دیپسیک از مدل ارتقایافته V4.1-Flash رونمایی کرد؛ جهش چشمگیر بنچمارکها و تسریع پروژههای کدنویسی
دیپسیک نسخه بهروزشدهای از مدل سبک V4.1-Flash را در دسترس عموم قرار داد که وظایف را با سرعت بالاتر و پاسخهای خلاصهتر پردازش میکند. همزمان با ارتقای چشمگیر امتیازها در بنچمارکهای استدلال و کدنویسی، دسترسی همگانی به APIهای جستجو و واکشی اطلاعات این شرکت نیز فعال شد.

در یک نگاه (نکات کلیدی خبر)
خلاصه مهمترین نکات و تحولات این گزارش برای مطالعه سریع
- مدل ارتقایافته DeepSeek-V4.1-Flash-1017 با همان قیمت و نام قبلی، سرعت پردازش بالاتر و پاسخهای کوتاهتری ارائه میدهد.
- امتیازهای این مدل در آزمونهای دشوار استدلال و مهندسی نرمافزار، از جمله Humanity's Last Exam و Terminal-Bench، جهش چشمگیری داشته است.
- دیپسیک همزمان با این بهروزرسانی و در میانه جذب سرمایه ۱۲ میلیارد دلاری، دسترسی به APIهای وب را نیز برای همه باز کرد.
شرکت دیپسیک روز شنبه نسخه بهروزشدهای از مدل هوش مصنوعی V4.1-Flash را منتشر کرد که به گفته این شرکت، وظایف را با سرعتی بالاتر به پایان میرساند و پاسخهای خلاصهتر و دقیقتری نسبت به نسل قبل تولید میکند. این مدل جدید که DeepSeek-V4.1-Flash-1017 نام دارد، هماکنون از طریق وبسایت، اپلیکیشن و رابط برنامهنویسی کاربردی (API) دیپسیک در دسترس قرار گرفته است.
به گفته دیپسیک، شیوه فراخوانی API و تعرفه قیمتها هیچ تغییری نکرده است و کاربران میتوانند مانند گذشته با استفاده از شناسه deepseek-flash به این مدل جدید متصل شوند. علاوه بر این، دیپسیک این مدل را بهصورت متنباز روی پلتفرمهای هاگینگ فیس (Hugging Face) و مدلاسکوپ (ModelScope) نیز منتشر کرده است.
فهرست تغییرات (Change Log) دیپسیک نشان میدهد که این مدل در آزمون دشوار Humanity's Last Exam بدون استفاده از ابزارهای کمکی به امتیاز ۴۲٫۶ دست یافته که در مقایسه با امتیاز ۳۶٫۸ نسخه سپتامبر مدل V4.1-Flash، بهبود محسوسی داشته است. در بنچمارک Terminal-Bench 4.0 نیز امتیاز مدل جدید به ۴۲٫۳ رسیده، در حالی که نسخه پیشین امتیاز ۳۱٫۲ را به دست آورده بود. همچنین امتیاز مدل در بنچمارک ProgramBench از ۲۰٫۳ به ۲۹٫۱ و در DeepSWE v1.1 از ۷۴٫۲ به ۷۷٫۰ افزایش یافته است. دیپسیک اعلام کرده که بنچمارک Terminal-Bench 4.0 را با استفاده از فریمورک Claude Code مورد سنجش قرار داده است.
دیپسیک میگوید این مدل از یادگیری تقویتی همراه با بازخورد به خود (Self-Feedback) بهره میبرد تا فرآیند توسعه کامل و سرتاسری پروژهها، از بازیسازی گرفته تا مدلسازی سهبعدی را ارتقا دهد. این شرکت همچنین مدل جدید را برای ابزارهای DeepSeek Harness، Tencent CodeBuddy و WorkBuddy بهینهسازی کرده است و پیشنهاد میکند توسعهدهندگان سیستم خود را به نسخه 0.2.1-rc.1 یا بالاتر DeepSeek Harness ارتقا دهند.
دیپسیک در قالب این بهروزرسانی، دسترسی به رابطهای برنامهنویسی Search و Fetch را نیز برای همه کاربران باز کرد. هزینه استفاده از هر کدام از این اندپوینتها ۰٫۷۵ دلار به ازای هر ۱٬۰۰۰ درخواست است. البته فراخوانیهایی که از طریق ابزارهای سمت سرور در DeepSeek Harness، Claude Code و Codex انجام شوند، برای کاربران API دیپسیک تا پیش از آغاز سیستم صورتحساب در ۳۱ اکتبر ۲۰۲۶ (ساعت ۱۶:۰۰ به وقت UTC)، کاملاً رایگان خواهد بود.
بر اساس گزارش بلومبرگ، دیپسیک این نسخه را یک بازنگری تدریجی برای مدل V4.1-Flash دانسته است. این رونمایی بر شدت رقابت میان دیپسیک و رقبای برجستهای چون آنتروپیک، اوپنایآی، مونشات کیمی (Moonshot Kimi) و زدایآی (Z.ai) میافزاید. بلومبرگ همچنین این رقابت را رویارویی سیستمهای وزنباز چینی با مدلهای اختصاصی و بستهمنبع آمریکایی توصیف کرده است؛ مدلهای آمریکایی که اگرچه همچنان در شاخصهای عملکردی پیشتازند، اما هزینههای به مراتب سنگینتری تحمیل میکنند.
به گزارش بلومبرگ، سرورهای دیپسیک در هفته گذشته به مدت حدود پنج ساعت از دسترس خارج شدند. برخی کارشناسان، کمبود توان محاسباتی و زیرساختی این شرکت را عامل اصلی این اختلال دانستهاند.
دیپسیک نسخه اولیه مدل V4.1-Flash را در تاریخ ۱۰ سپتامبر بهعنوان کوچکترین عضو از خانواده معماری جدید خود و مجهز به توانایی ذاتی درک بصری چندوجهی عرضه کرده بود و در همان زمان نیز قیمت استفاده از API آن را کاهش داده بود.
دیپسیک همچنین در میانه فرآیند جذب سرمایه بزرگی قرار دارد. این شرکت از اوایل اکتبر در آستانه نهایی کردن جذب دستکم ۸۰ میلیارد یوان (حدود ۱۲ میلیارد دلار) سرمایه جدید بوده است؛ دور تأمین مالی تازهای که ارزش این استارتاپ چینی را حداقل به ۵۰۰ میلیارد یوان میرساند و نام غولهایی همچون هلدینگ تنسنت و شرکت باتریسازی CATL در میان بزرگترین سرمایهگذاران آن دیده میشود.
برچسب های مرتبط
مطالب مرتبط و پیشنهادی

