دیپ‌سیک جستجوی زنده در وب را به مدل ۵۵۲ میلیاردی V4.1 Flash اضافه کرد؛ ابزاری ارزان برای ایجنت‌ها

ترکیب مدل Flash با ابزارهای وب در دیپ‌سیک

شرکت دیپ‌سیک به‌تازگی وزن‌های جدید مدل کدنویسی اقتصادی خود را منتشر کرده و دو رابط برنامه‌نویسی کاربردی Search و Fetch را در دسترس تمام حساب‌های API قرار داده است. با این تغییر، توسعه‌دهندگان می‌توانند یک مدل زبانی با پنجره زمینه (کانتکست) بسیار بزرگ را به قابلیت جستجوی زنده وب متصل کنند؛ آن‌هم ذیل یک حساب کاربری واحد، سیستم احراز هویت یکپارچه و ساختار قیمت‌گذاری یکسان.

این نسخه که در ۱۷ اکتبر ۲۰۲۶ با نام DeepSeek-V4.1-Flash-1017 عرضه شده است، خانواده V4.1 Flash را به‌روزرسانی می‌کند، اما شناسه آن در نسخه میزبانی‌شده API همچنان deepseek-flash باقی مانده است. دیپ‌سیک گزارش می‌دهد که این مدل نسبت به نسخه قبلی، با همان قیمت توکن، امتیازات بنچمارک بالاتر، سرعت اجرای سریع‌تر و پاسخ‌های کوتاه‌تر و دقیق‌تری ارائه می‌دهد.

تخصیص هوشمندانه و نامتقارن توان پردازشی در Flash

مدل V4.1 Flash از معماری ترکیبی از متخصصان خلوت (Sparse MoE) با مجموع ۵۵۲ میلیارد پارامتر بهره می‌برد. در این معماری، پردازش متن ورودی تنها ۸ میلیارد پارامتر و تولید متن خروجی ۱۶ میلیارد پارامتر را فعال می‌کند. فعال‌سازی تنها بخش کوچکی از مدل به ازای هر توکن، نیاز به توان محاسباتی را به‌شدت کاهش می‌دهد و هم‌زمان دسترسی کامل به مخزن عظیم پارامترها را حفظ می‌کند.

بر اساس توضیحات گزارش فنی منتشرشده، این مدل از یک شبکه ۴۰ لایه‌ای Causal Encoder-Decoder تشکیل شده که به‌طور مساوی بین لایه‌های انکودر و دیکودر تقسیم شده است. لایه‌های پیش‌خور (Feed-Forward) آن بر پایه معماری اختصاصی DeepSeekMoE ساخته شده‌اند. دو لایه نخست انکودر از مکانیسم توجه پنجره لغزان (Sliding-Window Attention) استفاده می‌کنند، درحالی‌که لایه‌های باقی‌مانده از فناوری Compressed Sparse Attention 2 بهره می‌برند تا به‌جای بررسی کل تاریخچه متن، زیرمجموعه‌ای آموزش‌دیده از توکن‌های پیشین را انتخاب کنند.

به گفته دیپ‌سیک، فشرده‌سازی حافظه موقت کلید-مقدار (KV Cache) حجم حافظه مصرفی را به حدود یک‌چهارم نسل پیشین Flash کاهش داده است. حافظه KV وضعیت توجه توکن‌های قبلی را در طول تولید متن ذخیره می‌کند و در پروژه‌های طولانی کدنویسی یا حلقه‌های پیاپی استفاده از ابزار توسط ایجنت‌ها، می‌تواند بخش اعظم حافظه ویدیویی گرافیک (VRAM) را ببلعد.

طراحی‌شده برای فعالیت طولانی ایجنت‌ها

دیپ‌سیک این نسخه را به‌طور ویژه برای ایجنت‌های کدنویسی، محیط ترمینال، کار با سیستم (Computer-Use) و پژوهشی بهینه‌سازی کرده است که باید وظایف چندمرحله‌ای و طولانی را به سرانجام برسانند. فرآیند آموزش این مدل شامل یادگیری تقویتی با خودبازخورد (Self-Feedback) برای توسعه صفر تا صد پروژه‌ها از جمله ساخت بازی‌ها و مدل‌های سه‌بعدی بوده است. همچنین در طول مرحله پیش‌آموزش از داده‌های تصویری استفاده شده تا مدل به قابلیت بومی درک تصویر مجهز شود.

دیپ‌سیک همچنین گزارش می‌دهد که مدل Flash در عملکرد بنچمارک‌ها، سرعت تولید توکن و زمان کلی تکمیل وظایف، حتی از مدل V4 Pro نیز پیشی می‌گیرد. البته این مقایسه‌ها توسط خود شرکت توسعه‌دهنده گزارش شده است؛ بنابراین ارزیابی در سطح کاربردی برای مخازن کد، ابزارها و حلقه‌های کاری خاص هر ایجنت همچنان ضرورت دارد.

