مرداد
اخبار
دیپسیک V4 Flash متنباز شد؛ ۲۸۴ میلیارد پارامتر با لایسنس MIT
دیپسیک بار دیگر معادلهی بازار مدلهای زبانی را به هم ریخت. نسخهی رسمی V4 Flash با ۲۸۴ میلیارد پارامتر، پنجرهی زمینهی یک میلیون توکنی و وزنهای کاملاً باز زیر لایسنس MIT منتشر شد. این مدل در آزمونهای ایجنتی جهشی ثبت کرده که کمتر کسی انتظارش را داشت و قیمت خروجیاش تنها حدود یکسوم نسخهی بزرگتر Pro است. پرسش اصلی همینجاست: وقتی ارزانترین گزینه همزمان یکی از توانمندترینها باشد، مدلهای بسته چه چیزی برای فروش باقی میگذارند؟
لیست مطالب
۱) ماجرا از چه قرار است
شرکت چینی دیپسیک در پایان ژوئیه ۲۰۲۶ نسخهی رسمی و پایدار مدل V4 Flash را با نام فنی DeepSeek-V4-Flash-0731 منتشر کرد. پیش از این، نسخهی پیشنمایشِ همین مدل چند هفته در دسترس توسعهدهندگان بود و بازخوردهای گستردهای گرفته بود؛ اما نسخهی رسمی نه فقط یک بهروزرسانی جزئی، که نتیجهی یک دور کامل پسآموزش دوباره با تمرکز بر رفتار ایجنتی است.
نکتهای که این خبر را از یک عرضهی معمولی جدا میکند، همراهی همزمان سه عامل است: وزنهای باز، لایسنس آزادِ MIT و قیمتی که در مقایسه با همردههای خود تقریباً ناچیز به نظر میرسد. در بازاری که در آن قدرتمندترین مدلها معمولاً پشت درهای بسته و قراردادهای گرانقیمت پنهان میشوند، این ترکیب یک استثنای معنادار است. اگر دنبال دنبالکردن روزبهروز این رقابت هستید، بایگانی اخبار هوش مصنوعی تصویر کاملتری از مسیر ماههای اخیر میدهد.
۲) معماری: بزرگ روی کاغذ، سبک در عمل
معماری V4 Flash از نوع ترکیب متخصصها یا همان MoE است. در این معماری، مدل مجموعهای از زیرشبکههای تخصصی دارد و برای هر توکن ورودی تنها بخش کوچکی از آنها فعال میشود. نتیجه این است که مدل روی کاغذ ۲۸۴ میلیارد پارامتر دارد، اما هزینهی محاسباتی هر پاسخ نزدیک به مدلی با حدود ۱۳ میلیارد پارامتر است.
این تفکیک میان اندازه و هزینه، همان چیزی است که اجازه میدهد یک مدل هم دانش گسترده داشته باشد و هم ارزان و سریع پاسخ بدهد. طبق گزارشها، دیپسیک در این نسخه از ترکیبی از سازوکارهای توجه فشرده استفاده کرده تا حجم حافظهی نهان کلید-مقدار را به شکل چشمگیری کاهش دهد؛ ادعایی که در صورت درستی، دلیل اصلی صرفهی اقتصادی این مدل در بارهای کاری طولانی است.
کوانتیزهسازی ترکیبی
گزارشهای فنی منتشرشده حکایت از آن دارند که وزنهای متخصصها با دقت پایینتر و بقیهی پارامترها با دقت بالاتر ذخیره میشوند. این رویکرد ترکیبی، حجم مدل را برای ذخیرهسازی و بارگذاری کوچکتر میکند بدون آنکه کیفیت پاسخها بهطور محسوس افت کند. برای تیمهایی که قصد میزبانی محلی دارند، همین جزئیات فنی تفاوت میان «شدنی» و «نشدنی» را رقم میزند.
۳) پنجرهی زمینهی یک میلیون توکنی چه چیزی را ممکن میکند
پنجرهی زمینهی یک میلیون توکنی یعنی مدل میتواند در یک نشست، حجمی معادل دهها هزار خط کد یا چندین کتاب را همزمان ببیند. برای کاربردهای روزمرهی گفتوگویی، این عدد شاید نمایشی به نظر برسد؛ اما برای ایجنتهای کدنویسی که باید یک مخزن کامل را بفهمند، برای تحلیل اسناد حقوقی طولانی و برای پژوهشی که به دهها منبع همزمان نیاز دارد، تفاوت از زمین تا آسمان است.
بیشینهی خروجی مدل نیز ۳۸۴ هزار توکن اعلام شده؛ عددی که اجازه میدهد مدل بهجای پاسخهای کوتاه، خروجیهای بسیار بلند مانند مستندسازی کامل یک پروژه یا بازنویسی گستردهی یک پایگاه کد را در یک مرحله تولید کند. البته پنجرهی بزرگ بهتنهایی کیفیت نمیآورد؛ آنچه اهمیت دارد این است که مدل تا چه اندازه بتواند از انتهای زمینه هم بهدرستی بازیابی کند، و این چیزی است که فقط با آزمونهای مستقل روشن میشود.
