Tech Meridian← ВСЕ МОДЕЛИ
PROМОЙ MERIDIAN

DEEPSEEK · ТРЕКЕР МОДЕЛИ

Deepseek V4.1 Flash 1017

Deepseek V4.1 Flash 1017 — свободно доступная модель с открытыми весами, которая набрала 72.8% на эталоне Vals CyberOffense, выполнила 21 задачу в тесте Lighthouse, стоит примерно $3 за запуск и требует очень длительной работы (большая часть прогресса только после ≈100 млн токенов).

ТЕКУЩИЙ СНИМОК3/5 РАЗДЕЛОВ С ДАННЫМИ

Главные характеристики в одном месте.

ЦЕНА
Приблизительная стоимость запуска в кибер-полигонахСтоит примерно $3 за запуск (в сообщении отмечено существенно дешевле примерно $22 за запуск для ограниченной закрытой модели в том же сравнении).
КОНТЕКСТ

Не установлено по доступным источникам.

МОДАЛЬНОСТИ

Не установлено по доступным источникам.

БЕНЧМАРКИ
Балл по Artificial Analysis Intelligence Index45 баллов по Artificial Analysis Intelligence Index.
Результат по бенчмарку CritPt (физика на уровне исследований)24% правильных ответов по бенчмарку CritPt.
Результат по «Humanity's Last Exam» (сложные рассуждения)43% по тесту «Humanity's Last Exam» (сложные рассуждения).
Фактическая точность по AA-Omniscience43% фактической точности по тесту AA-Omniscience.
Результат на эталоне Vals CyberOffenseДостигла 72,8% целей на эталоне Vals CyberOffense.
Выполненные цели в тесте LighthouseВыполнила 21 задачу в тесте Lighthouse.
ДОСТУПНОСТЬ
Доступность и доступ к весамОписана как свободно доступная модель с открытыми весами (веса общедоступны).

ХРОНОЛОГИЯ РЕЛИЗОВ

Только опубликованные события с источниками.

ИСТОЧНИКОВ 1 · ВАЖНОСТЬ 7.0

MiniMax выпустила модель M3.1 Flash для рассуждений; открытые веса выйдут 23 октября

MiniMax представила M3.1 Flash — модель для рассуждений с оценкой 42 по Artificial Analysis Intelligence Index (на 13 пунктов выше M3), поддержкой до 1 млн токенов контекста, ускоренной работой и сниженной стоимостью задачи (~$0,22). Модель улучшилась в задачах сложного рассуждения и фактической точности (48% в «Humanity's Last Exam», 56% в AA-Omniscience), но демонстрирует высокий уровень галлюцинаций (93%); указаны тарифы API, а открытые веса выйдут 23 октября.

→

ПРОВЕРЯЕМЫЕ ФАКТЫ

Каждое значение привязано к источнику и дате.

ЦЕНЫ · Приблизительная стоимость запуска в кибер-полигонахДАННЫЕ РАЗРАБОТЧИКА

Стоит примерно $3 за запуск (в сообщении отмечено существенно дешевле примерно $22 за запуск для ограниченной закрытой модели в том же сравнении).

ОГРАНИЧЕНИЯ · Зависимость от длительности работы/токеновДАННЫЕ РАЗРАБОТЧИКА

Не показала результатов в первые 25 миллионов токенов, и большую часть прогресса достигла лишь после примерно 100 миллионов токенов (указывая на необходимость очень длительной работы).

БЕЗОПАСНОСТЬ · Влияние предохранительных механизмов безопасностиДАННЫЕ РАЗРАБОТЧИКА

Сообщается, что модель не была ограничена только предохранительными механизмами безопасности (в этом контексте меры безопасности для открытых моделей оказались в значительной степени неэффективны).

ЧТО ИЗМЕНИЛОСЬ

Сохранённые версии паспорта, без догадок задним числом.

Паспорт обновлён12 фактов
ЦЕНЫ · Приблизительная стоимость запуска в кибер-полигонах+ Стоит примерно $3 за запуск (в сообщении отмечено существенно дешевле примерно $22 за запуск для ограниченной закрытой модели в том же сравнении).
ЦЕНЫ · Ориентировочная стоимость за задачу− Примерно $0.26 за задачу по приведённому бенчмарку.
ДОСТУПНОСТЬ · Доступность — Hugging Face / открытые веса− Сообщается, что модель уже доступна на Hugging Face; в статье также указано, что обе модели получают релизы с открытыми весами.
БЕНЧМАРКИ · Выполненные цели в тесте Lighthouse+ Выполнила 21 задачу в тесте Lighthouse.
ОГРАНИЧЕНИЯ · Зависимость от длительности работы/токенов+ Не показала результатов в первые 25 миллионов токенов, и большую часть прогресса достигла лишь после примерно 100 миллионов токенов (указывая на необходимость очень длительной работы).
ДОСТУПНОСТЬ · Доступность и доступ к весам+ Описана как свободно доступная модель с открытыми весами (веса общедоступны).
БЕЗОПАСНОСТЬ · Влияние предохранительных механизмов безопасности+ Сообщается, что модель не была ограничена только предохранительными механизмами безопасности (в этом контексте меры безопасности для открытых моделей оказались в значительной степени неэффективны).
БЕНЧМАРКИ · Результат на эталоне Vals CyberOffense+ Достигла 72,8% целей на эталоне Vals CyberOffense.
Паспорт создан8 фактов