బడ్జెట్ AI మోడళ్లలో Deepseek Flash అప్‌డేట్ తేడాను తగ్గిస్తోంది

బలమైన Flash మోడల్‌తో బడ్జెట్ AI పోటీలో Deepseek దూసుకెళ్తోంది

Deepseek తన బడ్జెట్ AI మోడల్ యొక్క అప్‌డేట్ చేసిన వెర్షన్ V4 Flash “0731” ను విడుదల చేసింది, మరియు అందించిన మూలంలో పేర్కొన్న సంఖ్యలు తక్కువ ఖర్చు పెద్ద భాషా మోడళ్ల కోసం ధర-పనితీరు పోరాటంలో గణనీయమైన మార్పును సూచిస్తున్నాయి. నివేదికలో సూచించిన బెంచ్‌మార్క్ డేటా ప్రకారం, ఈ మోడల్ Artificial Analysis Intelligence Index లో పది పాయింట్లు పెరిగి 50 స్కోర్‌ను చేరింది. అదే సమయంలో ఇది OpenAI యొక్క GPT-5.6 Luna కంటే ఒక పాయింట్ వెనుక ఉంది, కానీ అదే మూలం ప్రకారం ప్రతి పనికి ఖర్చు సుమారు 60 శాతం తక్కువగా ఉంటుంది.

ఈ కలయికే ఈ విడుదలను ప్రాధాన్యంగా మారుస్తుంది. AI మార్కెట్లో, frontier capability మరియు సులభంగా అమలు చేయగల deployment మధ్య ఉన్న అంతరం అత్యంత ముఖ్యమైన వాణిజ్య యుద్ధభూములలో ఒకటిగా మారింది. ఒక మోడల్ ప్రతి బెంచ్‌మార్క్‌లో అగ్రస్థానంలో ఉండాల్సిన అవసరం లేదు. నాణ్యతలో తగినంత దగ్గరగా చేరి, ఆపరేటింగ్ ఖర్చును గణనీయంగా తగ్గిస్తే, అది డెవలపర్ ఎంపికలు, ఎంటర్‌ప్రైజ్ కొనుగోలు నిర్ణయాలు, మరియు అధిక అభ్యర్థన పరిమాణాలకు AI ఉత్పత్తులను స్కేల్ చేసే ఆర్థిక శాస్త్రాన్ని మార్చగలదు.

ఈ అప్‌డేట్ ఎందుకు ప్రత్యేకంగా నిలుస్తోంది

అందించిన నివేదిక V4 Flash “0731” ను కేవలం చిన్న ట్యూనింగ్ కాకుండా ఒక ప్రధాన అప్‌గ్రేడ్‌గా చూపిస్తోంది. Artificial Analysis Intelligence Index పై మోడల్ స్కోర్ 40 నుండి 50 కు పెరిగిందని, ఇది ఇప్పటికే బడ్జెట్ సెగ్మెంట్‌లో ఉన్న మోడల్‌కు పెద్ద ఎత్తు అని తెలిపింది. అలాగే, 2026 ఏప్రిల్‌లో విడుదలైన గత వెర్షన్‌తో పోలిస్తే ఇది పరీక్షించిన ప్రతి వర్గంలో మెరుగుపడిందని కూడా చెప్పబడింది.

అత్యంత పెద్ద లాభాలు agentic పనుల్లో కనిపించాయని నివేదిక చెబుతోంది. ఇది ముఖ్యమైన వర్గం, ఎందుకంటే అనేక వాస్తవ AI అమలు విధానాలు ఒక్కసారి జరిగే చాట్‌ను దాటి tool use, workflow execution, మరియు బహుళ-దశల సహాయానికి వెళ్తున్నాయి. తక్కువ ఖర్చు మోడల్ ఆ ప్రాంతంలో తేడాను తగ్గిస్తే, అది తేలికపాటి వినియోగదారుల పరస్పర చర్యలకే కాకుండా నిజమైన కార్యాలయ మరియు ఆపరేషనల్ పనులకు కూడా మరింత సాధ్యమవుతుంది.

