دیپ‌سیک نسخه V4.1 فلش را با بهبود سرعت، پاسخ‌های کوتاه‌تر و قیمت ثابت عرضه کرد

دیپ‌سیک (DeepSeek) نسخه جدید مدل هوش مصنوعی خود را منتشر کرد؛ همزمان با طرح پکن برای محدودیت صادرات فناوری هوش مصنوعی

شرکت هوش مصنوعی چینی دیپ‌سیک (DeepSeek) روز شنبه، ۱۷ اکتبر، نسخه به‌روزرسانی شده مدل V4.1-Flash-1017 را عرضه کرد. این به‌روزرسانی که یک نسخه کوچک و نه نسل جدیدی از مدل محسوب می‌شود، با وجود عدم تغییر در معماری و مقیاس، بهبودهایی در عملکرد بنچمارک‌ها، سرعت پردازش و کوتاه‌تر شدن پاسخ‌ها را به ارمغان آورده است. قیمت API نیز بدون تغییر باقی مانده و این مدل هم‌اکنون در وب‌سایت، اپلیکیشن و API این شرکت در دسترس است. وزن‌های مدل نیز به صورت متن‌باز منتشر شده‌اند.

بهبودهای کلیدی در V4.1-Flash-1017

طبق اعلام رسمی دیپ‌سیک، این نسخه کوچک از V4.1-Flash در زمینه‌های استدلال، برنامه‌نویسی، وظایف عاملی (Agent tasks) و تست‌های بصری پیشرفت قابل توجهی داشته است. این شرکت اعلام کرده که با استفاده از یادگیری تقویتی با بازخورد خودی (Self-feedback Reinforcement Learning)، توانایی مدل در ایجاد پروژه‌های کامل از ابتدا، از ساخت بازی گرفته تا مدل‌سازی سه‌بعدی، تقویت شده است. مدل با مجوز MIT منتشر شده و وزن‌های آن در پلتفرم‌های Hugging Face و ModelScope در دسترس قرار گرفته‌اند.

کاهش هزینه‌ها با افزایش کارایی

دیپ‌سیک نموداری را منتشر کرده که مقایسه هزینه‌ها را بر اساس تست DeepSWE (که در آن مدل‌ها مشکلات واقعی کد را برطرف می‌کنند) نشان می‌دهد. در این نمودار، محور افقی میانگین هزینه به ازای هر سوال (در مقیاس لگاریتمی) و محور عمودی نرخ موفقیت در حل مسئله است. بر اساس این نمودار، نسخه جدید با بالاترین نرخ موفقیت ۷۷.۰ درصد، هزینه‌ای حدود ۰.۲ دلار به ازای هر سوال دارد، در حالی که در پایین‌ترین سطح موفقیت (۷۲ درصد)، هزینه به حدود ۰.۱ دلار می‌رسد. این در مقایسه با نسخه قبلی V4.1-Flash است که بالاترین نرخ موفقیت آن حدود ۷۴ درصد و هزینه به ازای هر سوال حدود ۰.۵ دلار بود. این بدان معناست که با افزایش امتیازات، هزینه به ازای هر سوال به حدود ۴۰ درصد مقدار قبلی کاهش یافته است.

دلیل کاهش هزینه‌ها با وجود کوتاه‌تر شدن پاسخ‌ها، به نحوه محاسبه هزینه API برمی‌گردد. هزینه API بر اساس توکن (واحد شمارش کلمات) محاسبه می‌شود. با اینکه قیمت هر توکن تغییری نکرده، اما با کاهش تعداد کلمات و افزایش سرعت پردازش در هر سوال، صورت‌حساب نهایی کمتر شده است.

مقایسه عملکرد با رقبا

جدول امتیازات رسمی دیپ‌سیک شامل ۱۱ تست مختلف است که نسخه جدید در تمامی آن‌ها نسبت به نسخه قبلی پیشرفت نشان می‌دهد. بیشترین جهش‌ها در تست‌های Terminal-Bench 4.0 (از ۳۱.۲ به ۴۲.۳)، ProgramBench (از ۲۰.۳ به ۲۹.۱) و HLE (امتحان نهایی انسانی، شامل مسائل دشوار ریاضی، علمی و انسانی، از ۳۶.۸ به ۴۲.۶) مشاهده می‌شود.

