Le modèle DeepSeek-V4-Flash-0731 surpasse GLM 5.2 tout en maintenant le même prix que son prédécesseur.
- Le modèle obtient des performances supérieures par rapport à GLM 5.2.
- Il conserve la même structure de coûts que la version précédente.
Le modèle DeepSeek-V4-Flash-0731 surpasse GLM 5.2 tout en maintenant le même prix que son prédécesseur.
Le nouveau modèle DeepSeek V4-Flash a obtenu un score de 50 à l'indice ArtificialAnalysis. Ce résultat le place à seulement un point en dessous de GLM-5.2 et GPT-5.6 Luna.
DeepSeek a mis à jour son modèle V4 Flash, en publiant une nouvelle version le 2026-07-31 qui affiche des gains de performance significatifs par rapport à la précédente version d'aperçu. La mise à jour introduit des résultats pour plusieurs nouveaux benchmarks tout en améliorant les scores sur ceux existants.
Une comparaison de trois modèles Mixture-of-Experts à poids ouverts — Kimi K3 de Moonshot AI, DeepSeek V4 Pro et GLM-5.2 de Zhipu AI — évalue leurs capacités, leurs conditions de licence et leurs coûts de déploiement pour les charges de travail de codage et d'agents sur le long terme.
Un utilisateur ayant accès à une nouvelle version de DeepSeek V4 via des tests A/B a réussi à créer un jeu hybride combinant des éléments de No Man's Sky et de Minecraft en utilisant uniquement du codage en un seul essai. Le code source résultant et les journaux de chat ont été partagés publiquement, démontrant la capacité du modèle dans ce contexte spécifique. Cette démonstration sert d'argument contre les affirmations selon lesquelles le codage en un seul essai est inutile à des fins de benchmarking.
Un utilisateur signale le déploiement de DeepSeek V4 Flash en utilisant l'algorithme de décodage spéculatif DSpark dans SGLang sur du matériel HGX-H200, comparant ses performances à celles du backend MoE Marlin et d'EAGLE.
Nous utilisons des cookies pour mesurer l'audience et améliorer le site. Vous pouvez accepter ou refuser les cookies analytiques. Politique de confidentialité