lab DeepSeek API Docs · 2 jam lalu · releases

DeepSeek merilis model multimodal DeepSeek-V4-Flash-Vision-Exp

Diterjemahkan dari English → Bahasa Indonesia

DeepSeek telah merilis model pemahaman visual multimodal eksperimental bernama DeepSeek-V4-Flash-Vision-Exp, yang sekarang tersedia di platform API DeepSeek. Model baru ini dirancang untuk meningkatkan kemampuan visual sambil mempertahankan kesetaraan dengan rekan teks-only-nya.

Model dapat diakses melalui API dengan menetapkan parameter model ke 'deepseek-v4-flash-vision-exp'.
Model ini mencapai peningkatan signifikan pada benchmark agen yang memerlukan pemahaman visual, membawa kemampuan agen multimodal mendekati Opus-4.8.
Dalam hal kemampuan teks murni seperti agen, penalaran, dan pengetahuan dunia, model ini berkinerja setara dengan DeepSeek-V4-Flash resmi.
Skor benchmark termasuk Terminal Bench 2.1 di 83.9, Chartography di 64.3, dan DSBench-Hard di 59.3.

Rilis ini menyediakan pengguna dengan alat baru untuk tugas multimodal sambil mempertahankan kinerja berbasis teks yang kuat dari model DeepSeek-V4-Flash.

Kepentingan 2/3 Kepercayaan 3/3 DeepSeek API Docs DeepSeek AI agents Multimodal

Benchmark

Benchmark	Model	Skor
Terminal-Bench 2	DeepSeek-V4-Flash-Vision-Exp	83.9%
DeepSWE	DeepSeek-V4-Flash-Vision-Exp	59.3%

Baca aslinya

Z.ai mengusulkan hukum penskalaan pasca-pelatihan dan merilis GLM 5.3; Ornith-1.5 diluncurkan dengan peningkatan diri

CEO Z.ai Jie Tang berargumen bahwa jumlah parameter tidak cukup untuk mengevaluasi model, mengusulkan hukum penskalaan baru berdasarkan data, alokasi komputasi, dan kondisi inferensi. Kerangka kerja ini mendasari GLM 5.3, yang mencapai peningkatan kinerja signifikan melalui pembelajaran penguatan pada lingkungan jangka panjang yang disintesis melalui pipa peningkatan diri rekursif.

lab Hugging Face Blog · 3 hari lalu · 8 tayangan

ALTK-Evolve mengkalibrasi dosis memori agentic sesuai kemampuan model untuk kinerja yang lebih baik

Sebuah studi terhadap delapan model mengungkapkan bahwa memori agentic bukanlah fitur universal, melainkan dosis yang harus dikalibrasi sesuai dengan kemampuan spesifik model. Kerangka kerja ALTK-Evolve memadatkan pedoman dari lintasan masa lalu agen dan menyuntikkannya saat inferensi tanpa pembaruan bobot, menunjukkan bahwa strategi memori optimal bervariasi secara signifikan di berbagai tingkatan model.

arxiv arXiv cs.CL · 3 hari lalu · 18 tayangan

Mint-Agent memperkenalkan model fondasi agentic asli keuangan

Para peneliti menyajikan Mint-Agent, sebuah keluarga model agentic asli keuangan yang dirancang untuk menggabungkan eksekusi andal dengan kemampuan riset jangka panjang. Sistem ini dibangun di atas tiga pilar: mesin data untuk tugas-tugas khusus, lingkungan MintHarness untuk jejak bukti yang dapat diaudit, dan resep pelatihan yang menggabungkan SFT, OPD, dan RLVR.

blog Philipp Schmid · 4 hari lalu · 19 tayangan

Gemini 3.7 Flash mengendalikan Android melalui tangkapan layar dan Python

Google telah meluncurkan Gemini 3.7 Flash, sebuah model penalaran hibrida yang dirancang untuk pemrograman dan alur kerja agens, yang menunjukkan kemampuannya mengendalikan perangkat Android melalui input visual. Artikel ini menguraikan bagaimana model tersebut memeriksa tangkapan layar mentah untuk merencanakan tindakan dan menghasilkan koordinat yang tepat, memungkinkan loop pengendalian perangkat interaktif tanpa bergantung pada pohon aksesibilitas.

arxiv arXiv cs.CL · 4 hari lalu · 20 tayangan

SocialRL melatih model 4B agar setara dengan GPT-5 dalam negosiasi melalui penalaran sosial

Para peneliti memaparkan SocialRL, sebuah resep pelatihan yang secara langsung memperkuat penalaran sosial pada model bahasa kecil untuk meningkatkan kinerja mereka sebagai negosiator strategis. Diterapkan pada model 4B di enam domain termasuk Deal-or-No-Deal dan Wawancara Kerja, pendekatan ini memungkinkan model menyamai atau melampaui kinerja keluarga GPT-5 pada skenario yang diisolasi.