Čínská společnost DeepSeek představila aktualizovanou verzi svého modelu DeepSeek-V4-Flash-0731, která ukazuje, že další zvyšování výkonu umělé inteligence nemusí být spojeno pouze se stále většími modely. Novinka při nezměněné architektuře a velikosti výrazně posílila díky novému post-tréninku a v nezávislých testech překonala i větší model DeepSeek-V4-Pro.

DeepSeek-V4-Flash-0731 vychází z dubnové předběžné verze modelu V4-Flash. Firma podle své dokumentace ponechala architekturu i velikost modelu beze změny a provedla především nové dolaďování po základním tréninku. Právě tento krok přinesl výrazný nárůst schopností, což ukazuje, jak důležitou roli dnes vedle samotného počtu parametrů hrají metody post-trainingu.

Model využívá architekturu Mixture-of-Experts (MoE) a při každém tokenu aktivuje pouze část svých parametrů. Oficiální checkpoint zveřejněný DeepSeekem má se započtením modulu pro spekulativní dekódování přibližně 304 miliard parametrů. Model je dostupný také jako open-weight řešení prostřednictvím platformy Hugging Face.

Jednou z nejvýraznějších vlastností je mimořádně dlouhý kontext. DeepSeek uvádí podporu až jednoho milionu tokenů na vstupu a maximální délku výstupu 384 tisíc tokenů. Model podporuje režim uvažování i běžný režim, volání nástrojů a další funkce potřebné například při vytváření autonomnějších AI agentů.

Menší model překonal většího sourozence

Výsledky nezávislé společnosti Artificial Analysis patří k nejzajímavějším částem aktualizace. DeepSeek-V4-Flash-0731 v režimu maximálního uvažování získal 50 bodů v Artificial Analysis Intelligence Indexu. Výsledek jej dostal mezi nejvýkonnější současné modely a podle evaluátora také výrazně nad předchozí verzi V4-Flash.

Aktualizovaný Flash tak podle testů dokázal překonat také větší DeepSeek-V4-Pro, což je významné především z hlediska efektivity. Vývoj AI se totiž stále více přesouvá od otázky „jak vytvořit největší model“ k otázce „jak z dostupného výpočetního výkonu získat co nejvyšší inteligenci“.

DeepSeek navíc tlačí na konkurenci cenou. Artificial Analysis uvádí cenu API přibližně 0,14 dolaru za milion vstupních tokenů a 0,28 dolaru za milion výstupních tokenů. V kombinovaném scénáři zahrnujícím využití cache vychází provoz výrazně levněji než u řady konkurenčních modelů.

Právě poměr výkonu a ceny dostal DeepSeek-V4-Flash-0731 na takzvanou Pareto frontier Artificial Analysis – tedy mezi modely, u nichž není možné najít současně inteligentnější a zároveň levnější alternativu podle sledovaných metrik.

Dlouhý kontext a rychlejší generování

Důležitou součástí modelu je také optimalizace práce s dlouhým kontextem. Architektura rodiny V4 používá mechanismy, které snižují množství výpočtů a paměti potřebných při zpracování rozsáhlých vstupů. To je zásadní například při práci s velkými dokumenty, databázemi, dlouhými konverzacemi nebo při autonomních úlohách, kde model postupně shromažďuje velké množství informací.

Součástí vydané verze je rovněž technologie spekulativního dekódování. Menší pomocný modul dopředu navrhuje několik následujících tokenů a hlavní model je následně může ověřit současně. Výsledkem je rychlejší generování bez nutnosti zásadně měnit samotný základní model. Hugging Face u vydané verze eviduje checkpoint o velikosti přibližně 304 miliard parametrů.

Artificial Analysis naměřila modelu přes sto výstupních tokenů za sekundu, což ho řadí mezi rychlé reasoning modely této výkonnostní kategorie.

Souboj se přesouvá od velikosti k efektivitě

DeepSeek-V4-Flash-0731 ukazuje širší trend, který se v odvětví generativní AI stále více prosazuje. Vývojáři už nesoutěží pouze v absolutním výkonu největších modelů, ale také v tom, kolik inteligence dokážou nabídnout za jeden dolar a při jakých nárocích na hardware.

To je důležité zejména pro AI agenty. Ty při dlouhodobém řešení úloh mohou spotřebovat miliony tokenů při práci s dokumenty, programováním, zákaznickými požadavky nebo firemními databázemi. I relativně malý rozdíl v ceně jednoho milionu tokenů proto při masovém nasazení znamená výrazné rozdíly v provozních nákladech.

DeepSeek má navíc další výhodu v podobě dostupných vah modelu. Firmy tak nejsou odkázány výhradně na cloudové API a mohou model nasadit na vlastní infrastruktuře, což může být zajímavé například tam, kde je důležité zachovat citlivá data uvnitř organizace. DeepSeek zveřejnil model v rámci své kolekce V4 na Hugging Face.

Aktualizace V4-Flash proto není zajímavá pouze dalším posunem v benchmarkových tabulkách. Ukazuje, že kvalitnější trénink a optimalizace mohou přinést větší efekt než prosté navyšování počtu parametrů. A právě kombinace vysokého výkonu, rychlosti, dlouhého kontextu, otevřených vah a nízké ceny může být pro další vývoj trhu s AI důležitější než závod o vůbec největší model.

gnews.cz - tk