DeepSeek ने अपने Flash मॉडल को V4.1-Flash-1017 पर अपडेट किया है, जिससे एजेंट कार्यों में लागत-प्रभावशीलता का अंतर और बढ़ गया है। DeepSeek के अपने बेंचमार्क के अनुसार, यह मॉडल प्रोग्रामिंग एजेंट कार्यों में अधिक सटीक और सस्ता है।
1. DeepSWE 77.0%, Claude Opus 5 से आगे। DeepSWE v1.1 प्रोग्रामिंग बेंचमार्क पर 1017 संस्करण 77.0% लाता है, जो Claude Opus 5 के 74.0% से अधिक है; कम-प्रयास सेटिंग में भी 72% मिलता है, प्रति कार्य लगभग $0.10 पर।
2. राज़ है छोटे आउटपुट। पूर्ववर्ती मॉडल 74.2% के लिए प्रति कार्य लगभग $0.50 लेता था; नया संस्करण $0.20 से कम में आता है और सटीकता में लगभग 3 अंक बढ़ाता है। रोज़ सैकड़ों कार्य चलाने वाले एजेंटों के लिए यह अंतर तेज़ी से जुड़ता है।
3. खुले वेट और सर्च API। वेट Hugging Face और ModelScope पर खुले हैं, और मॉडल वेबसाइट, ऐप और API पर उपलब्ध है। DeepSeek ने अपने सर्च इंजन की सर्च API भी डेवलपर्स के लिए खोल दी है।
एक चेतावनी: ये DeepSeek के अपने बेंचमार्क आंकड़े हैं, स्वतंत्र परीक्षण अभी आए नहीं हैं। HLE, Terminal-Bench 4.0 और ऐसे ही बेंचमार्क पर यह Opus 5 से अभी भी पीछे है। निष्कर्ष निकालने से पहले तीसरे पक्ष के सत्यापन की प्रतीक्षा करें।
स्रोत: मूल लेख पढ़ें। यह लेख संदर्भ के लिए सारांश है।
