DeepSeek-V4-Flash: مدلی که ادعا می‌کنه از نسخه‌ی Pro خودش هم جلو زده

دیپ‌سیک این بار یه کار عجیب کرده: نسخه‌ی ارزون و سبک‌ترش رو آپدیت کرده و حالا این نسخه‌ی سبک، تو خیلی از بنچمارک‌های agentic از نسخه‌ی گرون‌تر و اصلی خودش (V4-Pro) جلو زده. این دقیقاً برعکس چیزیه که معمولاً تو دنیای مدل‌های زبانی می‌بینیم، جایی که مدل‌های سبک‌تر همیشه یه قدم عقب‌تر از flagship خودشون هستن.

داستان از کجا شروع شد

اواخر آوریل، دیپ‌سیک سری V4 رو به‌صورت preview منتشر کرد؛ یه معماری Mixture-of-Experts با ۲۸۴ میلیارد پارامتر کل و فقط ۱۳ میلیارد پارامتر فعال در هر پاس، به همراه context window یک میلیون توکنی. دو نسخه اومد بیرون: V4-Pro برای بالاترین سطح توانایی، و V4-Flash به‌عنوان گزینه‌ی سریع‌تر و ارزون‌تر برای کارهایی که نیاز به سرعت و هزینه‌ی پایین دارن.

اتفاق جالب سی و یکم جولای افتاد. دیپ‌سیک بدون تغییر معماری یا اندازه‌ی مدل، فقط با یه دور post-training جدید، نسخه‌ی V4-Flash-0731 رو منتشر کرد. طبق گزارش‌ها، این نسخه تو هر ۹ تا بنچمارک agentic که تست شده، از V4-Pro-Preview جلو زده؛ از جمله یه جهش عجیب ۶۴۵ درصدی تو بنچمارک DeepSWE. جالب‌تر این‌که قیمت API هم همون قیمت قبلی موند، یعنی هر میلیون توکن ورودی حدود ۰.۱۴ دلار.

چرا این موضوع مهمه

نکته‌ای که این آپدیت رو از یه بهبود معمولی جدا می‌کنه، اینه که فقط با post-training (بدون تغییر پارامتر یا معماری) تونستن این‌قدر جهش تو کارهای agentic بگیرن. این یعنی خیلی از پتانسیل یه مدل، هنوز تو مرحله‌ی fine-tuning و alignment نهفته‌ست، نه صرفاً تو تعداد پارامترها. برای کسی که داره مدل انتخاب می‌کنه برای ساخت coding agent یا هر ابزار agentic دیگه، این یعنی باید مرتب benchmark ها رو چک کنه، چون رتبه‌بندی مدل‌ها می‌تونه خیلی سریع‌تر از چیزی که فکر می‌کنیم عوض بشه.

از نظر فنی، V4-Flash از یه ساختار attention ترکیبی (hybrid attention) برای پردازش context طولانی به‌صورت بهینه استفاده می‌کنه، و بر خلاف اسمش که «فلش» و سبک به نظر می‌رسه، تو دنیای واقعی مصرف حافظه‌ش هنوز چالش‌برانگیزه؛ همین موضوع باعث شده تیم‌های تحقیقاتی دیگه هم روش کار کنن. مثلاً یه تحقیق جداگانه با نام FlashMemory-DeepSeek-V4 نشون داده با اضافه کردن یه لایه‌ی ایندکس‌گذاری عصبی (که فقط بخش‌های حیاتی از KV cache رو پیش‌بینی و بارگذاری می‌کنه)، می‌شه به عملکردی نزدیک به V4-Flash رسید ولی با مصرف حافظه‌ای حدود ۱۳.۵ درصد نسخه‌ی اصلی.

نکته‌ی مهم برای کسایی که از API استفاده می‌کنن

یه چیزی که قابل توجهه: این آپدیت فقط روی API عمومی V4-Flash اعمال شده، نه روی اپ و وب‌سایت دیپ‌سیک، و نه روی V4-Pro. یعنی اگه از طریق اپ چت دیپ‌سیک استفاده می‌کنی، رفتار مدل هنوز همون نسخه‌ی قبلیه. کسایی که مستقیم از API یا از سرویس‌هایی مثل Ollama یا OpenRouter استفاده می‌کنن، این تغییر رو به‌صورت خودکار و بی‌سروصدا دریافت کردن، بدون این‌که نیاز به تغییر کد یا endpoint داشته باشن.

اگه داری برای یه ابزار agentic (مثلاً یه coding assistant که چند مرحله tool call می‌زنه) مدل انتخاب می‌کنی، این آپدیت دلیل خوبیه که V4-Flash رو دوباره تست کنی، حتی اگه قبلاً بهش به چشم یه گزینه‌ی «سبک‌تر و کم‌قدرت‌تر» نسبت به V4-Pro نگاه می‌کردی. به نظر می‌رسه فعلاً این فرض دیگه لزوماً درست نیست.