DeepSeek-V4-Flash

2026-10-26

RESEARCH · 1 ИСТОЧН. · arXiv cs.AI

Статья HyScale представляет HyTopK и selection replay для ускорения обучения кустистой внимательности на длинных контекстах

HyScale (arXiv:2610.32057v1) предлагает систему для масштабирования обучения с длинными контекстами в архитектурах с изучаемой разреженной внимательностью, рассматривая результаты выбора как множества индексов и вводя HyTopK (поиск точного top-k на лету) и selection replay для отказа от полной таблицы скоринга и повторного выбора. Авторы приводят до 2.07× ускорения при обучении GLM-5.1 на последовательностях в 1 млн токенов по сравнению с Megatron-LM на 512 H20 GPU, а также 2.01× и 1.57× ускорения для CSA-слоёв DeepSeek-V4-Flash и QSA-слоёв Qwen3.8-Flash-Next на 1 млн токенов на 32 H800 GPU.

7.0

2026-10-16

RESEARCH · 1 ИСТОЧН. · arXiv cs.AI

IneqAgent: агент, основанный на LLM, для доказательства неравенств в Lean4

IneqAgent — фреймворк, который сочетает рассуждение LLM с символическими вычислениями для доказательства неравенств в Lean4. Он применяет MCTS на уровне лемм для координации построения лемм, реформулировки целей и выбора точных символических бэкендов (sum-of-squares, Bernstein, successive difference-substitution); с DeepSeek-V4-Flash на четырёх бенчмарках решает 175 из 186 задач (94.09%) и получает формально проверенные укрепления гипотезы Диттерта (размерности 4 и 5) и сертификацию неравенства Holens--Djokovic (4,4).

7.0

2026-09-21

RESEARCH · 1 ИСТОЧН. · arXiv cs.AI

GameASG-Bench: бенчмарк поведенческой тестируемости для автономной генерации игр (arXiv:2609.21293v1)

Работа представляет GameASG-Bench — бенчмарк, который делает поведенческую тестируемость частью задачи автономной генерации ПО для игр, задавая интерфейс оценки и включая статические L1 проверки кода и браузерные L2 проверки времени выполнения. Выпуск содержит 47 браузерных задач по генерации игр в 12 жанрах с эталонными реализациями; испытания на девяти агентных стеках показали до 93.2% среднего прохождения L2 проверок, но лишь 55.3% строгого успеха задач (26/47), при этом DeepSeek-V4-Flash выигрывает от доступа к инструментам и большего числа ходов.

7.0

2026-09-18

RESEARCH · 1 ИСТОЧН. · arXiv cs.AI

little m: ИИ-агент для формулирования моделей оптимизации промышленных процессов

Опубликована работа о 'little m' — ИИ-агенте, который сочетает специализированное хранилище знаний и взаимодействие на базе LLM для перевода разнородных промышленных спецификаций (текст и диаграммы процессов) в математические модели оптимизации. Авторы также представили IPC-Bench — набор из 50 мультимодальных сценариев для управления промышленными процессами; автоматические структурные проверки и слепая человеческая оценка показывают, что little m генерирует значительно более семантически корректные формулировки по сравнению с современными LLM, при этом работа не включает оценку применимости к решателям, физической корректности или замкнутой производственной производительности.

6.0

2026-09-10

MODELS · 1 ИСТОЧН. · DeepSeek

DeepSeek представляет DeepSeek‑V4.1‑Flash с новой причинно‑кодировочной архитектурой и снижением стоимости

DeepSeek объявила DeepSeek‑V4.1‑Flash — меньшую модель с нативным пониманием изображений на новой Causal Encoder–Decoder архитектуре (8B активных параметров для входа, 16B для выхода), обновлённой предобучением и более крупным RL‑посттренингом, а также компрессией KV‑кеша. Компания выводит из эксплуатации варианты V4‑Flash, перенаправит запросы deepseek-v4-pro на V4.1‑Flash с 04:00 UTC 14 сентября 2026 года и вводит новые тарифы с 04:00 UTC 10 сентября 2026 года; партнёры WorkBuddy, CodeBuddy и OpenCode уже поддерживают модель.

8.0

2026-04-24

MODELS · 1 ИСТОЧН. · DeepSeek

DeepSeek выпустила открытый превью DeepSeek‑V4 с контекстом на 1 млн токенов

DeepSeek опубликовала открытое превью DeepSeek‑V4 с двумя вариантами: DeepSeek‑V4‑Pro (1,6T общих / 49B активных параметров) и DeepSeek‑V4‑Flash (284B общих / 13B активных параметров). Компания заявляет, что обе модели по умолчанию поддерживают контекст на 1 млн токенов, используют токенно‑ориентированную компрессию и DSA (DeepSeek Sparse Attention), претендуют на SOTA в агентных и рассуждательных задачах (по утверждению компании уступают только Gemini‑3.1‑Pro), доступны на chat.deepseek.com и через обновлённые API с поддержкой OpenAI ChatCompletions и Anthropic; старые модели deepseek-chat и deepseek-reasoner будут удалены 24 июля 2026 года в 15:59 UTC.

8.0