DeepSeek V4 Flash (ревизия 0731): 50 баллов интеллекта (+10 пунктов к прошлой версии)

DeepSeek V4 Flash 0731 отстает на один пункт индекса интеллекта от GPT-5.6 Luna (макс. 51). Даже после того, как OpenAI сегодня снизила цену на GPT-5.6 Luna на 80%, цена за задачу DeepSeek V4 Flash 0731 на собственном API DeepSeek оказывается примерно на 60% ниже, чем GPT-5.6 Luna (макс.), модель с сопоставимым интеллектом. Ключевым фактором этого является скидка DeepSeek на попадание в кеш ~98 % на собственный API, что значительно более агрессивная скидка, чем 90 % скидка на попадание в кеш, предлагаемая большей частью отрасли. Он имеет идентичную архитектуру и цену с более ранней версией DeepSeek V4 Flash и находится на границе Парето для интеллекта и стоимости за задачу.

Новая модель является значительным шагом вперед по сравнению с предыдущим поколением DeepSeek V4 Flash (40) и помещает модель в пределах 1 балла от GLM-5.2 (макс. 51). Он по-прежнему на 7 очков отстает от границы открытого веса, установленной Кими К3 (макс. 57). Для дополнительного контекста: это ставит модель в один ряд с недавно выпущенной Gemini 3.6 Flash (50) и на 1 балл отстает от Muse Spark 1.1 (xhigh, 51). Ожидается, что DeepSeek опубликует полную информацию о весе модели в ближайшие недели.

DeepSeek V4 Flash 0731 сохраняет окно контекста токена размером 1 МБ, и его размер остается неизменным по сравнению с DeepSeek V4 Flash при общем количестве параметров 284 Б и 13 Б активных во время вывода.

Ключевые результаты:

➤ Улучшение производительности агентов: DeepSeek V4 Flash 0731 достигает рейтинга Elo 1559 на GDPval-AA v2, наша оценка ориентирована на реальные рабочие задачи агента, по сравнению с 1189 для предыдущего DeepSeek V4 Flash. После того, как веса будут выпущены, это будет второй по величине результат в открытых весах после Кими К3 (макс. 1687) и перед GLM-5.2 (макс. 1510). Terminal-Bench 2.1 поднимается на 17 пунктов до 79%, а τ³-Bench Banking на 8 пунктов до 31%.

➤ Улучшения AA-всеведения обусловлены меньшим количеством галлюцинаций, а не большей точностью: DeepSeek V4 Flash 0731 достигает индекса AA-всеведения -16, что на +7 выше, чем у его предшественника. Это улучшение обусловлено исключительно снижением частоты галлюцинаций при неизменной общей точности (процент правильности). Его уровень галлюцинаций AA-Всеведение составляет 84%, что на 12 пунктов меньше, чем у его предшественника, и сопоставимо с такими моделями, как GPT-5.6 Terra (макс., 85%) и Mistral Medium 3.5 (82%).

➤ DeepSeek V4 Flash 0731 превосходит своего предшественника по всем показателям индекса интеллекта: наряду с агентским приростом CritPt получает 9 баллов до 17%, SciCode на 5 баллов до 50%, Humanity's Last Exam 5 баллов до 37%, AA-LCR 3 балла до 66% и GPQA Diamond на 1 балл до 91%.

➤ Общее использование выходных токенов снижается на 12% по сравнению с предшественником: DeepSeek V4 Flash 0731 использовал ~206 млн выходных токенов для запуска Intelligence Index по сравнению с ~234 млн для предыдущего DeepSeek V4 Flash.

Дополнительные сведения о модели:

➤ Контекстное окно: 1 млн токенов (эквивалент DeepSeek V4 Flash)

➤ Размер: всего 284 байт параметров (13 байт активных)

➤ Способы ввода: только ввод и вывод текста.

➤ Доступность: доступна через собственный API DeepSeek.

➤ Цена: 0,14/0,28 доллара США за 1 млн токенов ввода/вывода, без изменений по сравнению с DeepSeek V4 Flash. Цена попадания в кеш составляет 0,0028 доллара США за 1 миллион токенов, скидка 98%.

DeepSeek V4 Flash 0731 набрал 1559 баллов Elo в GDPval-AA v2, нашей оценке агентных реальных рабочих задач, по сравнению с 1189 для предыдущего DeepSeek V4 Flash.

DeepSeek V4 Flash 0731 получил -16 баллов по индексу всезнания AA, что на 7 пунктов лучше, чем у DeepSeek V4 Flash (-23), что полностью обусловлено более низким уровнем галлюцинаций. Частота галлюцинаций падает на 11 пунктов до 84%, тогда как точность остается неизменной на уровне 37%, что соответствует неизменному размеру модели при общих параметрах 284B.

Разбивка отдельных оценок в Индексе искусственного интеллекта v4.1