Das chinesische Unternehmen DeepSeek hat eine aktualisierte Version seines Modells DeepSeek-V4-Flash-0731 vorgestellt, die zeigt, dass weitere Leistungssteigerungen bei künstlicher Intelligenz nicht nur mit immer größeren Modellen erzielt werden müssen. Die Neuheit verfügt über eine unveränderte Architektur und Größe, wurde aber dank eines neuen Post-Trainings deutlich verbessert und hat in unabhängigen Tests sogar das größere Modell DeepSeek-V4-Pro übertroffen.
DeepSeek-V4-Flash-0731 basiert auf der im April veröffentlichten Vorabversion des Modells V4-Flash. Das Unternehmen hat gemäß seiner Dokumentation die Architektur und Größe des Modells unverändert gelassen und hauptsächlich ein neues Feinjustieren nach dem Basistraining durchgeführt. Dieser Schritt führte zu einer deutlichen Steigerung der Fähigkeiten, was zeigt, wie wichtig neben der reinen Anzahl von Parametern heute auch Methoden des Post-Trainings sind.
Das Modell verwendet eine Mixture-of-Experts (MoE)-Architektur und aktiviert bei jedem Token nur einen Teil seiner Parameter. Der offizielle Checkpoint, der von DeepSeek veröffentlicht wurde, verfügt über etwa 304 Milliarden Parameter, einschließlich eines Moduls für spekulatives Dekodieren. Das Modell ist auch als Open-Weight-Lösung über die Plattform Hugging Face verfügbar.
Eine der bemerkenswertesten Eigenschaften ist der außergewöhnlich lange Kontext. DeepSeek gibt eine Unterstützung von bis zu einer Million Token als Eingabe und einer maximalen Ausgabelänge von 384.000 Token an. Das Modell unterstützt sowohl den Reasoning-Modus als auch den normalen Modus, die Verwendung von Tools und andere Funktionen, die beispielsweise bei der Erstellung autonomer KI-Agenten benötigt werden.
Die Ergebnisse des unabhängigen Unternehmens Artificial Analysis gehören zu den interessantesten Aspekten des Updates. DeepSeek-V4-Flash-0731 erreichte im Reasoning-Modus 50 Punkte im Artificial Analysis Intelligence Index. Dieses Ergebnis reiht es unter die leistungsstärksten aktuellen Modelle ein und liegt laut dem Evaluator deutlich über der vorherigen Version V4-Flash.
Das aktualisierte Flash hat laut Tests auch das größere DeepSeek-V4-Pro übertroffen, was vor allem aus Sicht der Effizienz von Bedeutung ist. Die Entwicklung von KI verschiebt sich zunehmend von der Frage "wie erstellt man das größte Modell" zur Frage "wie erzielt man mit der verfügbaren Rechenleistung die höchste Intelligenz".
DeepSeek setzt außerdem auf einen wettbewerbsfähigen Preis. Artificial Analysis gibt den Preis für die API mit etwa 0,14 US-Dollar pro Million Eingabe-Token und 0,28 US-Dollar pro Million Ausgabe-Token an. In einem kombinierten Szenario, das die Verwendung von Cache beinhaltet, ist der Betrieb deutlich günstiger als bei vielen konkurrierenden Modellen.
Das Verhältnis von Leistung und Preis hat DeepSeek-V4-Flash-0731 in die sogenannte Pareto-Frontier von Artificial Analysis eingebracht – also unter die Modelle, bei denen es nicht möglich ist, eine gleichzeitig intelligentere und kostengünstigere Alternative zu finden, basierend auf den beobachteten Metriken.
Ein wichtiger Bestandteil des Modells ist auch die Optimierung der Arbeit mit langen Kontexten. Die Architektur der V4-Familie verwendet Mechanismen, die die Menge an Berechnungen und Speicher reduzieren, die für die Verarbeitung umfangreicher Eingaben erforderlich sind. Dies ist entscheidend beispielsweise bei der Arbeit mit großen Dokumenten, Datenbanken, längeren Konversationen oder bei autonomen Aufgaben, bei denen das Modell schrittweise große Mengen an Informationen sammelt.
Ein Bestandteil der veröffentlichten Version ist auch die Technologie des spekulativen Dekodierens. Ein kleiner Hilfsmodul schlägt im Voraus mehrere der nächsten Token vor, und das Hauptmodell kann diese anschließend gleichzeitig überprüfen. Das Ergebnis ist eine schnellere Generierung ohne dass es erforderlich ist, das eigentliche Basismodell grundlegend zu verändern. Hugging Face listet für die veröffentlichte Version einen Checkpoint mit einer Größe von etwa 304 Milliarden Parametern.
Artificial Analysis hat bei dem Modell über hundert Ausgabetokens pro Sekunde gemessen, was es zu einem schnellen Reasoning-Modell in dieser Leistungskategorie macht.
Der Wettbewerb verlagert sich von der Größe zur Effizienz
DeepSeek-V4-Flash-0731 zeigt einen breiteren Trend, der sich in der Branche der generativen KI immer mehr durchsetzt. Entwickler konkurrieren nicht mehr nur um die absolute Leistung der größten Modelle, sondern auch darum, wie viel Intelligenz sie für einen Dollar bieten können und welche Anforderungen an die Hardware gestellt werden.
Das ist besonders wichtig für KI-Agenten. Diese können bei der langfristigen Lösung von Aufgaben Millionen von Token verbrauchen, wenn sie mit Dokumenten, Programmierarbeiten, Kundenanfragen oder Unternehmensdatenbanken arbeiten. Selbst eine relativ kleine Differenz im Preis einer Million Token kann daher bei großflächiger Nutzung zu erheblichen Unterschieden in den Betriebskosten führen.
DeepSeek hat außerdem einen weiteren Vorteil in Form der verfügbaren Modellgewichte. Unternehmen sind somit nicht ausschließlich auf Cloud-APIs angewiesen und können das Modell auf ihrer eigenen Infrastruktur einsetzen, was beispielsweise interessant sein kann, wenn es wichtig ist, sensible Daten innerhalb des Unternehmens zu halten. DeepSeek hat das Modell im Rahmen seiner V4-Kollektion auf Hugging Face veröffentlicht.
Das Update V4-Flash ist daher nicht nur aufgrund weiterer Fortschritte in den Benchmark-Tabellen interessant. Es zeigt, dass ein qualitativ hochwertigeres Training und eine bessere Optimierung größere Auswirkungen haben können als die bloße Erhöhung der Anzahl der Parameter. Und gerade die Kombination aus hoher Leistung, Geschwindigkeit, langem Kontext, offenen Gewichten und niedrigem Preis kann für die weitere Entwicklung des KI-Marktes wichtiger sein als das Rennen um das überhaupt größte Modell.
gnews.cz - tk