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%
← До новин

Deepseek V4.1-Flash зменшує потребу AI-агентів у пам’яті

Deepseek випустила V4.1-Flash — мультимодальну модель, орієнтовану на зниження вартості обробки довгих контекстів. Вона має 552 мільярди параметрів і працює з контекстами обсягом до одного мільйона токенів. За даними Deepseek, KV-кеш моделі потребує приблизно чверті швидкої пам’яті, необхідної попередній Deepseek-V4-Flash. Частина кешу, яку переносять на SSD або в пам’ять хоста, зменшилася приблизно до однієї восьмої. Порівняно з Deepseek-V1 глобальний розмір кешу на токен скоротився у 437 разів.

Мовну основу розділено на енкодер і декодер. Під час читання вхідних даних активуються 8 мільярдів параметрів на токен, а під час генерації тексту — 16 мільярдів. Deepseek заявляє, що це майже вдвічі зменшує обчислення для обробки входу. Основний KV-кеш також зберігається у форматі FP4 замість FP8.

Модель навчали з нуля на 45 трильйонах токенів із текстом і зображеннями. На DeepSWE v1.1 Deepseek повідомляє результат 74,2 відсотка — трохи кращий за показники Anthropic Opus 5 та OpenAI GPT-5.6 Sol, але на ProgramBench модель суттєво відстає. У технічному звіті зазначено слабші результати на складних наукових завданнях і під час аналізу комплексних зображень. Файли моделі доступні на Hugging Face за ліцензією MIT, а API працює за цінами V4-Flash.

Текст підготовлено ШІ Sakhanda Wire за матеріалом The Decoder. Факти, цитати та повний контекст — в оригінальній статті нижче.

Вперше опубліковано виданням The Decoder

Читати оригінал на The Decoder ↗

Репортаж і зображення належать The Decoder і зазначені вище з посиланням на оригінал; текст на цій сторінці — власний виклад Sakhanda Wire.

← До новин

Ще новини

Усі останні новини