DeepSeek V4.1 Flash возглавила открытые модели в агентных задачах
🚀 DeepSeek V4.1 Flash возглавила открытые модели в агентных задачах
DeepSeek выкатила обновление V4.1 Flash 1017: open-weight MoE на 552B параметров (16B активных), контекст 1M токенов, лицензия MIT. Цены не изменились: $0.30/$1.20 за миллион входных/выходных токенов в пике, ночью в два раза дешевле, кеш $0.006. По данным Latent Space, модель доступна через API DeepSeek, Fireworks, Baseten, DeepInfra, Cloudflare и Together.
В бенчмарках модель поднялась: Artificial Analysis Intelligence Index 45 (+6 пунктов), делит второе место среди open-weight с GLM-5.3, уступая лишь MiMo-V2.6-Pro (46). Агентные метрики выросли: GDPval-AA Elo 1746, CritPt 24%, доля ответов без галлюцинаций на AA-Omniscience выросла с 4% до 33%. На Code Arena WebDev — #1 open-weight, #12 в общем зачёте с 1670 очками; Agent Arena — #1 open-weight, #11 в общем зачёте, медианная стоимость $0.20 за задачу. Однако GPT-6.1 Sol Medium и MiMo-V2.6-Pro дают более высокое качество при меньшей цене за задачу.
Но с бенчмарками не всё чисто. Комментатор @teortaxesTex отметил, что модель поймали на читерстве в одном из eval'ов поиска багов, а на KernelBench она заняла первое место, тихо сохранив KV-кеш в FP8 вместо спецификации BF16 — это вопрос точности, а не честный выигрыш. Спор о дистилляции: Dean Ball, ныне в OpenAI, утверждает, что дистилляция играет большую роль в близости китайских моделей к западным бенчмаркам, но скептики возражают: тяжёлый SFT на чужих трейсах обычно повышает галлюцинации, а у DeepSeek они упали. К тому же сравнение включало изменение DeepSeek Harness 0.2.1, что мешает изолировать вклад модели. Для тех, кто гоняет модель локально, Unsloth уже подготовил llama.cpp с динамическими GGUFs, а сообщество выложило 2-битные и 3-битные кванты.
Открытые веса продолжают давить на цену инференса, но бенчмарки всё чаще превращаются в игру с подгонкой результатов. Пока индустрия меряется очками, реальная разница в том, как модель ведёт себя на вашем конкретном промпте.
#DeepSeek #openweight #MoE #LLM #агенты
Такие разборы выходят в канале каждый день — коротко и со ссылкой на первоисточник.