మూలం GDPval పై కూడా మెరుగుదలలను సూచిస్తోంది, ఇది సంక్లిష్ట వాస్తవ ప్రపంచ కార్యాలయ పనిపై మోడళ్లను పరీక్షించేందుకు రూపొందించిన బెంచ్‌మార్క్. అక్కడ Deepseek V4 Flash “0731” 1,189 నుండి 1,559 Elo పాయింట్లకు పెరిగిందని చెబుతోంది. ఇది వ్యాసంలో ఇచ్చిన ఫ్రేమ్‌లో పెద్ద పెరుగుదల, మరియు ఈ అప్‌డేట్ ఒకే సంకుచిత బెంచ్‌మార్క్ వర్గానికి మాత్రమే పరిమితం కాదన్న విస్తృత వాదనకు మద్దతిస్తోంది.

మూలంలో ప్రస్తావించిన మరో ప్రాయోగిక మెరుగుదల hallucination తరచుదనం తగ్గడం. డెవలపర్లు మరియు కొనుగోలుదారుల కోసం ఇది కేవలం ముడి బెంచ్‌మార్క్ లాభాలంతే ముఖ్యమైనది. తరచుగా కల్పిత సమాధానాలు ఇచ్చే చౌక మోడల్, validation, retry logic, మరియు human review జోడించిన వెంటనే ఖరీదైనదిగా మారవచ్చు. production లో అవి నిలబడితే, hallucination రేట్లు తగ్గడం deployment నాణ్యతపై మరియు total cost of ownership పై ప్రత్యక్ష ప్రభావం చూపుతుంది.

ఆర్థిక శాస్త్రమే పెద్ద కథ కావచ్చు

ఈ వ్యాసంలో ధర కీలక అంశం. OpenAI ఇప్పటికే Luna ధరను 80 శాతం తగ్గించినప్పటికీ, Deepseek మోడల్ OpenAI యొక్క GPT-5.6 Luna కంటే ప్రతి పనికి సుమారు 60 శాతం తక్కువ ఖర్చు అవుతుందని నివేదిక చెబుతోంది. అలాగే, పరిశ్రమ-ప్రామాణిక 90 శాతంతో పోలిస్తే Deepseek యొక్క 98 శాతం cache discount ప్రధాన ప్రయోజనానికి ఒక ముఖ్య కారణమని సూచిస్తోంది. అదనంగా, కొత్త మోడల్ తన పూర్వీకుడితో పోలిస్తే 12 శాతం తక్కువ tokens ఉపయోగిస్తుందట.

ఈ వివరాలు ముఖ్యమైనవి, ఎందుకంటే AI ఆర్థిక శాస్త్రం ఇప్పుడు కేవలం జాబితా ధరల ద్వారా కాకుండా వినియోగ విధానాల ద్వారా కూడా రూపుదిద్దుకుంటోంది. Cache discounts పునరావృత prompts మరియు అంచనా వేయగల workflows ను ప్రోత్సహిస్తాయి. తక్కువ token వినియోగం ఖర్చు మరియు latency రెండింటినీ ఒకేసారి తగ్గిస్తుంది. కలిసి ఇవి, headlines లో కనిపించే input-output ధర పోలికకన్నా వాస్తవంలో మోడల్‌ను చాలా చౌకగా చూపించగలవు.

agents, coding assistants, search augmentation, లేదా internal knowledge tools అమలు చేసే బృందాల కోసం, ఈ రకమైన ధర నిర్మాణం architecture ఎంపికలను గణనీయంగా మార్చగలదు. ఇండెక్స్‌లో కొంచెం బలహీనంగా ఉన్నప్పటికీ నడపడానికి చాలా చౌకైన మోడల్, అధిక వాల్యూమ్ పనుల కోసం సాధారణంగా డిఫాల్ట్ workhorse గా మారుతుంది, మరింత ఖరీదైన మోడల్‌ను కేవలం అత్యంత కఠిన కేసులకే ఉంచుతుంది.

Open weights మరియు long context ఒత్తిడి పెంచుతున్నాయి

మూలం ప్రకారం architecture 284 billion total parameters, 13 billion active parameters, మరియు one-million-token context window వద్ద మారకుండా ఉంది. అలాగే model weights Hugging Face లో MIT license కింద అందుబాటులో ఉన్నాయని నివేదిక పేర్కొంటోంది.

