Spesifikasi teknikal DeepSeek-V4-Flash
| Item | Butiran |
|---|---|
| Model | DeepSeek-V4-Flash |
| Penyedia | DeepSeek |
| Famili | Siri pratonton DeepSeek-V4 |
| Seni bina | Campuran Pakar (MoE) |
| Jumlah parameter | 284B |
| Parameter diaktifkan | 13B |
| Panjang konteks | 1,000,000 token |
| Ketepatan | FP4 + FP8 bercampur |
| Mod penaakulan | Non-think, Think, Think Max |
| Status pelepasan | Model pratonton |
| Lesen | Lesen MIT |
Apakah itu DeepSeek-V4-Flash?
DeepSeek-V4-Flash ialah model pratonton berfokus kecekapan dalam siri V4 oleh DeepSeek. Ia dibina sebagai model bahasa Campuran Pakar (MoE) dengan jejak aktif yang agak kecil berbanding saiznya, yang membantunya kekal responsif sambil masih menyokong tetingkap konteks 1M token yang sangat besar.
Ciri utama DeepSeek-V4-Flash
- Konteks sejuta token: Model ini menyokong tetingkap konteks 1,000,000 token, menjadikannya sesuai untuk dokumen yang sangat panjang, pangkalan kod berskala besar, dan sesi ejen berbilang langkah.
- Reka bentuk MoE berkecekapan-utama: Ia menggunakan jumlah 284B parameter tetapi hanya 13B parameter diaktifkan bagi setiap permintaan, suatu susunan yang menyasarkan inferens yang lebih pantas dan cekap.
- Tiga mod penaakulan: Non-think, Think dan Think Max membolehkan anda mengimbangi kelajuan dengan penaakulan yang lebih mendalam apabila tugas menjadi lebih sukar.
- Seni bina konteks panjang yang kukuh: DeepSeek menyatakan siri V4 menggabungkan Compressed Sparse Attention dan Heavily Compressed Attention untuk meningkatkan kecekapan konteks panjang.
- Prestasi pengaturcaraan dan perilaku ejen yang kompetitif: Kad model melaporkan keputusan yang kukuh pada penanda aras pengaturcaraan dan agen, termasuk HumanEval, SWE Verified, Terminal Bench 2.0 dan BrowseComp.
- Berat model terbuka dan penyebaran tempatan: Keluaran ini merangkumi berat model, panduan inferens tempatan, dan Lesen MIT, menjadikan hos sendiri dan percubaan lebih praktikal.
Prestasi penanda aras DeepSeek-V4-Flash
Keputusan terpilih daripada kad model rasmi menunjukkan bahawa DeepSeek-V4-Flash memperbaiki berbanding DeepSeek-V3.2-Base pada beberapa penanda aras teras:
| Penanda aras | DeepSeek-V3.2-Base | DeepSeek-V4-Flash-Base | DeepSeek-V4-Pro-Base |
|---|---|---|---|
| AGIEval (EM) | 80.1 | 82.6 | 83.1 |
| MMLU (EM) | 87.8 | 88.7 | 90.1 |
| MMLU-Pro (EM) | 65.5 | 68.3 | 73.5 |
| HumanEval (Pass@1) | 62.8 | 69.5 | 76.8 |
| LongBench-V2 (EM) | 40.2 | 44.7 | 51.5 |
Dalam jadual penaakulan dan agen, varian Flash turut mencatat keputusan kukuh pada tugas terminal dan perisian, dengan Flash Max mencapai 56.9 pada Terminal Bench 2.0 dan 79.0 pada SWE Verified, walaupun masih di belakang model Pro yang lebih besar pada tugas paling sukar yang banyak memerlukan pengetahuan dan kebolehan agen.
Perbandingan DeepSeek-V4-Flash vs DeepSeek-V4-Pro vs DeepSeek-V3.2
| Model | Kesesuaian terbaik | Kompromi |
|---|---|---|
| DeepSeek-V4-Flash | Kerja pantas, konteks panjang, pembantu pengaturcaraan, dan aliran ejen berkapasiti tinggi | Sedikit di belakang Pro pada pengetahuan tulen dan tugas agen yang paling kompleks |
| DeepSeek-V4-Pro | Tugas berkeupayaan tertinggi, penaakulan lebih mendalam, dan aliran kerja agen yang lebih sukar | Lebih berat dan kurang berorientasikan kecekapan berbanding Flash |
| DeepSeek-V3.2 | Asas lama untuk perbandingan dan perancangan migrasi | Prestasi penanda aras lebih rendah daripada V4-Flash pada jadual rasmi |
Kes penggunaan tipikal untuk DeepSeek-V4-Flash
- Analisis dokumen panjang untuk kontrak, pek penyelidikan, pangkalan pengetahuan sokongan, dan wiki dalaman.
- Pembantu pengaturcaraan yang perlu memeriksa repositori besar, mengikuti arahan merentas banyak fail, dan mengekalkan konteks.
- Aliran kerja agen di mana model perlu membuat penaakulan, memanggil alatan, dan beriterasi tanpa kehilangan jejak.
- Sistem sembang perusahaan yang mendapat manfaat daripada tetingkap konteks yang sangat besar dan penyebaran yang mudah.
- Prototip penyebaran tempatan untuk pasukan yang ingin menilai tingkah laku DeepSeek-V4 sebelum pengeluaran diperkukuh.
Cara mengakses dan menggunakan Deepseek v4 Flash API
Langkah 1: Daftar untuk Kunci API
Log masuk ke cometapi.com. Jika anda belum menjadi pengguna kami, sila daftar terlebih dahulu. Log masuk ke konsol CometAPI. Dapatkan kunci API kelayakan akses bagi antara muka. Klik “Add Token” pada token API di pusat peribadi, dapatkan kunci token: sk-xxxxx dan hantar.
Langkah 2: Hantar Permintaan ke deepseek v4 flash API
Pilih titik akhir “deepseek-v4-flash” untuk menghantar permintaan API dan tetapkan badan permintaan. Kaedah permintaan dan badan permintaan diperoleh daripada dokumen API di laman web kami. Laman web kami juga menyediakan ujian Apifox untuk kemudahan anda. Gantikan <YOUR_API_KEY> dengan kunci CometAPI sebenar anda daripada akaun anda. Tempat untuk memanggilnya: Anthropic Messages format dan Chat format.
Masukkan soalan atau permintaan anda ke dalam medan content—itulah yang akan direspons oleh model. Proses respons API untuk mendapatkan jawapan yang dijana.
Langkah 3: Dapatkan dan Sahkan Keputusan
Proses respons API untuk mendapatkan jawapan yang dijana. Selepas pemprosesan, API akan memberikan status tugas dan data output. Dayakan ciri seperti penstriman, cache prompt, atau pengendalian konteks panjang melalui parameter piawai.