دسترسی عمومی تمام حساب‌ها به دو ابزار Search و Fetch

دیپ‌سیک همچنین دو رابط برنامه‌نویسی مبتنی‌بر JSON را به‌طور عمومی عرضه کرده است. بر اساس توضیحات راهنمای جستجو (Search)، این اندپوینت نتایج ساختاریافته وب را در پاسخ به یک پرس‌وجو برمی‌گرداند؛ درحالی‌که ابزار Fetch محتوای کامل یک صفحه وب را استخراج کرده و آن را به فرمت تمیز مارک‌داون (Markdown) تبدیل می‌کند. هر دو سرویس از همان سیستم احراز هویت با توکن حامل (Bearer Token) موجود در API چت استفاده می‌کنند.

فیلدهای کاربردی برای فرآیندهای بازیابی اطلاعات

• ابزار Search از عملگرهای جستجو شامل site:، -site:، lang:، after: و before: پشتیبانی می‌کند.
• هر نتیجه شامل یک امتیاز بازرتبه‌بندی (rerank_score) بین ۰ تا ۳ و یک سطح اعتبار (authority) بین ۰ تا ۴ برای فیلتر کردن و رتبه‌بندی است.
• جستجوهای بدون نتیجه و درخواست‌های ناموفق Fetch شامل هزینه نمی‌شوند.
• ابزار Fetch خروجی را در قالب مارک‌داون بازمی‌گرداند که نیاز به حذف کدهای اضافه و قالب‌های زائد صفحات را قبل از ایندکس در سیستم‌های RAG (تولید مبتنی‌بر بازیابی) برطرف می‌کند.

نمونه کد فراخوانی اولیه جستجو

import os
import requests

response = requests.post(
    "https://api.deepseek.com/v1/tools/search",
    headers={
        "Authorization": f"Bearer {os.environ['DEEPSEEK_API_KEY']}"
    },
    json={
        "query": "DeepSeek V4 release lang:en after:2026",
        "count": 5,
        "need_content": True,
    },
    timeout=30,
)
response.raise_for_status()

for item in response.json()["results"]:
    print(item["rerank_score"], item["url"])

دیپ‌سیک اعلام کرده است که فراخوانی سرویس‌های Search و Fetch از طریق DeepSeek Harness، Claude Code و Codex برای کاربران فعلی API تا آغاز صدور صورت‌حساب در ۳۱ اکتبر ۲۰۲۶ رایگان خواهد بود. این شرکت همچنین اشاره می‌کند که زیرساخت جستجوی زیربنایی این سرویس در حال حاضر روزانه صدها میلیون درخواست داخلی را مدیریت می‌کند.

تغییر معادلات هزینه برای ایجنت‌های هوش مصنوعی

ایجنت‌های طولانی‌مدت هزینه‌های خود را از سه محل انباشته می‌کنند: استنتاج مدل، کانتکست نگه‌داری‌شده در حافظه و فراخوانی ابزارهای خارجی. مدل Flash دو مورد اول را با قیمت پایین توکن و حافظه توجه فشرده‌تر هدف قرار داده است؛ درحالی‌که ابزارهای Search و Fetch دسترسی به وب را با قیمت ۰٫۰۰۰۷۵ دلار به ازای هر درخواست موفق عرضه می‌کنند. با این نرخ، هزینه یک میلیون درخواست وب موفق تنها ۷۵۰ دلار خواهد بود.

محدودیت ۵ درخواست در ثانیه برای هر حساب، در صورت تداوم حداکثر امکان ارسال ۱۸٬۰۰۰ درخواست در ساعت را می‌دهد که این رقم می‌تواند برای ناوگان‌های موازی از ایجنت‌ها محدودیت ایجاد کند. در نتیجه، تیم‌های توسعه در محیط‌های عملیاتی باید تداخل در این سقف درخواست را در کنار فاکتورهایی چون مرتبط بودن نتایج جستجو، کیفیت صفحات استخراج‌شده، مصرف توکن خروجی، حافظه کش و زمان کل تکمیل وظایف ارزیابی کنند.

انتشار وزن‌های مدل تحت مجوز MIT به تیم‌ها امکان می‌دهد کار را با نسخه میزبانی‌شده دیپ‌سیک شروع کنند و در ادامه، فرآیند استنتاج را به زیرساخت اختصاصی سرورهای خود انتقال دهند. بااین‌حال، سرویس‌های Search و Fetch همچنان ابزارهای ابری مدیریت‌شده دیپ‌سیک باقی می‌مانند؛ بنابراین اجرای مدل روی سرورهای اختصاصی همچنان به این لایه بیرونی بازیابی وب وابسته خواهد بود، مگر آنکه توسعه‌دهندگان آن را با سیستم جستجوی اختصاصی خود جایگزین کنند.