Yapay zekâ alanındaki yenilikler çoğu zaman yeni ve daha büyük bir modelin ortaya çıkmasıyla anlatılıyor. DeepSeek'in 17 Ekim'de yayımladığı V4.1-Flash-1017 ise farklı bir örnek: Önceki V4.1 Flash mimarisini değiştirmeyen, buna karşılık eğitim ve görev yürütme yeteneğini geliştiren bir güncelleme.
Şirketin model kartına göre yeni sürüm, mantıksal akıl yürütme, yazılım yazma, görsel değerlendirme ve otonom görevleri tamamlama testlerinde önceki versiyonun üzerine çıktı. Özellikle modelin bilgisayarda komutlar çalıştırıp birkaç aşamalı işi bitirmesi gereken testlerde artışlar bildiriliyor.
Örneğin DeepSeek'in yayımladığı karşılaştırmada Terminal-Bench 4.0 başarısı 31,2'den 42,3'e; yazılım geliştirme görevlerini ölçen ProgramBench sonucu 20,3'ten 29,1'e yükselmiş görünüyor. Bu sayılar geliştiricinin kendi ölçümleri. Testlerde modele verilen araçlar ve kullanılan çalışma düzeni sonucu etkileyebileceği için farklı modelleri yalnızca tek sayı üzerinden sıralamak doğru değil.
DeepSeek, yeni sürümün daha kısa yanıt üretebildiğini ve görevleri daha hızlı tamamladığını da söylüyor. Bu özellik, API üzerinden kullanılan sistemlerde önem taşıyor: Bir işlem için daha az çıktı ve daha kısa çalışma süresi, kullanılan hesaplama kaynaklarının maliyetini düşürebilir.
İlginç tarafı, şirketin bu ilerlemeyi daha büyük bir model kurduğunu açıklamadan sağlaması. Aynı temel mimari üzerinde ek eğitim ve daha iyi görev yürütme stratejileriyle sonuçları geliştirme yolu izleniyor.
Modelin Hugging Face üzerinde yayımlanması, geliştiricilerin teknik ayrıntıları incelemesine ve uygun koşullarda kendi değerlendirmelerini yapmasına da imkân tanıyor. Bununla birlikte rakip sistemlerden daha iyi olduğu sonucuna varmak için bağımsız karşılaştırmalar gerekiyor.
Haberin önemi, yapay zekâ rekabetinin yalnızca model büyüklüğüyle yürümemesi. Gerçek bir işin tamamlanma süresi, maliyeti ve sonuçların güvenilirliği kullanıcı açısından modelin kaç milyar parametre taşıdığından daha belirleyici hale geliyor.