۴) جهش در بنچمارکهای ایجنتی
مهمترین بخش این عرضه در اعداد بنچمارکها نهفته است. در آزمون Terminal Bench که توانایی مدل در انجام کارهای واقعی درون خط فرمان را میسنجد، نسخهی رسمی امتیاز ۸۲.۷ گرفته است. در DeepSWE که کیفیت حل مسائل مهندسی نرمافزار را ارزیابی میکند، امتیاز به ۵۴.۴ رسیده. طبق گزارشها، این ارقام نسبت به نسخهی پیشنمایش جهش بسیار بزرگی محسوب میشوند؛ هرچند مقدار دقیق امتیاز پیشنمایش در منابع مختلف متفاوت گزارش شده و باید با احتیاط به آن نگاه کرد.
در کنار این دو، گزارشها از بهبود در آزمونهای امنیتی و ابزارمحور دیگری هم خبر میدهند. الگوی مشترک همهی این بهبودها روشن است: دیپسیک این دور از آموزش را نه برای بهتر حرفزدن، که برای بهتر عملکردن طراحی کرده است. تفاوت میان یک مدل خوشسخن و یک مدل کاربلد دقیقاً همینجا خودش را نشان میدهد، و اگر میخواهید بدانید این تفاوت در عمل چه معنایی دارد، نگاهی به توان و محدودیتهای واقعی هوش مصنوعی بیندازید.
چرا بنچمارک ایجنتی مهمتر از بنچمارک دانش است
آزمونهای سنتی معمولاً میسنجند که مدل چقدر میداند. آزمونهای ایجنتی میسنجند که مدل با آنچه میداند چه میکند: آیا میتواند ابزار درست را صدا بزند، خطای برگشتی را بخواند، مسیرش را اصلاح کند و پس از دهها گام همچنان هدف اولیه را به یاد داشته باشد؟ در سال ۲۰۲۶ که بیشتر ارزش اقتصادی مدلها از خودکارسازی وظایف میآید، این دسته از آزمونها به معیار واقعی تبدیل شدهاند.
۵) قیمت؛ عددی که بازار را تکان داد
قیمت اعلامشده برای هر میلیون توکن خروجی ۰.۲۸ دلار و برای هر میلیون توکن ورودی حدود ۰.۱۴ دلار است. طبق گزارشها، در صورت اصابت به حافظهی نهان، هزینهی ورودی به کسری از این رقم کاهش مییابد. برای مقایسه، نسخهی بزرگتر V4 Pro با قیمتی نزدیک به سه برابر عرضه شده است؛ یعنی همان نسبت «یکسوم» که در اعلام رسمی برجسته شده بود.
معنای عملی این عدد را باید در مقیاس دید. یک ایجنت کدنویسی که شبانهروز روی یک مخزن بزرگ کار میکند، میتواند در ماه صدها میلیون توکن مصرف کند. در چنین مقیاسی، تفاوت میان ۰.۲۸ دلار و چند دلار برای هر میلیون توکن، تفاوت میان یک محصول قابل ارائه و یک آزمایش گرانقیمت است. اگر به اقتصاد این تصمیمها علاقه دارید، تحلیل اهمیت هوش مصنوعی در کسبوکار زمینهی خوبی به دست میدهد.
هزینهی پنهان پرگویی
یک نکتهی مهم که در گزارشهای تحلیلی مستقل به آن اشاره شده، این است که مدلهای استدلالی جدید معمولاً برای رسیدن به پاسخ، توکن خروجی بسیار بیشتری تولید میکنند. بنابراین قیمت پایین هر توکن لزوماً به معنای هزینهی نهایی پایینتر نیست و باید هزینهی هر «وظیفه» را سنجید، نه هزینهی هر توکن را. این دقیقاً همان جایی است که مقایسههای سرانگشتی گمراهکننده میشوند.
۶) لایسنس MIT و معنای واقعی متنباز بودن
لایسنس MIT یکی از آزادترین مجوزهای نرمافزاری است. اجازه میدهد وزنها را دانلود کنید، تغییر دهید، روی زیرساخت خودتان اجرا کنید، بر پایهی آن محصول تجاری بسازید و حتی نسخهی مشتقشده را بفروشید؛ بدون آنکه ملزم به انتشار تغییرات یا پرداخت حق امتیاز باشید. تنها الزام واقعی، حفظ اعلان کپیرایت است.
این تفاوت را نباید دستکم گرفت. بسیاری از مدلهایی که با برچسب «باز» عرضه میشوند، در عمل با مجوزهای محدودکنندهای همراهاند که استفادهی تجاری، بازتوزیع یا آموزش مدلهای رقیب را ممنوع میکنند. انتخاب MIT از سوی دیپسیک یک موضعگیری راهبردی است: تسخیر سریع سهم توسعهدهنده، حتی به قیمت واگذاری بخشی از درآمد مستقیم.
