ديب سيك V4.1 Flash 1017 يتفوق على منافسين أكبر في المهام الوكيلة بينما يخفض مرة أخرى بشكل كبير التكلفة لكل مهمة

ديب سيك V4.1 Flash 1017 يتفوق على منافسين أكبر في المهام الوكيلة بينما يخفض مرة أخرى بشكل كبير التكلفة لكل مهمة

النقاط الرئيسية

• أصدرت شركة الذكاء الاصطناعي الصينية Deepseek نموذج Deepseek-V4.1-Flash-1017 على منصاتها وكذلك كنموذج مفتوح الأوزان على Hugging Face وModelScope.
• النموذج، الذي دُرّب بالتعلم المعزز باستخدام التغذية الراجعة الذاتية، يعمل أسرع، ويُنتج مخرجات أقصر، ويؤدي أداءً جيدًا في تطوير البرمجيات من البداية إلى النهاية وفي مهام الوكلاء، بحسب الشركة.
• في المعايير المرجعية الداخلية، يتفوق التحديث على منافسين أكبر مثل Claude Opus 5 وGPT 5.6-Sol في معايير البرمجة والوكلاء. كما تفتح Deepseek محرك البحث الداخلي الخاص بها للمطورين من خلال واجهتي Search وFetch الجديدتين.

شركة الذكاء الاصطناعي الصينية Deepseek أصدرت نسخة محدثة من طراز Flash الخاص بها مع مكاسب كبيرة في مهام الوكلاء والبرمجة. كما تفتح الشركة محرك البحث الداخلي الخاص بها للمطورين الخارجيين لأول مرة.

نموذج Deepseek-V4.1-Flash-1017 متاح الآن عبر موقع الشركة وتطبيقها وواجهتها البرمجية. كما نشرت Deepseek أوزان النموذج كمصدر مفتوح على Hugging Face و ModelScope. مقارنة بسابقه المباشر، يحقق النموذج درجات أفضل في المعايير المرجعية، وينجز المهام أسرع، ويُنتج مخرجات أقصر. وتصف الشركة التحديث بأنه تحسين باريتو في المفاضلة بين الأداء والتكلفة.

لبناء مشاريع برمجية كاملة من الصفر، تستخدم Deepseek التعلم المعزز مع التغذية الراجعة الذاتية (RLSF). تتيح طريقة التدريب اللاحق هذه للنموذج استخدام درجات ثقته الداخلية الخاصة أو انتقادات يولّدها بنفسه كإشارة مكافأة. وهذا يلغي الحاجة إلى مقيّمين بشريين أو نماذج مكافأة خارجية. تقول Deepseek إن هذا النهج يحسّن تطوير المشاريع من البداية إلى النهاية لمهام تتراوح من برمجة الألعاب إلى النمذجة ثلاثية الأبعاد (3D) والعمل التصميمي. ويمكن للنموذج أيضًا تحريك مقاطع فيديو توضيحية مختصرة، على غرار Opus 5.5 الذي صدر مؤخرًا.

الفيديو عبر FeiZإعلان

وقد ضُبط النموذج لبيئات التطوير مثل Deepseek Harness (يُنصح بالإصدار v0.2.1-rc.1 أو أحدث) وTencent CodeBuddy وWorkBuddy.

نموذج Flash الأصغر يتفوق على منافسين أكبر في مهام البرمجة والوكلاء

في المعايير المرجعية الخاصة بـ Deepseek، يتفوق V4.1-Flash-1017 على سابقه V4.1-Flash. كما يتفوق على نماذج منافسة أكبر مثل Claude Opus 5 وGPT 5.6-Sol وKimi K3 وGLM 5.3 في عدة فئات للبرمجة ووكلاء الذكاء الاصطناعي.

يُظهر مخطط تكلفة لمعيار DeepSWE مدى أهمية المخرجات الأقصر للكفاءة. يحقق V4.1-Flash-1017 نتيجة قصوى تبلغ 77.0 بالمئة بمتوسط تكلفة يقل قليلاً عن $0.20 لكل مهمة. وفي إعداده المنخفض، يتجاوز 72 بالمئة بتكلفة حوالي $0.10. أما السابق فقد حقق 74.2 بالمئة لكن بتكلفة حوالي $0.50 لكل تشغيل.

تصل نماذج المنافسة مثل GPT-6 Astra وGemini 3.8 Flash وClaude Opus 5 في هذه الخريطة إلى أسعار تتراوح بين 2 دولار وأكثر من 10 دولارات لكل مهمة، ولا أحد منها يضاهي دقة نموذج Deepseek الأصغر. لم تصدر بعد معايير قياس مستقلة، وعلى أي حال فإن معايير القياس لا تحكي سوى نصف القصة. فانطباعات المطوّرين عن جودة الشيفرة، على سبيل المثال، قد تختلف اختلافًا كبيرًا عن نتائج المعايير.Ad

تحوّل Deepseek محرك البحث الداخلي الخاص به إلى واجهة برمجة تطبيقات عامة

إلى جانب نموذج اللغة، يتيح Deepseek أدوات البحث على الويب الخاصة به (واجهات Search & Fetch APIs) لجميع المطورين. وتقول الشركة إن هذه الخدمات تعمل على محرك بحث بنته داخليًا ويعالج بالفعل مئات الملايين من الاستعلامات يوميًا حول العالم. وتفاصيل الإعداد موجودة في وثائق API.

تكلف كل نقطة نهاية (endpoint) 0.75 دولار لكل 1,000 استدعاء. ويمكن لمستخدمي واجهة Deepseek البرمجية الوصول إلى الميزات مجانًا من خلال الأدوات من جهة الخادم في Deepseek Harness وClaude Code وCodex حتى 31 أكتوبر 2026 (الساعة 4:00 بتوقيت UTC).

ومع ذلك، أصبح دمج نماذج الذكاء الاصطناعي الصينية بعمق في سير العمل أقل جاذبية قليلًا بالأمس. فقد أفادت تقارير بأن الحكومة الصينية تخطط لتشديد القواعد المتعلقة بنشر النماذج مفتوحة الأوزان أو حتى منع إطلاقها تمامًا. ومن بين العوامل الحاسمة ما إذا كان نظام معين يُصنف ضمن أفضل 10 نماذج من حيث القدرة.

أخبار الذكاء الاصطناعي دون الضجيج – من إعداد بشري

اشترك في THE DECODER للحصول على قراءة خالية من الإعلانات، ونشرة أسبوعية عن الذكاء الاصطناعي، وتقريرنا الحصري "AI Radar" عن أحدث التطورات ست مرات في السنة، ووصول كامل إلى الأرشيف، وإلى قسم التعليقات لدينا.