DeepSeek-V4.1-Flash-1017

Не успел запостить мем про непродуктивную осень китайцев как они выпустили новый дипсик. Так что сначала надо смотреть мем. Потом новость, потом можно еще раз мем

Небольшое обновление V4.1-Flash, но с заметным приростом в рассуждениях, коде, агентных задачах и визуальных бенчмарках. Плюс модель тратит меньше времени на задачу и выдает более короткие ответы.

Результаты против Opus 5
• DeepSWE v1.1 — 77.0 против 74.0
• Automation-Bench — 60.5 против 50.3
• Agents' Last Exam — 35.4 против 28.6
• Apex Bench — 72.1 против 65.8
• Chartography с тулами — 83.0 против 84.0

Где пока позади
• Terminal-Bench 4.0 — 42.3 против 51.8
• ProgramBench — 29.1 против 37.0
• NL2Repo-Bench — 68.2 против 75.3
• HLE без тулов — 42.6 против 56.3

• Контекст 1 млн токенов
• Прежние цены API

#multimodal