Deepseek prezentuje model V4.1-Flash-1017: szybszy, wydajniejszy i tańszy od poprzednika
20 października 2026 · Czas czytania: 2 min
Dostępne również w 日本語, Nederlands, עברית
Chińskie przedsiębiorstwo sztucznej inteligencji Deepseek oficjalnie zaprezentowało zaktualizowaną wersję swojego modelu Flash, która przynosi znaczące ulepszenia w zadaniach związanych z agentami programistycznymi oraz tworzeniem kodu. Nowa iteracja, oznaczona jako V4.1-Flash-1017, jest dostępna natychmiastowo poprzez stronę internetową firmy, aplikację mobilną oraz interfejs programistyczny. Jednocześnie dostawca udostępnił wagi modelu jako oprogramowanie otwarte na platformach Hugging Face i ModelScope, co pozwala społeczności na swobodne badanie i wdrażanie tej technologii. Producent opisuje tę aktualizację jako poprawę w sensie Pareto, oznaczającą jednoczesny wzrost wydajności i redukcję kosztów w porównaniu do bezpośredniego poprzednika.
Kluczowym elementem procesu rozwojowego było zastosowanie uczenia ze wzmocnieniem opartego na samosprawdzianach. W tej metodzie post-treningowej system wykorzystuje własny poziom pewności lub generowane przez siebie krytyki jako sygnały nagrody, co eliminuje konieczność angażowania ludzkich oceniających lub zewnętrznych modeli nagradzania. Podejście to ma na celu usprawnienie kompleksowego tworzenia projektów programistycznych, obejmującego zakres od programowania gier po modelowanie trójwymiarowe i zadania projektowe. Model potrafi również animować zwięzłe filmy objaśniające, co stanowi funkcjonalność podobną do innych zaawansowanych systemów dostępnych na rynku. Rozwiązanie zostało specjalnie zoptymalizowane pod kątem pracy w środowiskach takich jak Deepseek Harness, Tencent CodeBuddy oraz WorkBuddy.
W opublikowanych testach porównawczych nowy model osiąga wyniki przewyższające nie tylko wcześniejszą wersję V4.1-Flash, ale także większe modele konkurencyjne w wielu dyscyplinach związanych z inżynierią oprogramowania i działaniem agentów sztucznej inteligencji. Szczególnie widoczny wpływ na efektywność mają skrócone odpowiedzi generowane przez system. Analiza kosztów w benchmarku DeepSWE wykazuje, że nowy model osiąga szczytowy wynik skuteczności przy średnim koszcie znacznie niższym niż w przypadku poprzednika. Podczas gdy starsza wersja generowała koszt około pół dolara za zadanie przy niższej skuteczności, nowe rozwiązanie realizuje zadania za ułamek tej kwoty, zachowując wyższy wskaźnik sukcesu. Konkurencyjne systemy innych producentów osiągają w tych samych testach znacznie wyższe koszty jednostkowe, nie dorównując jednocześnie poziomowi trafności małego modelu Deepseek.
Poza samym modelem językowym firma otworzyła dostęp do swoich interfejsów służących do wyszukiwania w sieci, które bazują na autorskiej wyszukiwarce przetwarzającej setki milionów zapytań dziennie. Standardowa stawka za korzystanie z tych usług wynosi 0,75 USD za tysiąc wywołań. Użytkownicy interfejsu API Deepseek mogą jednak korzystać z tych funkcji bezpłatnie poprzez narzędzia serwerowe w określonych środowiskach programistycznych do końca października 2026 roku. Należy odnotować, że kontekst regulacyjny dla chińskich modeli sztucznej inteligencji ulega zmianie, ponieważ władze planują wprowadzenie stricterzych zasad lub nawet zakazu publikowania modeli o otwartych wagach, szczególnie tych należących do czołówki rankingów wydajności.