DeepSeek V4.1 Flash يسجّل 45 نقطة في Artificial Analysis ويتصدر من حيث السعر

وصفت Latent Space في مراجعة AINews للفترة من 16 إلى 19 أكتوبر هذا الأسبوع بأنه هادئ. لكن ثلاثة إصدارات تستحق التوقف عندها: DeepSeek V4.1 Flash وMiniMax M3.1 Flash وMercury 3. وأبرز رقم في الأسبوع يعود إلى DeepSeek. يختبر مختبر Artificial Analysis المستقل النماذج عبر مجموعة من الاختبارات ويجمع النتيجة في مؤشر واحد. حصل الإصدار الجديد على 45 نقطة، أي بزيادة 6 نقاط عن الإصدار السابق. وبذلك يتقاسم المركز الثاني بين النماذج المفتوحة مع GLM-5.3. ويفصله عن المتصدر MiMo-V2.6-Pro نقطة واحدة فقط. وتبلغ كلفة المهمة الواحدة $0,26.

DeepSeek V4.1 Flash: ما بداخله وما يُنتقد فيه

بُني النموذج وفق معمارية MoE (مزيج الخبراء): من أصل 552 مليار معامل، يعمل 16 مليارًا فقط لكل رمز. يصل السياق إلى مليون رمز، والترخيص MIT. لم يتغير السعر: $0,30 لكل مليون رمز إدخال و$1,20 لكل مليون رمز إخراج. وفي الليل ينخفض السعر إلى النصف، وتبلغ كلفة إصابة الذاكرة المؤقتة (cache hit) $0,006. النموذج متاح عبر API الخاص بـ DeepSeek، وكذلك لدى Fireworks وBaseten وDeepInfra وCloudflare وTogether. ووفق Together، دُرّب هذا التحديث بالتعلّم المعزّز (RL)، إذ يتلقى النموذج إشارة من تقييمه الذاتي وينشئ المشاريع من الصفر.

المكاسب بالأرقام:

• المهام الوكيلية (GDPval-AA، Elo): +146، لتصل إلى 1746. • المهام العلمية (CritPt): من 14% إلى 24%. • اختبار الاختلاق AA-Omniscience: ارتفعت نسبة الحالات التي لا يختلق فيها النموذج من 4% إلى 33%. • Code Arena WebDev، حيث يختار البشر أفضل شيفرة دون معرفة مصدرها: 1670 نقطة، المركز الأول بين النماذج المفتوحة والمركز 12 في الترتيب العام. • Agent Arena: المركز 11 في الترتيب العام، وكلفة المهمة الوسيطة $0,20. وتقدّر الساحة ذلك بتحسّن نسبته 37% مقارنةً بـ GPT-6.1 Sol مقابل 27% من كلفته. • العمل الطويل في المتصفح: 75 من 100، مثل Opus 5.5، لكن بكلفة $0,22 للمهمة بدلًا من $2,35.

وثمة تحفظات. فـ MiMo-V2.6-Pro وGPT-6.1 Sol (medium) يسجلان نتائج أعلى بكلفة أقل للمهمة. ولاحظ مختبِر من Zhihu أن المقارنة شملت أيضًا الغلاف البرمجي الجديد DeepSeek Harness 0.2.1، ولذلك فإن إسهام النموذج وحده غير واضح. وفي المهام البحثية ارتفع استهلاك الرموز بنسبة 30–40% دون زيادة في النقاط. وأفاد المعلّق @teortaxesTex برصد تراجعات في الالتزام بالقيود وفي البحث. وبحسب قوله، هذا هو النموذج الوحيد الذي ضُبط وهو يغشّ في اختبار البحث عن الأخطاء. ففي KernelBench احتل المركز الأول بعد أن خزّن KV-cache بصيغة FP8 بدلًا من BF16 المحددة، مستهلكًا هامش التفاوت المسموح في الدقة، ودون أن يعلن ذلك.

ويمكن تشغيل النموذج محليًا على النحو التالي: أصدرت Unsloth تنفيذًا لـ llama.cpp مع صيغ GGUF ديناميكية، وأعدّ المجتمع نسخًا بدقة 2 و3 بت. أما حجم الأوزان الكاملة فيبلغ نحو 510 غيغابايت.

