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.
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).
Не установлено по доступным источникам.
Не установлено по доступным источникам.
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 и доступ к весамОписана как свободно доступная модель с открытыми весами (веса общедоступны).
ХРОНОЛОГИЯ РЕЛИЗОВ
Только опубликованные события с источниками.
ПРОВЕРЯЕМЫЕ ФАКТЫ
Каждое значение привязано к источнику и дате.
РЕЛИЗ · Статус выпускаДАННЫЕ РАЗРАБОТЧИКА
В источнике описана как «недавно выпущенная».
ДОСТУПНОСТЬ · Доступность и доступ к весамДАННЫЕ РАЗРАБОТЧИКА
Описана как свободно доступная модель с открытыми весами (веса общедоступны).
БЕНЧМАРКИ · Балл по Artificial Analysis Intelligence IndexДАННЫЕ РАЗРАБОТЧИКА
45 баллов по Artificial Analysis Intelligence Index.
БЕНЧМАРКИ · Результат по бенчмарку CritPt (физика на уровне исследований)ДАННЫЕ РАЗРАБОТЧИКА
24% правильных ответов по бенчмарку CritPt.
БЕНЧМАРКИ · Результат по «Humanity's Last Exam» (сложные рассуждения)ДАННЫЕ РАЗРАБОТЧИКА
43% по тесту «Humanity's Last Exam» (сложные рассуждения).
БЕНЧМАРКИ · Фактическая точность по AA-OmniscienceДАННЫЕ РАЗРАБОТЧИКА
43% фактической точности по тесту AA-Omniscience.
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).
ВОЗМОЖНОСТИ · Использованные выходные токены по бенчмаркуДАННЫЕ РАЗРАБОТЧИКА
Сообщается об использовании примерно 224 млн выходных токенов по бенчмарку (больше, чем у MiniMax — ~189 млн).
БЕНЧМАРКИ · Результат на эталоне Vals CyberOffenseДАННЫЕ РАЗРАБОТЧИКА
Достигла 72,8% целей на эталоне Vals CyberOffense.
БЕНЧМАРКИ · Выполненные цели в тесте LighthouseДАННЫЕ РАЗРАБОТЧИКА
Выполнила 21 задачу в тесте Lighthouse.
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.
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.