصنوعیClaude Sonnet 5خلاصهٔ کاملتر
دیپسیک این بار نسخهی نهایی V4-Pro رو با کد 0813 منتشر کرده، جای نسخهی پیشنمایش قبلی رو میگیره. معماری مدل همون قبلیه، ولی یه ماژول جدید به اسم DSpark بهش اضافه شده که یه جور رمزگشایی حدسی (speculative decoding؛ یعنی حدس زدن چند توکن بعدی و تأیید سریعشون برای بالا بردن سرعت) هستش؛ بدون اینکه لازم باشه یه مدل کوچیکتر جدا برای این کار نگه داری.
به گفتهی دیپسیک، بیشترین پیشرفت تو بنچمارکهای کدنویسی و ایجنتی دیده میشه، نه دانش عمومی. مثلاً DeepSWE از ۱۲.۸ به ۶۲.۷ رسیده، NL2Repo از ۳۸.۵ به ۶۱.۵، و Cybergym از ۵۲.۷ به ۸۳.۳. Terminal Bench 2.1 هم که توانایی مدل تو کار با ترمینال و اجرای دستورات چندمرحلهای رو میسنجه، از ۷۲.۱ به ۸۷.۹ رسیده؛ یعنی مدل حالا تو مدیریت وضعیت و زنجیرهی فراخوانی ابزارها خیلی بهتر عمل میکنه.
فعالسازی DSpark سادهست: رو vLLM با فلگ --speculative-config و متد dspark، و رو SGLang فقط با یه فلگ --speculative-algorithm DSPARK. نکتهی مهم اینه که برخلاف روشهای قدیمی، لازم نیست آدرس یه مدل پیشنویس جدا بدی، چون وزنهای اصلی و کمکی از یه چکپوینت میان. دیپسیک تنظیمات پیشنهادیش رو هم گفته: برای کار ایجنتی temperature=1.0 و top_p=0.95، و تا ۳۸۴ هزار توکن خروجی تو حالتهای ریزنینگ بالا.
تو مقایسه با رقبا، دیپسیک نه همیشه اول میشه نه همیشه آخر. رو HLE بدون ابزار از GLM-5.2 جلوتره ولی از Kimi K3 و Opus 4.8 عقبتر؛ رو HLE با ابزار حتی از Opus 4.8 جلو میزنه. رو Terminal Bench 2.1 خیلی نزدیک به Kimi K3 و جلوتر از Opus 4.8ه، ولی رو DeepSWE و Toolathlon-Verified هر دو رقیب ازش جلوترن. نکتهی مهم اینه که این یه مدل متنباز با لایسنس MITه و داره با مدلهای بسته رقابت میکنه.
برای کسایی که میخوان خودشون این مدل رو میزبانی کنن، چند نکته مهمه: مدل رو ۶۶ تیکهی safetensor پخش شده و برای اجراش سختافزار قوی لازمه (نمونهی تستشده یه نود ۴تایی GB300 بوده). همچنین این بار بهجای تمپلیت چت Jinja معمول، دیپسیک اسکریپتهای پایتون برای تبدیل پیامهای سبک OpenAI به ورودی مدل ارائه داده که یه قدم اضافه برای تیمهایی حساب میشه که به تمپلیتهای معمول عادت دارن.
نکات کلیدی:
- ماژول DSpark رمزگشایی حدسی رو تو همون چکپوینت اصلی انجام میده، بدون نیاز به مدل پیشنویس جدا
- امتیاز DeepSWE از ۱۲.۸ به ۶۲.۷ و Cybergym از ۵۲.۷ به ۸۳.۳ نسبت به نسخهی پیشنمایش رسیده
- رو HLE با ابزار (۶۰.۰) از Opus 4.8 (۵۷.۹) جلوتره، ولی رو DeepSWE از Kimi K3 عقبتره
- مدل با لایسنس MIT منتشر شده و رو vLLM و SGLang با یه فلگ ساده قابل اجراست
- برای اجرای محلی به سختافزار قوی مثل نود ۴تایی GB300 نیاز داره و دیگه از تمپلیت Jinja استفاده نمیکنه