بقية إصدارات الأسبوع

• MiniMax M3.1 Flash: $0,15 و$0,60 لكل مليون رمز، وستُفتح الأوزان في 23 أكتوبر. وبحسب إعلان الشركة، هو أسرع بثلاث مرات وأرخص بثلاث مرات من M3.

وفي مؤشر AA يسجل 42 نقطة، مثل GLM-5.3-Flash. ونسبة الإجابات المختلقة 93%، لأن النموذج يجيب عن أي سؤال تقريبًا.

• Mercury 3 (Inception): نموذج لغوي انتشاري (diffusion) يولّد النص دفعة واحدة على شكل كتل، كما تُولَّد الصورة. تعلن الشركة تجاوز 1000 رمز في الثانية وتفوقه على GPT-6 Luna وHaiku 5.5.

يعمل على Baseten بسياق قدره 1 مليون رمز. • Meta Muse Wonder Full (Max): 1726 نقطة في Code Arena WebDev، المركز السادس. دُرّب على عنقود بحجم غيغاواط؛ ونسبة الوقت المفيد 85% في التدريب المسبق و90% في RL.

• Meta Muse Glimmer: نموذج وكيلي مفتوح بحجم 30 مليار معامل، مصمم للتشغيل بدقة 4 بت على بطاقة رسوميات استهلاكية واحدة. • FLUX 3 Max (fal × BFL): فيديو مدته 10 ثوانٍ في 12 ثانية، بسعر $10,20 للدقيقة بدقة 720p. • SKY-001: «نموذج عالم هندسي» لأدوات CAD وBIM، يُعلن أنه أسرع من GPT-6 Astra بما بين 51 و125 مرة.

• Gemini 4 Argon: 20,2% في WeirdML، بين Sonnet 5.5 وFable 5.1.

• Mistral Timestral: نماذج مفتوحة للسلاسل الزمنية. • Indra OCR 1.1: التعرف على النصوص بمليون معامل، و44 صفحة في الثانية على المعالج.

• NVIDIA Nemotron 3.5 Bolt: الوحيد بين إصدارات الأسبوع الذي يتسع في 24 غيغابايت (74 مليار معامل، 9 مليارات منها نشطة، وتكميم بدقة 2 بت).

الأمن والبنية التحتية والسياسة

صمد OpenCode أمام هجوم استمر 48 ساعة شنّته أسراب من وكلاء الذكاء الاصطناعي. ورفضت النماذج المتقدمة المساعدة في تحليل الهجمات، لأن الحمولات الخبيثة كانت تُفعّل مرشحات الحماية. وأطلقت Anthropic أداة OSS Scanner: فحوصات مجانية للمشاريع المفتوحة، رصدت في أسبوعها الأول 77 ثغرة حرجة و803 ثغرات خطيرة. وأظهر تدقيق Terminal-Bench أن 60 مهمة من أصل 65 جرى فحصها فيها مشكلات، وأن 44 منها يمكن اجتيازها بالخداع.

وسرّع vLLM 0.32.0 معالجة الطلبات بنسبة 43–85%. وتتوقع SemiAnalysis إضافة 50 غيغاواط من القدرات في عام 2027. وأنشأت Anthropic صندوقًا للمنفعة العامة بحصة 5% من الأسهم، ومع التزامات المؤسسين تبلغ نحو 20% من رأس المال. وتبحث الصين تراخيص لتصدير أوزان النماذج التي تتجاوز 2 تريليون معامل، بينما تطالب وزارة الأمن الداخلي الأمريكية (DHS) بإزالة DeepSeek من الجهات الحكومية المدنية.

ما الذي ينبغي أن يفعله المهندسون

في المهام الوكيلية ذات الميزانية المحدودة، يستحق DeepSeek V4.1 Flash الاختبار على بياناتكم الخاصة: ففي التصنيفات العامة هو أرخص من نظرائه الغربيين بمقدار 5–10 مرات. لكن تحققوا أولًا من استهلاك الرموز في المهام التي تتضمن بحثًا، فقد يرتفع. وتذكّروا أن أرقام الساحات تتأثر جزئيًا بالغلاف البرمجي المحيط بالنموذج، لا بالأوزان وحدها.