در مقایسه با Claude Opus 5، نسخه جدید دیپ‌سیک در ۴ حوزه برتری دارد: DeepSWE (۷۷.۰ در مقابل ۷۴.۰)، Automation-Bench (۶۰.۵ در مقابل ۵۰.۳)، Agents’ Last Exam (۳۵.۴ در مقابل ۲۸.۶) و Apex Bench (۷۲.۱ در مقابل ۶۵.۸). این برتری بیشتر در وظایف مهندسی نرم‌افزار و اتوماسیون عاملی مشهود است. با این حال، در ۷ حوزه دیگر شکست خورده که بیشترین اختلاف در HLE (۴۲.۶ در مقابل ۵۶.۳)، Terminal-Bench 4.0 (۴۲.۳ در مقابل ۵۱.۸) و ProgramBench (۲۹.۱ در مقابل ۳۷.۰) دیده می‌شود. در سه تست بصری، اختلاف امتیاز تنها ۱ تا ۲ امتیاز بوده است.

در مقایسه با سایر رقبای چینی، دیپ‌سیک به جز در HLE که کمی از Kimi K3 (۴۲.۶ در مقابل ۴۳.۵) عقب است، در سایر موارد از Kimi K3 و GLM-5.3 پیشی گرفته است.

نکات قابل توجه

دو نکته مهم در این زمینه وجود دارد. اول اینکه Anthropic در تاریخ ۲۲ سپتامبر Claude Opus 5.5 را عرضه کرده که طبق ادعای این شرکت، در بسیاری از وظایف به سطح Fable 5.1 رسیده و هزینه اجرایی آن ۴۰ درصد کمتر از Opus 5 است. جدول امتیازات دیپ‌سیک، Opus 5 و GPT-5.6 Sol را مقایسه می‌کند و نمودار هزینه نیز Opus 5.5 را در بر نمی‌گیرد، بنابراین مدل‌های پرچمدار جدیدتر حریفان در این مقایسه لحاظ نشده‌اند. دوم اینکه تمامی اعداد و ارقام توسط خود دیپ‌سیک اندازه‌گیری شده‌اند و هنوز ارزیابی مستقل توسط شخص ثالث منتشر نشده است.

طرح پکن برای محدودیت صادرات فناوری هوش مصنوعی

روز قبل از انتشار این به‌روزرسانی، در تاریخ ۱۶ اکتبر، وزارت بازرگانی و وزارت علوم و فناوری چین با انتشار اطلاعیه شماره ۴۸ سال ۲۰۲۶، قصد خود را برای افزودن ۲۳ فناوری در حوزه هوش مصنوعی به فهرست محدودیت‌های صادرات فنی اعلام کردند. این فناوری‌ها شامل مدل‌های بزرگ هوش مصنوعی، عامل‌ها (Agents)، خوشه‌های محاسباتی و پردازش اطلاعات می‌شود. در این اطلاعیه ذکر شده که فناوری‌هایی که از طریق متن‌باز شدن یا انتشار مقالات علمی وارد حوزه عمومی شده‌اند، مشمول این مدیریت نخواهند شد. مهلت ارائه نظرات تا ۱۵ نوامبر تعیین شده است. گزارش بلومبرگ حاکی از آن است که این پیش‌نویس، مدل‌های برتر را که در معیارهایی مانند عملکرد، میزان استفاده و امنیت در ۱۰ رتبه برتر جهانی قرار دارند، هدف قرار داده و دامنه محدودیت‌ها شامل وزن‌های مدل، چک‌پوینت‌ها، کد منبع و معماری می‌شود.

دیپ‌سیک روز بعد، طبق روال معمول، مدل خود را متن‌باز کرد. سخنگوی وزارت بازرگانی چین در پاسخ به سوالات اعلام کرده است که فناوری‌های هوش مصنوعی متن‌باز مشمول تسهیلاتی مانند “مجوز خودکار” هستند که اساساً “گزارش و خروج فوری” را امکان‌پذیر می‌سازد. همچنین، ارائه API، اپلیکیشن یا وب‌سایت توسط شرکت‌ها با استفاده از مدل‌های محدود شده، صادرات فنی محسوب نمی‌شود و تنها استقرار فناوری‌های محدود شده در محل در خارج از کشور، مشمول محدودیت خواهد بود. بر اساس این توضیحات، استفاده توسعه‌دهندگان در تایوان و خارج از کشور از دیپ‌سیک از طریق API، وب‌سایت یا اپلیکیشن، در دامنه این پیش‌نویس قرار نمی‌گیرد. با این حال، این پیش‌نویس هنوز در مرحله جمع‌آوری نظرات است و نسخه نهایی ممکن است تغییراتی داشته باشد.