DeepSeek, yapay zekâ modeli V4.1-Flash’ın yeni sürümü DeepSeek-V4.1-Flash-1017‘yi yayımladı. Yeni model, özellikle kodlama ve yapay zekâ ajanı testlerinde önceki sürümden daha yüksek puanlar aldı.
Üstelik olay sadece puan artışından ibaret değil. Modelin görevleri daha kısa sürede tamamlaması ve daha az çıktı üretmesi de hedefleniyor. Yani amaç, daha iyi performansı daha düşük maliyetle sunmak.
DeepSeek Yeni Testlerde Ne Kadar İlerledi?
Yeni model, birçok testte önceki sürümünü geride bıraktı. En büyük farklardan biri kodlama testlerinde ortaya çıktı:
| Benchmark | DS-V4.1-Flash-1017 | DS-V4.1-Flash | K3 | GLM-5.3 | GPT-5.6 Sol | Opus 5 |
|---|---|---|---|---|---|---|
| HLE w/o tools | 42.6 (44.0†) | 36.8 (39.1†) | 43.5 | 42.0† | 44.5 | 56.3 |
| Terminal-Bench 4.0 | 42.3 | 31.2 | 12.6 | 37.9 | 39.9 | 51.8 |
| DeepSWE v1.1 | 77.0 | 74.2 | 67.5 | 66.9 | 73.0 | 74.0 |
| ProgramBench | 29.1 | 20.3 | 17.5 | 19.0 | 23.0 | 37.0 |
| NL2Repo-Bench | 68.2 | 65.4 | 58.0 | 58.0 | 56.8 | 75.3 |
| Automation-Bench v1.0.6 | 60.5 | 54.8 | 46.7 | 48.8 | 45.8 | 50.3 |
| Agents’ Last Exam | 35.4 | 31.8 | 27.6 | 28.5 | 26.7 | 28.6 |
| Apex Bench v1.1 | 72.1 | 64.6 | 47.8 | 56.6 | 54.3 | 65.8 |
| Chartography (w/tools) | 83.0 | 78.9 | 68.1 | – | 79.9 | 84.0 |
| BabyVision (w/tools) | 92.5 | 89.6 | 85.7 | – | 88.9 | 94.1 |
| ZeroBench-main (w/tools) | 51.0 | 49.0 | 41.0 | – | 53.0 | 52.0 |
GPT-5.6 ve Opus 5’i Geçtiği Testler Var
DeepSeek-V4.1-Flash-1017, bazı testlerde daha güçlü modelleri de geride bırakıyor. DeepSWE v1.1 testinde 77,0 puan alan model, GPT-5.6 Sol’un 73,0 ve Opus 5’in 74,0 puanını geçti. Automation-Bench v1.0.6 testinde de 60,5 puanla karşılaştırmadaki tüm modellerin önüne çıktı. Apex Bench v1.1 testinde aldığı 72,1 puan da Opus 5’in 65,8 puanından yüksek.
Tabii bu, DeepSeek’in her alanda daha iyi olduğu anlamına gelmiyor. Örneğin araç kullanılmadan yapılan HLE testinde Opus 5, 56,3 puan alırken yeni DeepSeek modeli 42,6 puanda kaldı. Yani sonuçlar, yapılan işe göre değişiyor.
DeepSeek’in Önceliği Hızlı ve Ucuz Modeller
Yeni sürümün bir diğer amacı, görevleri daha kısa sürede tamamlamak ve daha az çıktı üretmek. Bu özellikle kendi başına birden fazla işlem yapan yapay zekâ ajanları için önemli. Daha az çıktı ve daha kısa işlem süresi, kullanım maliyetini de düşürebilir. Ancak DeepSeek, paylaşılan test tablosunda hız ve maliyet farkını sayısal olarak göstermedi. Bu yüzden ne kadar tasarruf sağlandığı henüz net değil.
Modelin Bağlam Penceresi 1 Milyon Token
DeepSeek-V4.1-Flash-1017, 1 milyon tokenlık bağlam penceresini destekliyor. Bu sayede uzun belgelerle ve çok adımlı görevlerle çalışan uygulamalarda kullanılabiliyor. Modeli kendi bilgisayarında çalıştırmak isteyen geliştiriciler için de teknik yönergeler paylaşıldı. Ayrıca araç çağırma, çok turlu konuşma ve görsel içeriklerle çalışma gibi özellikleri destekleyen yazılım araçları sunuluyor.
Kısacası DeepSeek’in yeni sürümü, özellikle kodlama ve otomasyon işlerinde önceki modele göre daha iyi sonuçlar veriyor. Hız ve maliyet avantajının gerçek kullanımda ne kadar fark yaratacağı ise yapılacak testlerle daha net anlaşılacak.
Yorum Yap