۷) اجرای محلی: چه سختافزاری لازم است
طبق گزارشها، نسخههای کوانتیزهشدهی این مدل روی یک ماشین با حافظهی یکپارچهی حدود ۱۲۸ گیگابایت قابل اجرا هستند و حتی میتوانند از پنجرهی زمینهی کامل پشتیبانی کنند. این ادعا اگر در عمل تأیید شود، مرزی را جابهجا میکند: مدلی در این رده تا دیروز نیازمند خوشهای از کارتهای گرافیکی سازمانی بود.
در عین حال، گزارشهای جامعهی توسعهدهندگان از چند مشکل در سرویسدهی خبر میدهد؛ از ناسازگاری برخی پیکربندیهای موازیسازی گرفته تا خطاهای گاهبهگاه در تجزیهی فراخوانی ابزارها. اینها برای یک مدل تازهمنتشرشده طبیعی است و معمولاً ظرف چند هفته با بهروزرسانی موتورهای اجرا برطرف میشود، اما پیش از تکیهی تولیدی باید جدی گرفته شوند.
۸) تأثیر بر رقابت جهانی
عرضهی V4 Flash را باید در بستر بزرگتری دید: موج مدلهای متنباز چینی که در ماههای اخیر یکی پس از دیگری منتشر شدهاند و فاصلهی خود را با پرچمداران بستهی آمریکایی کم کردهاند. وقتی مدلی با کیفیت نزدیک به ردیف اول، با مجوز آزاد و با یکسوم قیمت در دسترس باشد، فشار قیمتی روی همهی بازیگران دیگر افزایش مییابد.
برای شرکتهایی که کسبوکارشان بر فروش دسترسی به مدل بنا شده، این یک تهدید ساختاری است. پاسخ محتمل آنها تمرکز بیشتر بر لایههای بالاتر است: ابزارها، یکپارچگی سازمانی، تضمینهای امنیتی و تجربهی کاربری. برای درک بهتر جایگاه بازیگران این میدان، مرور پروندهی اوپنایآی و همچنین مقایسهی ChatGPT و دیپسیک میتواند مفید باشد.
۹) چه کسانی باید به این مدل کوچ کنند
پاسخ کوتاه: هر تیمی که حجم مصرفش بالاست و به کنترل کامل روی دادههایش نیاز دارد. ایجنتهای کدنویسی، خطوط پردازش اسناد، سامانههای پشتیبانی مشتری با بار سنگین و پژوهشهایی که به اجرای محلی نیاز دارند، بیشترین سود را میبرند.
در مقابل، تیمهایی که حجم کمی مصرف میکنند یا به بالاترین سطح دقت در وظایف بسیار پیچیده نیاز دارند، احتمالاً همچنان مدلهای پرچمدار را انتخاب خواهند کرد. توصیهی عملی این است که پیش از هر کوچی، یک مجموعهی آزمون از وظایف واقعی خودتان بسازید و هر دو گزینه را روی همان مجموعه بسنجید. کیفیت نتیجه بیش از آنکه به نام مدل وابسته باشد، به کیفیت درخواست شما وابسته است؛ اصول پرامپتنویسی روشن و دقیق نقطهی شروع خوبی است.
پرسشهای پرتکرار دربارهی دیپسیک V4 Flash
آیا استفاده از این مدل واقعاً رایگان است؟
وزنهای مدل زیر لایسنس MIT منتشر شدهاند، بنابراین دانلود و اجرای محلی آن هزینهی مجوز ندارد. اما اجرای محلی هزینهی سختافزار و برق دارد و استفاده از رابط برنامهنویسی رسمی دیپسیک بر اساس مصرف توکن محاسبه میشود.
تفاوت اصلی نسخهی Flash با Pro چیست؟
نسخهی Flash کوچکتر، سریعتر و بهمراتب ارزانتر است و برای بارهای کاری پرحجم طراحی شده. نسخهی Pro پارامترهای بسیار بیشتری دارد و در پیچیدهترین وظایف کمی جلوتر است، اما هزینهی هر توکن آن چند برابر است.
پنجرهی یک میلیون توکنی یعنی چه؟
یعنی مدل میتواند تا حدود یک میلیون توکن ورودی را در یک نشست پردازش کند؛ چیزی معادل دهها هزار خط کد یا چندین کتاب. این ویژگی برای تحلیل مخازن بزرگ کد و اسناد طولانی بسیار کاربردی است.
برای اجرای محلی چه سختافزاری لازم است؟
طبق گزارشها، نسخههای کوانتیزهشده روی سامانهای با حدود ۱۲۸ گیگابایت حافظهی یکپارچه قابل اجرا هستند. برای اجرای با دقت کامل و کارایی سازمانی، همچنان به زیرساخت بسیار قویتری نیاز است.
آیا این مدل برای فارسی هم خوب است؟
مدل چندزبانه است و فارسی را پشتیبانی میکند، اما کیفیت آن در فارسی معمولاً پایینتر از انگلیسی و چینی است. برای کارهای حساس فارسی بهتر است خروجی را بازبینی کنید و از راهنماهای آموزشهای کاربردی برای بهبود درخواستهایتان کمک بگیرید.