انویدیا با مدلهای وزنباز نموترون، اجرای محلی ایجنتها را به سازمانها و کامپیوترهای شخصی میآورد
انویدیا از مدلهای وزنباز جدیدی برای توسعه ایجنتها در سرورهای سازمانی و کامپیوترهای شخصی پرده برداشت. این مدلها با تضمین حریم خصوصی، امکان اجرای آفلاین و پردازش محلی وظایف خودکار را بدون نیاز به سرورهای ابری برای سازمانها و کاربران فراهم میکنند.

ظهور دانشمندان هوش مصنوعی؛ چگونه ایجنتهای خودکار مدیریت آزمایشگاههای واقعی را به دست میگیرند؟
شخصیسازی و نامگذاری ایجنتهای هوش مصنوعی شاید در ابتدا سرگرمکننده به نظر برسد، اما تحول واقعی زمانی رخ میدهد که این ابزارها هویت تخصصی پیدا میکنند. پژوهشگران در نشستی تخصصی به بررسی نقش ایجنتهای خودکار در هدایت آزمایشگاههای شیمی و چالشهای سختافزاری پیشروی دانشمندان هوش مصنوعی پرداختند.

رمزگشایی از اسناد ناپلئون تا پروتکلهای امنیتی؛ رکوردشکنی مدلهای هوش مصنوعی در حل معماهای رمزنگاری
مدلهای پیشرفته هوش مصنوعی از شرکتهای اوپنایآی و آنتروپیک توانستهاند معماهای پیچیده رمزنگاری را که دههها و قرنها بدون پاسخ مانده بودند، در زمانی رکوردشکن رمزگشایی کنند. این دستاوردها نشان میدهند که توانایی الگوریتمهای هوش مصنوعی نهتنها در محاسبات ریاضی پیشرفته، بلکه در حل چالشهای امنیتی و تاریخی با سرعتی باورنکردنی در حال گسترش است.
دیدگاه ها و گفتگوی تخصصی
نظرات خود را با جامعه مخاطبان وایر ای آی در میان بگذارید
هنوز دیدگاهی برای این مطلب ثبت نشده است
اولین نفری باشید که دیدگاه، تحلیل یا دیدگاه خود را درباره این موضوع با دیگران به اشتراک می گذارد.