DeepSeek V4: تقریباً همرده بهترینها، با قیمتی ناباورانه
هوش مصنوعیخلاصهٔ کاملتر
آزمایشگاه DeepSeek چین تازه دو مدل پیشنمایش از سری V4 رو رونمایی کرده: DeepSeek-V4-Pro و DeepSeek-V4-Flash. آخرین مدل قبلیشون V3.2 بود که دیماه سال گذشته منتشر شده بود، پس این انتشار خیلی مورد انتظار بود.
هر دو مدل از معماری Mixture of Experts (MoE) استفاده میکنن و پنجره کانتکست یک میلیون توکنی دارن. V4-Pro در کل ۱.۶ تریلیون پارامتر داره ولی در هر لحظه فقط ۴۹ میلیارد پارامتر فعال میشه. V4-Flash هم ۲۸۴ میلیارد پارامتر کلی با ۱۳ میلیارد پارامتر فعال داره. این یعنی V4-Pro الان احتمالاً بزرگترین مدل open-weights دنیاست — از Kimi K2.6 با ۱.۱ تریلیون و GLM-5.1 با ۷۵۴ میلیارد هم بزرگتره و بیش از دو برابر DeepSeek V3.2 با ۶۸۵ میلیارد. لایسنس هر دو مدل MITه که خبر خوبیه.
حجم V4-Pro روی HuggingFace حدود ۸۶۵ گیگابایته و Flash هم ۱۶۰ گیگابایت. یکی از نکات جالب اینه که با کوانتیزه کردن سبکتر، Flash میتونه روی مکبوک پرو ۱۲۸ گیگابایتی M5 هم اجرا بشه.
اما مهمترین چیزی که این مدلها رو متمایز میکنه، قیمتگذاریشونه. DeepSeek V4-Flash با ۰.۱۴ دلار ورودی و ۰.۲۸ دلار خروجی به ازای هر میلیون توکن، از GPT-5.4 Nano اوپنایآی (۰.۲۰ و ۱.۲۵ دلار) هم ارزونتره. V4-Pro هم با ۱.۷۴ دلار ورودی و ۳.۴۸ دلار خروجی، از Gemini 3.1 Pro (۲ و ۱۲ دلار)، GPT-5.4 (۲.۵ و ۱۵ دلار) و Claude Sonnet 4.6 (۳ و ۱۵ دلار) به مراتب مقرونبهصرفهتره.
دلیل این قیمت پایین توی بهینهسازیهای فنیه که DeepSeek توی پیپر خودش بهشون اشاره کرده. طبق پیپر، در سناریوی کانتکست یک میلیون توکنی، V4-Pro فقط ۲۷ درصد از FLOPs یک توکنی و ۱۰ درصد از حجم KV cache نسبت به V3.2 مصرف میکنه. V4-Flash این عدد رو به ۱۰ درصد FLOPs و ۷ درصد KV cache میرسونه — یعنی کارایی چشمگیری داره.
میشه این مدلها رو از طریق OpenRouter و با ابزار llm آزمایش کرد:
llm -m openrouter/deepseek/deepseek-v4-pro 'Generate an SVG of a pelican riding a bicycle'بنچمارکهای خود DeepSeek نشون میده که V4-Pro با مدلهای فرانتیر دیگه رقابت میکنه، هرچند خودشون هم صادقانه اذعان میکنن که از GPT-5.4 و Gemini-3.1-Pro کمی عقبتره و در مسیر توسعهای حدود ۳ تا ۶ ماه از جدیدترین مدلهای فرانتیر فاصله داره.
نسخههای کوانتیزهشده این مدلها هم به زودی از طریق تیم Unsloth روی HuggingFace در دسترس قرار میگیرن که اجرا روی سختافزار شخصی رو ممکنتر میکنه.
نکات کلیدی:
- DeepSeek-V4-Pro با ۱.۶ تریلیون پارامتر، بزرگترین مدل open-weights تاریخه
- هر دو مدل پنجره کانتکست ۱ میلیون توکنی دارن و از معماری MoE استفاده میکنن
- V4-Flash ارزونترین مدل کوچک فرانتیره — از GPT-5.4 Nano هم ارزونتره
- V4-Pro با ۱.۷۴ دلار، ارزونترین مدل فرانتیر بزرگه
- این قیمت پایین ممکن شده چون مصرف FLOPs و KV cache به شدت بهینه شده
- لایسنس MIT، کاملاً آزاد و متنباز
- نسخههای کوانتیزه به زودی برای اجرا روی سختافزار شخصی در دسترس میشن
