A DeepSeek július 31-én csendben lecserélte a V4 Flash API-n elérhető változatát. A vállalat hivatalos változásnaplója szerint a DeepSeek-V4-Flash-0731 nem új architektúra: ugyanakkora és ugyanúgy felépített modell, mint az előző kiadás, csak új utótréninget kapott. A különbség mégis látványos, főleg az eszközhasználatot és kódolást mérő teszteken.
A 284 milliárd paraméteres modell egy válasz elkészítésekor 13 milliárd paramétert aktivál, a kontextusablaka pedig egymillió token. A súlyok MIT-licenccel elérhetők, de a mostani frissítésnek van egy fontos határa: egyelőre csak a Flash API változott. A DeepSeek alkalmazásában és webes felületén futó modellek, valamint a Pro API nem kapták meg ezt a kiadást.
A teljes és az aktív paraméterszám közötti nagy különbség a szakértőkeverékes felépítésből adódik. A modell minden tokennél csak a feladathoz kiválasztott részegységeket futtatja, nem az összes 284 milliárd paramétert egyszerre. Ettől a számítás olcsóbb lehet, a teljes súlykészlet tárolása és saját gépen való kiszolgálása azonban továbbra is komoly infrastruktúrát kíván. A nyílt súly tehát nem egyenlő azzal, hogy a modell egy átlagos asztali gépen kényelmesen elindítható.
Nem új modell, hanem célzottabb utótréning
A „0731” jelzés a július 31-i kiadásra utal. A DeepSeek azt állítja, hogy kizárólag a tréning utolsó szakaszán változtatott, miközben az architektúra és a modell mérete érintetlen maradt. Ez azért érdekes, mert megmutatja, mennyit számíthat az, hogyan tanítják meg a már kész alapmodellt hosszabb feladatok követésére, programok futtatására és külső eszközök kezelésére.
A frissítés natívan támogatja a Responses API-t, és a DeepSeek külön kiemeli, hogy Codexszel is használható. Ez nem azt jelenti, hogy a modell az OpenAI szolgáltatásának része lett. A kompatibilis API lehetővé teszi, hogy egy megfelelően beállított kliens a DeepSeek végpontját hívja, miközben a megszokott ügynökös munkafolyamatot használja.
Egy pont az OpenAI mögött, közel harmadakkora költséggel
A független Artificial Analysis összesített intelligenciaindexén a DeepSeek V4 Flash 0731 maximális gondolkodási beállítással 50 pontot ért el. Az OpenAI GPT-5.6 Luna Max ugyanebben az összevetésben 51 ponton áll. Ez nem döntetlen, de már olyan különbség, amelynél a futtatási költség könnyen fontosabbá válhat az egyetlen pontnál.
Az Artificial Analysis számítása szerint a DeepSeek értékelési feladatonként átlagosan 0,027 dollárba került, míg a GPT-5.6 Luna Max 0,079 dollárba. Vagyis a kínai modell nagyjából harmadakkora költséggel jutott majdnem azonos összpontszámhoz. A nyilvános API listaára is alacsony: egymillió, gyorsítótárból nem kiszolgált bemeneti token 0,14 dollár, egymillió kimeneti token 0,28 dollár. A gyorsítótárat eltaláló bemenet ennél is olcsóbb.
A gyorsítótár főleg olyan ügynököknél számíthat, amelyek újra és újra ugyanazt a hosszú rendszerutasítást, kódbázisrészletet vagy dokumentumcsomagot küldik el. Ilyenkor a már feldolgozott bemenet egymillió tokenre vetítve 0,0028 dollárba kerül. Ez ötvened része a normál bemeneti árnak, bár csak arra a részre érvényes, amelyet a szolgáltatás valóban megtalál a gyorsítótárban. A hosszú, 384 ezer tokenig engedett kimenet pedig különösen hasznos lehet kódgenerálásnál, de ellenőrizetlenül a számlát és a hibalehetőséget is gyorsan növelheti.
Ettől még nem következik, hogy minden valódi munkában a DeepSeek lesz a jobb választás. Az összesített pontszám több teszt eredményét sűríti egyetlen számba, miközben egy hosszú programozási feladat, egy magyar szöveg vagy egy sok eszközhívásból álló folyamat egészen más gyengeségeket hozhat elő. Az ár-összevetés is a mérésben használt beállításokra és válaszhosszokra vonatkozik.
A saját ügynökteszteknél van apróbetű
A DeepSeek saját táblázata több komoly eredményt sorol fel. A Terminal Bench 2.1 teszten 82,7, a Cybergymen 76,7, a DeepSWE-n 54,4, a Toolathlon ellenőrzött részén pedig 70,3 pontot közöl. Ezek alapján a frissítés valóban az összetett, többlépéses feladatokra céloz, nem egyszerűen a rövid kérdések megválaszolására.
A számokat azonban nem érdemes fenntartás nélkül egymás mellé tenni. A kódügynökös mérésekhez a vállalat egy még ki nem adott saját futtatókörnyezetet használt, két további eredmény pedig belső tesztből származik. Ezek hasznos jelzések, de nehezebben ismételhetők meg függetlenül, mint egy nyilvánosan dokumentált mérés.
A webes DeepSeek ettől még nem lett új
A frissítés leginkább fejlesztőknek és automatizált munkafolyamatokat építő csapatoknak szól. Aki csak megnyitja a DeepSeek weboldalát vagy alkalmazását, nem feltétlenül találkozik a 0731-es változattal. A Pro API hivatalos kiadását is későbbre ígéri a cég, így a Flash most inkább nyilvános próba, mint a teljes V4-generáció végleges állapota.
A kipróbálásnál ezért érdemes ugyanazokat a valós feladatokat lefuttatni, amelyeket később a modellre bíznának: többfájlos kódmódosítást, terminálhasználatot, hibás eszközhívás utáni helyreállást és hosszú beszélgetés folytatását. Egy toplistás eredmény jó szűrő lehet, de azt nem mutatja meg, milyen gyakran kér felesleges engedélyt a modell, mennyire következetes magyarul, vagy mennyi emberi ellenőrzést igényel egy éles munkafolyamatban.
Az eredmény ettől még figyelemre méltó. Nem egy újabb, még nagyobb modell kellett hozzá, hanem ugyanannak az alapnak a jobb felkészítése az ügynökös munkára. Ha a független használati tapasztalatok is visszaigazolják a teszteket, a DeepSeek nem pusztán olcsó alternatívát kínálhat: azt is megmutathatja, hogy a következő verseny nem csak a paraméterszámról szól.