ఈ కలయిక Deepseek యొక్క వ్యూహాత్మక స్థితిని బలపరుస్తోంది. Long context windows ఇంకా document-heavy పనులకు ఆకర్షణీయంగానే ఉన్నాయి, మరియు MIT license స్వీకరణ, ప్రయోగం, మరియు వాణిజ్య సమీకరణకు ఉన్న అవరోధాన్ని తగ్గిస్తుంది. ప్రస్తుత AI మార్కెట్లో, licensing terms benchmark scores లాగే ప్రాముఖ్యంగా మారవచ్చు. Permissive license ఒక model చుట్టూ నిర్మించడానికి సిద్ధంగా ఉన్న కంపెనీలు, డెవలపర్ల సంఖ్యను పెంచుతుంది, ముఖ్యంగా budget sensitivity ఇప్పటికే ఎక్కువగా ఉన్నప్పుడు.

Deepseek అదే core architecture ను కొనసాగిస్తూ కూడా, నివేదిక ప్రకారం, పెద్ద బెంచ్‌మార్క్ లాభాలను సాధించిన విషయం optimization effort ఎక్కడ ఫలితాలు ఇస్తోందో సూచిస్తోంది. మెరుగుదలలు ఎల్లప్పుడూ పూర్తిగా కొత్త model family ను అవసరం చేయవు. కొన్ని సందర్భాల్లో, training updates, post-training methods, మరియు efficiency work ఉన్న లైనును పోటీదారులపై మళ్లీ స్థానం మార్చేంత పెద్ద ఎత్తున మెరుగుదలను ఇవ్వగలవు.

మార్కెట్‌కు దీని అర్థం

ఇక్కడ పెద్ద takeaway ఒక్క బెంచ్‌మార్క్ leaderboard ఒక పాయింట్ మారిందన్నది కాదు. బదులుగా, AI యొక్క budget tier మరింత పోటీతో, మరింత సామర్థ్యంతో, మరియు వ్యూహాత్మకంగా మరింత ముఖ్యంగా మారుతోంది. premium models మార్కెట్ ఇప్పటికీ ముఖ్యమే, కానీ అనేక వాస్తవ అమలులు మధ్యస్థ స్థలంలో నిర్ణయించబడతాయి, అక్కడ నాణ్యత సరిపోతుంది మరియు scale costs ప్రధాన పాత్ర పోషిస్తాయి.

అందించిన బెంచ్‌మార్క్ దావాలు విస్తృత వాస్తవ ప్రపంచ పనితీరుగా మారితే, Deepseek ఆ సెగ్మెంట్‌లో తీవ్రమైన contender గా తన స్థితిని బలపరిచినట్లే. నవీకరించిన మోడల్‌ను సూచించిన ఇండెక్స్‌లో ధర-పనితీరు నిష్పత్తిలో అగ్రస్థానంలో ఉందని మూలం స్పష్టంగా చెబుతోంది. ఇది cost-conscious builders ను, ముఖ్యంగా పెద్ద పరిమాణంలో repeated inference పై ఆధారపడే systems ను రూపకల్పన చేసే వారిని, స్వీకరించడానికి ప్రేరేపించే రకమైన స్థానం.

OpenAI సహా పోటీదారుల కోసం, సూచన స్పష్టంగా ఉంది: ధరల ఒత్తిడి తగ్గడం లేదు, మరియు తక్కువ ఖర్చుతో benchmark parity త్వరగా ఏ మోడల్ practical default అన్న సంభాషణను మార్చగలదు. కొనుగోలుదారుల కోసం, ఈ విడుదల AI లో కేంద్ర బలము ఇక కేవలం ఎవరి వద్ద అత్యంత శక్తివంతమైన flagship ఉందో అన్నదానిపై లేదని మరోసారి గుర్తు చేస్తుంది. ఇది increasingly ఉపయోగకరమైన intelligence ను స్కేల్ చేయగల ధరలో ఎవరు అందించగలరో అన్నదానిపై ఉంది.

ముఖ్యాంశాలు

• Deepseek యొక్క V4 Flash “0731” Artificial Analysis Intelligence Index పై 40 నుండి 50 కి పెరిగిందని సమాచారం.
• మోడల్ OpenAI యొక్క GPT-5.6 Luna కంటే ఒక పాయింట్ వెనుక ఉన్నప్పటికీ, ప్రతి పనికి సుమారు 60 శాతం తక్కువ ఖర్చుతో ఉందని మూలం చెబుతోంది.
• Agentic పనులు, తక్కువ token వినియోగం, మరియు 98 శాతం cache discount దాని budget-market ఆకర్షణను బలపరుస్తాయి.

ఈ వ్యాసం The Decoder నివేదిక ఆధారంగా ఉంది. మూల వ్యాసాన్ని చదవండి.