A DeepSeek lançou oficialmente o modelo DeepSeek-V4.1-Flash, que serve como o menor membro de sua nova família de arquiteturas e apresenta compreensão visual multimodal nativa. Esta nova arquitetura é projetada para fornecer um teto de capacidade mais alto, velocidades de inferência mais rápidas, maior throughput e melhor potencial de escalabilidade para modelos maiores.
A DeepSeek lançou o V4.1-Flash, um novo modelo principal de pesos abertos projetado para extrema eficiência de inferência e baixo custo. O modelo utiliza uma arquitetura de codificador-decodificador causal para reduzir significativamente os custos de computação ativa e de KV/cache.
A DeepSeek lançou o DeepSeek v4.1-Flash, um novo modelo principal de pesos abertos que apresenta uma nova arquitetura causal codificador-decodificador projetada para maximizar a eficiência da inferência e reduzir custos.
A DeepSeek AI lançou o DeepSeek-V4.1-Flash, um modelo Mixture-of-Experts multimodal que possui uma janela de contexto de 1 milhão de tokens e um cache KV FP4 que reduz a pegada global do cache para 890 bytes por token. O modelo utiliza uma arquitetura de codificador-decodificador causal e Compressed Sparse Attention 2 (CSA2) para reduzir significativamente os requisitos de memória enquanto mantém o desempenho.
A DeepSeek está treinando seus modelos usando o hardware Ascend 950 da Huawei. Essa mudança segue uma declaração de Liang Wenfeng feita há 26 meses sobre a necessidade de alguém chegar à fronteira.
Reguladores chineses estão investigando a DeepSeek e a Moonshot AI por possíveis vazamentos de dados para a empresa dos EUA, a Anthropic. A investigação segue rumores sobre executivos da Kimi, embora a situação seja atualmente descrita como uma investigação em vez de prisões confirmadas.
A DeepSeek está atualmente treinando um novo modelo com 2 trilhões de parâmetros, com planos de eventualmente construir um modelo de 8 trilhões de parâmetros.
Pesquisadores apresentam o CodeMidas, um pipeline agêntico que constrói ambientes de aprendizado por reforço a partir da funcionalidade implementada em repositórios de código aberto, utilizando o código-fonte como única entrada. O método aloca computação agêntica para explorar a funcionalidade, construir testes fundamentados na execução e validar tarefas por meio de repetidas rollouts, resultando em um conjunto de dados com 5.545 tarefas de treinamento em 23 linguagens de programação. Treinar o MiMo-V2.5 nessas tarefas com GRPO melhora o desempenho em cinco benchmarks diversos, incluindo DeepSWE (+11,7%), ProgramBench (+17%) e Terminal-Bench v2.1 (+8,5%). A análise de trajetórias indica que o agente treinado com RL exibe comportamentos melhores, como maior exploração da base de código e autoverificação mais diversa. Esses resultados estabelecem o código-fonte como uma base escalável para a construção de ambientes de RL que melhoram agentes de codificação em diversas tarefas de software.
A DeepSeek lançou o DeepSeek-V4.1-Flash, um modelo Mixture-of-Experts multimodal projetado para abordar os altos custos de computação de contexto longo e grandes caches KV em cargas de trabalho de agentes.
O Atria Dawn Preview é um modelo de linguagem agêntico fundamental projetado para fluxos de trabalho de pesquisa científica e engenharia, treinado por meio de um Pipeline de Experiência Verificável que conecta interações mediadas por ferramentas a ambientes executáveis. Em 16 benchmarks que abrangem pesquisa do mundo real, engenharia e trabalho digital, o modelo é competitivo em relação aos agentes de ponta e alcança a maior pontuação relatada em cinco deles.
DeepSeek V4.1 Flash assumiu o primeiro lugar na nova benchmark Astra dentro da atualização do Índice de Inteligência Artificial Analysis v4.3.
Um usuário desenvolveu uma implementação personalizada que permite que o modelo DeepSeek V4.1 seja executado em GPUs NVIDIA A100 com desempenho superior ao da API oficial.
A plataforma de benchmarking LiveBench adicionou o modelo DeepSeek v4.1 Flash ao seu conjunto de avaliação.
O modelo DeepSeek V4.1 Flash agora está acessível através da plataforma HuggingChat.
Um usuário publicou um vídeo gerado usando o recém-lançado modelo DeepSeek V4.1 Flash para avaliar suas capacidades na síntese de vídeo em movimento.
A DeepSeek lançou seu novo modelo, o DeepSeek V4-1 Flash. É um modelo Mixture-of-Experts (MoE) multimodal que possui uma base de 552 bilhões de parâmetros.
A DeepSeek lançou oficialmente o modelo DeepSeek V4.1 Flash, a entrada mais pequena da sua nova série de arquiteturas que apresenta compreensão visual multimodal nativa. Construído sobre um design Causal-Encoder-Decoder, é um modelo Mixture of Experts (MoE) de 552B parâmetros que ativa apenas 8B parâmetros no lado de entrada e 16B no lado de saída.
A DeepSeek descontinuou suavemente o modelo DeepSeek V4 Pro. Esta ação marca o fim da disponibilidade desta versão específica de seu sistema de IA.
A DeepSeek abriu testes beta internos para uma versão intermediária de seu modelo DeepSeek V4.1 Flash, que agora está disponível via API.