แท็ก

#DeepSeek-V4.1-Flash

5 บทความ

DeepSeek-V4.1-Flash 763B รันบนการ์ดจอ 12GB ได้แล้ว: IST DASLab ปล่อย GGUF 1.75–2.25 บิต และ Strata ใส่เข้าแอปคลิกเดียว — RTX 3060 ได้ 9–11 tok/s แต่ต้องมี RAM 40GB ขึ้นไป ดิสก์ 239–274GB และคอนเท็กซ์ 8K

ห้องแล็บ DASLab ของ IST Austria อัปโหลด DeepSeek-V4.1-Flash-1017 แบบ GGUF ความแม่นยำผสม 1.75, 2.00 และ 2.25 บิตขึ้น Hugging Face เมื่อ 23 ต.ค. การ์ดโมเดลบอกว่ารุ่น 2.00 บิตได้คะแนนเท่าโมเดลต้นฉบับ 100% ใน AIME25, GPQA-Diamond และ LiveCodeBench v6 ส่วน Strata ตัวติดตั้งคลิกเดียวรองรับชุดนี้ตั้งแต่ 24–25 ต.ค. และวัดได้ 4–11 tok/s บนการ์ด 12GB แต่การวัดของ Strata เองพบว่า perplexity ของรุ่น 2.00 บิตเพิ่มขึ้น 15.5% ตอนนี้ llama.cpp ยังรันไฟล์ชุดนี้ไม่ได้ และคอนเท็กซ์ที่ผ่านการทดสอบมีแค่ 8K

26 ต.ค. 2569 · อ่าน 6 นาที

โมเดลใหม่

DeepSeek ปล่อย V4.1-Flash-1017 น้ำหนัก MIT ชุดใหม่ สถาปัตยกรรมเดิมทุกบิต แต่ Terminal-Bench 4.0 ขึ้นจาก 31.2 เป็น 42.3 — ชื่อ deepseek-flash บน API ถูกสลับไปรุ่นใหม่ทันที พร้อมเปิด Search & Fetch API $0.75 ต่อพันครั้ง

17 ต.ค. DeepSeek อัปโหลด V4.1-Flash-1017 ขึ้น Hugging Face ใต้ MIT เป็นการอัปเดต post-training ของ V4.1-Flash โดย config.json เหมือนเดิมทุกค่าและขนาดไฟล์ 510.3 GB เท่าเดิม คะแนนที่ DeepSeek รายงานเองขึ้นเกือบทุกช่อง (Terminal-Bench 4.0 จาก 31.2 เป็น 42.3, DeepSWE 77.0 แซง Opus 5) แต่ตารางใหม่ตัดกระดานที่เคยชนะออกและเปลี่ยนฮาร์เนสของ Terminal-Bench 4.0 ฝั่ง API ชื่อ deepseek-flash ชี้ไปรุ่นใหม่แล้วโดยราคาเท่าเดิม และ DeepSeek เปิด Search & Fetch API จากเสิร์ชเอนจินของตัวเองในวันเดียวกัน

17 ต.ค. 2569 · อ่าน 6 นาที

เครื่องมือนักพัฒนา

colibri v1.11 รัน DeepSeek-V4.1-Flash 552B บนเครื่อง CPU โดยสตรีม expert จาก SSD ได้ราว 1 โทเคน/วินาที — เอนจินภาษา C 30,000 ดาวที่ยอมช้า แต่ไม่ยอมแอบเปลี่ยนโมเดล

13 ก.ย. colibri เอนจินอินเฟอเรนซ์ภาษา C ใต้ Apache-2.0 ที่มีดาวบน GitHub กว่า 30,000 ดวง ออก v1.11.0 ที่เพิ่ม DeepSeek-V4.1-Flash 552B เป็นตระกูลที่เก้า อ่าน checkpoint 510 GB ตรง ๆ โดยไม่ต้องแปลง ตารางวัดแบบ cold ในเอกสารแสดงว่าเทิร์นหนึ่งเร็วขึ้นจาก 0.305 เป็น 0.957 tok/s และแชตห้าเทิร์นได้ 1.14–1.58 tok/s — ทีมยังเขียนบันทึกไว้ด้วยว่าไอเดียไหนวัดแล้วช้าลงจนต้องถอดออก และตัวเลขที่เคยวัดผิดมาจากอะไร

14 ก.ย. 2569 · อ่าน 6 นาที

โมเดลใหม่

ผลวัดอิสระของ DeepSeek-V4.1-Flash ออกแล้ว: ขึ้นที่ 1 บน AutomationBench-AA เหนือ GPT-6 Astra — แต่ชนะเพราะละเมิด guardrail น้อยที่สุด ไม่ใช่เพราะทำงานสำเร็จมากที่สุด

ตอนเราเขียนถึง DeepSeek-V4.1-Flash เมื่อ 10 ก.ย. หน้า Artificial Analysis ยังไม่มีข้อมูล ตอนนี้มีครบแล้ว: ดัชนีรวม 39.5 เหนือ V4-Pro-0813 (36.3) ต้นทุนต่องาน $0.27 และขึ้นที่ 1 บน AutomationBench-AA ด้วย 68.9% เหนือ Astra (68.5%) — แต่ถ้าดูสัดส่วนงานที่ทำสำเร็จ มันได้แค่ 84.6% ต่ำกว่าตัวท็อปหลายตัว ส่วนดัชนีความรู้ข้อเท็จจริง AA-Omniscience ติดลบ (แก้ไข: DeepSeek ยกเลิกแผนส่ง deepseek-v4-pro ไปหา V4.1-Flash ตั้งแต่ 11 ก.ย. แล้ว V4-Pro ยังให้บริการต่อในราคาเดิม)

14 ก.ย. 2569 · อ่าน 5 นาที

โมเดลใหม่

DeepSeek-V4.1-Flash เปิดน้ำหนัก MIT ขนาด 552B ที่ใช้พารามิเตอร์แค่ 8B ตอนอ่านอินพุต — KV cache เหลือ 1/4 ราคา API ลด และ deepseek-v4-pro จะถูกส่งมาหาโมเดลนี้แทนตั้งแต่ 14 ก.ย.

10 ก.ย. DeepSeek ปล่อย V4.1-Flash ขึ้น Hugging Face ใต้ MIT แท้พร้อมเปิดบน API ในวันเดียวกัน เป็น MoE 552B สถาปัตยกรรม Causal Encoder-Decoder ใหม่ที่ใช้พารามิเตอร์ 8B ตอน prefill และ 16B ตอน decode KV cache เหลือ 890 ไบต์ต่อโทเคน คะแนน Terminal-Bench 2.1 สูงกว่า Opus 5 — แต่เบนช์มาร์กที่ยากกว่ายังห่างชัด ไม่มี chat template แบบ Jinja มาให้ และทุกคำขอที่ใช้ชื่อ deepseek-v4-pro จะถูกส่งไปหาโมเดลนี้แทนโดยอัตโนมัติตั้งแต่ 14 ก.ย.

10 ก.ย. 2569 · อ่าน 8 นาที