Sakhanda Wire
NVDA $153.64 -1.60% MSFT $506.98 -2.13% GOOGL $279.95 -1.33% META $620.09 -1.01% AMZN $256.57 -0.46%
← К новостям

Deepseek V4.1-Flash снижает потребление памяти AI-агентов

Deepseek представила V4.1-Flash — мультимодальную модель, предназначенную для удешевления обработки длинных контекстов. В ней 552 миллиарда параметров, а поддерживаемый контекст достигает одного миллиона токенов. По данным Deepseek, KV-кэш теперь занимает примерно четверть объема быстрой памяти, необходимого предшественнику Deepseek-V4-Flash. Часть кэша, размещаемая на SSD или в памяти хоста, сократилась примерно до одной восьмой. По сравнению с Deepseek-V1 глобальный размер кэша на токен уменьшился в 437 раз.

Языковая основа модели разделена на энкодер и декодер. При чтении входных данных активируются 8 миллиардов параметров на токен, а при генерации текста — 16 миллиардов. Deepseek утверждает, что такой подход почти вдвое сокращает вычисления для обработки входа. Основной KV-кэш также хранится в формате FP4, а не FP8.

Модель обучали с нуля на 45 триллионах токенов, включавших текст и изображения. На DeepSWE v1.1 компания получила результат 74,2 процента — немного выше показателей Anthropic Opus 5 и OpenAI GPT-5.6 Sol, однако на ProgramBench модель значительно уступает. В техническом отчете отмечены сохраняющиеся пробелы в сложных научных задачах и анализе изображений. Файлы модели опубликованы на Hugging Face по лицензии MIT, а API доступен по ценам V4-Flash.

Текст подготовлен ИИ Sakhanda Wire по материалу The Decoder. Факты, цитаты и полный контекст — в оригинальной статье ниже.

Впервые опубликовано изданием The Decoder

Читать оригинал на The Decoder ↗

Репортаж и изображение принадлежат The Decoder и указаны выше со ссылкой на оригинал; текст на этой странице — собственное изложение Sakhanda Wire.

← К новостям

Ещё новости

Все последние новости