DeepSeek a officiellement lancé le modèle DeepSeek-V4.1-Flash, qui est le plus petit membre de sa nouvelle famille d'architectures et présente une compréhension visuelle multimodale native. Cette nouvelle architecture est conçue pour offrir un plafond de capacité plus élevé, des vitesses d'inférence plus rapides, un débit supérieur et un meilleur potentiel de mise à l'échelle pour les modèles plus grands.
DeepSeek a publié V4.1-Flash, un nouveau modèle phare à poids ouverts conçu pour une efficacité d'inférence extrême et un faible coût. Le modèle utilise une architecture encodeur-décodeur causale pour réduire considérablement le calcul actif et les coûts KV/cache.
DeepSeek a lancé DeepSeek v4.1-Flash, un nouveau modèle phare à poids ouverts présentant une nouvelle architecture causale encodeur-décodeur conçue pour maximiser l'efficacité de l'inférence et réduire les coûts.
DeepSeek AI a publié DeepSeek-V4.1-Flash, un modèle Mixture-of-Experts multimodal disposant d'une fenêtre de contexte de 1 million de tokens et d'un cache KV FP4 qui réduit l'empreinte globale du cache à 890 octets par token. Le modèle utilise une architecture encodeur-décodeur causal et Compressed Sparse Attention 2 (CSA2) pour réduire considérablement les besoins en mémoire tout en maintenant les performances.
DeepSeek entraîne ses modèles en utilisant le matériel Ascend 950 de Huawei. Ce changement fait suite à une déclaration de Liang Wenfeng faite il y a 26 mois concernant la nécessité pour quelqu'un de se rendre à la pointe.
Les régulateurs chinois enquêtent sur DeepSeek et Moonshot AI concernant des fuites de données potentielles vers l'entreprise américaine Anthropic. L'enquête fait suite aux rumeurs concernant les dirigeants de Kimi, bien que la situation soit actuellement décrite comme une enquête plutôt que des arrestations confirmées.
DeepSeek entraîne actuellement un nouveau modèle avec 2 billions de paramètres, avec l'intention de construire à terme un modèle de 8 billions de paramètres.
Les chercheurs présentent CodeMidas, un pipeline agentic qui construit des environnements d'apprentissage par renforcement à partir de la fonctionnalité implémentée dans des bases de code open-source, en utilisant le code source comme unique entrée. La méthode alloue du calcul agentic pour explorer la fonctionnalité, construire des tests ancrés sur l'exécution et valider les tâches via des rollouts répétés, aboutissant à un jeu de données de 5 545 tâches d'entraînement sur 23 langages de programmation. L'entraînement de MiMo-V2.5 sur ces tâches avec GRPO améliore les performances sur cinq benchmarks diversifiés, dont DeepSWE (+11,7%), ProgramBench (+17%) et Terminal-Bench v2.1 (+8,5%). L'analyse des trajectoires indique que l'agent entraîné par RL présente de meilleurs comportements, tels qu'une exploration accrue de la base de code et une auto-vérification plus diversifiée. Ces résultats établissent le code source comme une base évolutive pour construire des environnements RL qui améliorent les agents de codage dans diverses tâches logicielles.
DeepSeek a publié DeepSeek-V4.1-Flash, un modèle Mixture-of-Experts multimodal conçu pour répondre aux coûts élevés du calcul de contexte long et des grands caches KV dans les charges de travail d'agents.
Atria Dawn Preview est un modèle de langage agentique fondamental conçu pour les workflows de recherche scientifique et d'ingénierie, entraîné via un pipeline d'expérience vérifiable qui relie les interactions médiées par des outils à des environnements exécutables. Sur 16 benchmarks couvrant la recherche en monde réel, l'ingénierie et le travail numérique, le modèle est compétitif avec les agents de pointe et obtient le score le plus élevé signalé sur cinq d'entre eux.
DeepSeek V4.1 Flash a pris la première place sur le nouveau benchmark Astra dans la mise à jour de l'Indice d'Intelligence Artificial Analysis v4.3.
Un utilisateur a développé une implémentation personnalisée permettant d'exécuter le modèle DeepSeek V4.1 sur des GPU NVIDIA A100 avec des performances supérieures à celles de l'API officielle.
La plateforme de benchmarking LiveBench a ajouté le modèle DeepSeek v4.1 Flash à sa suite d'évaluation.
Le modèle DeepSeek V4.1 Flash est désormais accessible via la plateforme HuggingChat.
Un utilisateur a publié une vidéo générée à l'aide du nouveau modèle DeepSeek V4.1 Flash pour évaluer ses capacités en synthèse de vidéo en mouvement.
DeepSeek a lancé son nouveau modèle, DeepSeek V4-1 Flash. C'est un modèle Mixture-of-Experts (MoE) multimodal disposant d'une base de 552 milliards de paramètres.
DeepSeek a officiellement publié le modèle DeepSeek V4.1 Flash, la version la plus légère de sa nouvelle série d'architectures dotée d'une compréhension visuelle multimodale native. Construit sur une conception Causal-Encoder-Decoder, il s'agit d'un modèle Mixture of Experts (MoE) de 552 milliards de paramètres qui n'active que 8 milliards de paramètres du côté entrée et 16 milliards du côté sortie.
DeepSeek a retiré doucement le modèle DeepSeek V4 Pro. Cette action marque la fin de la disponibilité de cette version spécifique de son système d'IA.
DeepSeek a ouvert les tests bêta internes pour une version intermédiaire de son modèle DeepSeek V4.1 Flash, désormais disponible via API.