लेख में DeepSeek V4 Flash 0731 मॉडल के लिए ARC-AGI बेंचमार्क परिणाम प्रस्तुत किए गए हैं। यह ARC Prize संगठन द्वारा होस्ट की गई आधिकारिक परिणाम पृष्ठ से लिंक करता है।
स्रोत पाठ में कोई अतिरिक्त विवरण, स्कोर या विशिष्ट निष्कर्ष प्रदान नहीं किए गए हैं।
लेख में DeepSeek V4 Flash 0731 मॉडल के लिए ARC-AGI बेंचमार्क परिणाम प्रस्तुत किए गए हैं। यह ARC Prize संगठन द्वारा होस्ट की गई आधिकारिक परिणाम पृष्ठ से लिंक करता है।
स्रोत पाठ में कोई अतिरिक्त विवरण, स्कोर या विशिष्ट निष्कर्ष प्रदान नहीं किए गए हैं।
DeepSeek ने DeepSeek-V4-Flash-0731 जारी किया है, जो अपने छोटे "Flash" मॉडल का एक अपडेटेड संस्करण है जो स्वतंत्र बेंचमार्क पर बड़े DeepSeek-V4-Pro से बेहतर प्रदर्शन करता है। इस रिलीज में मूल Mixture-of-Experts आर्किटेक्चर को 284 अरब कुल पैरामीटर के साथ बनाए रखते हुए एक नया फाइन-ट्यूनिंग प्रक्रिया का उपयोग किया गया है।
DeepSWE बेंचमार्क पर DeepSeek-V4 Flash 0731 और GPT-5.6 Luna की तुलना से पता चलता है कि जबकि GPT-5.6 Luna एक बेहतर इंजीनियर है, दोनों मॉडलों का उपयोग करने वाला कैस्केड रणनीति कम लागत में उच्च सटीकता प्रदान करती है।
लेख में घोषणा की गई है कि DeepSeek-V4-Flash-0731 मॉडल ने एक शतरंज बेंचमार्क पर Fable-5, Sol और Kimi-K3 को पछाड़ दिया है।
DeepSeek-V4-Flash-0731 मॉडल ने 50 का इंटेलिजेंस इंडेक्स स्कोर प्राप्त किया है, जो मार्च 2026 के शीर्ष फ्रंटियर मॉडल्स के प्रदर्शन से मेल खाता है, जिनका स्कोर 51 था।
Reddit पर घूम रहा एक अनुवादित मेम इंगित करता है कि प्रतिस्पर्धा के दबाव के कारण एक प्रतिद्वंद्वी को अपनी कीमतें 80% कम करनी पड़ीं। इस ओपन वेट्स मॉडल में 284 बिलियन कुल पैरामीटर और 13 बिलियन सक्रिय पैरामीटर हैं, जो श्रेष्ठ मूल्य-प्रदर्शन मापदंड प्रदान करते हैं।
हम ट्रैफ़िक मापने और साइट को बेहतर बनाने के लिए कुकीज़ का उपयोग करते हैं। आप एनालिटिक्स कुकीज़ स्वीकार या अस्वीकार कर सकते हैं। गोपनीयता नीति