மில்லியன் டோக்கன் சூழல் சாளரம், அதிரடிக் கட்டணத்துடன் AI துறையின் முன்னணிக்குச் சவால் விடும் DeepSeek V4 முன்னோட்டம்

புதிய போட்டியாளர் முன்னணியை நெருங்குகிறார்

சீன செயற்கை நுண்ணறிவு ஆய்வகமான DeepSeek, பெரிதும் எதிர்பார்க்கப்பட்ட தனது V4 மாதிரித் தொடரின் முன்னோட்டப் பதிப்புகளை வெளியிட்டுள்ளது. மிகப் பெரிய அளவையும் இதுவரை இல்லாத செயல்திறனையும் இணைக்கும் இரண்டு வகைகளை இது அறிமுகப்படுத்துகிறது. 2026 ஏப்ரல் 24 அன்று அறிமுகமான DeepSeek-V4-Pro மற்றும் DeepSeek-V4-Flash மாதிரிகள், OpenAI, Anthropic, Google போன்ற அமெரிக்க AI நிறுவனங்களின் ஆதிக்கத்துக்குச் சவால் விடும் நிறுவனத்தின் இதுவரையிலான மிகத் துணிச்சலான முயற்சியாகும்.

உலகத் தரத்திலான AI திறன்களை முன்னணி அமைப்புகளுக்குப் பொதுவாகத் தேவைப்படும் செலவில் ஒரு சிறு பகுதியிலேயே உருவாக்க முடியும் என்பதை DeepSeek-இன் R1 பகுத்தறிவு மாதிரி காட்டி, டிரில்லியன் டாலர் மதிப்பிலான சந்தை வீழ்ச்சியைத் தூண்டியதற்கு சரியாக ஓராண்டுக்குப் பிறகு இந்த வெளியீடு வந்துள்ளது. இப்போது V4 மூலம், செலவு குறைந்த மாற்றாக மட்டுமல்லாமல், அடிப்படைத் திறனிலும் உண்மையான போட்டியாளராக DeepSeek தன்னை நிலைநிறுத்துகிறது. அதேவேளை, ஹாங்சோவைச் சேர்ந்த இந்தப் புத்தொழில் நிறுவனத்துக்கு முதலில் உலகளாவிய கவனத்தைப் பெற்றுத்தந்த அதிரடிக் கட்டண உத்தியையும் அது தொடர்கிறது.

இரு மாதிரிகளிலும் 1 மில்லியன் டோக்கன் சூழல் சாளரம் உள்ளது. ஒரே உள்ளீட்டில் ஏறத்தாழ 15 முதல் 20 முழுநீள நாவல்களைச் செயலாக்கும் திறனும், ஊகச் செயலாக்கத்தின்போது அளவுருக்களில் ஒரு பகுதியை மட்டுமே செயல்படுத்தும் Mixture-of-Experts கட்டமைப்பும் இதில் பயன்படுத்தப்பட்டுள்ளன. குறிப்பாக, வணிகப் பயன்பாட்டுக்கும் மாற்றங்களுக்கும் உரிமக் கட்டணம் இன்றி அனுமதிக்கும் MIT உரிமத்தின் கீழ் இந்த மாதிரிகளை நிறுவனம் வெளியிட்டுள்ளது. திறந்த எடையுள்ள AI மேம்பாட்டுக்கான தனது உறுதிப்பாட்டை இது தொடர்கிறது.

தொழில்நுட்பக் கட்டமைப்பும் அளவும்

DeepSeek V4 தொடரில், வெவ்வேறு பயன்பாடுகளை இலக்காகக் கொண்ட இரண்டு தனித்துவமான அமைப்புகள் அறிமுகப்படுத்தப்பட்டுள்ளன. முதன்மை மாதிரியான V4-Pro, இதுவரை வெளியிடப்பட்ட திறந்த எடையுள்ள மிகப்பெரிய மாதிரிகளில் ஒன்றாகும். இதில் மொத்தம் 1.6 டிரில்லியன் அளவுருக்கள் உள்ளன; ஒவ்வொரு ஊகச் செயல்பாட்டிலும் 49 பில்லியன் அளவுருக்கள் செயல்படுகின்றன. அளவில் சிறிய V4-Flash-இல் மொத்தம் 284 பில்லியன் அளவுருக்கள் உள்ளன; அவற்றில் 13 பில்லியன் செயல்படுகின்றன. இது தாமதம் முக்கியமான பயன்பாடுகளுக்கும் நுகர்வோர் வன்பொருளில் செயல்படுத்துவதற்கும் வடிவமைக்கப்பட்டுள்ளது.

இந்த அளவுருச் செயல்திறன், முழு மாதிரியையும் செயல்படுத்துவதற்குப் பதிலாக ஒவ்வொரு உள்ளீட்டு டோக்கனையும் சிறப்புப் துணை வலையமைப்புகளுக்கு வழிமாற்றும் Mixture-of-Experts கட்டமைப்பால் கிடைக்கிறது. அடர்த்தியான 1.6 டிரில்லியன் அளவுரு மாதிரியை இயக்குவது மிக அதிகச் செலவுடையதாக இருக்கும். ஆனால் முந்தைய தலைமுறை V3.2-இல் இருந்த அளவிலேயே செயல்பாட்டு அளவுருக்களை வைத்துக்கொண்டு நிபுணர் வலையமைப்பை விரிவுபடுத்துவதன் மூலம், கணிப்புச் செலவை அதே விகிதத்தில் அதிகரிக்காமல் நிரலாக்கம், கணிதம், பலமொழிப் பணிகள் ஆகியவற்றில் ஆழ்ந்த சிறப்புத் திறனை DeepSeek பெறுகிறது.

நீண்ட சூழல் வரம்பைத் தாண்டுதல்

V4 கட்டமைப்பின் மையத்தில் DeepSeek, Hybrid Attention Architecture என அழைக்கும் தொழில்நுட்பம் உள்ளது. இது Compressed Sparse Attention மற்றும் Heavily Compressed Attention முறைகளை இணைக்கிறது. பெரிய மொழி மாதிரிகளில் நீடித்துவரும் ஒரு சவாலை இந்தப் புதுமை கையாள்கிறது: சூழல் நீளம் அதிகரிக்கும்போது தகவலை மீட்டெடுக்கும் தரம் குறைவது.

நீண்ட ஆவணங்களின் ஆழத்தில் புதைந்துள்ள குறிப்பிட்ட தகவலைக் கண்டறிவது படிப்படியாகக் கடினமாகும் "வைக்கோல் குவியலில் ஊசியைத் தேடும்" சிக்கலில், வழக்கமான Transformer கவனிப்பு முறை தடுமாறுகிறது. ஒரு மில்லியன் டோக்கன் மீட்டெடுப்புச் சோதனைகளில் தனது அணுகுமுறை 97% துல்லியத்தைப் பெறுவதாக DeepSeek கூறுகிறது. வழக்கமான கவனிப்பு முறைகளின் 84.2% துல்லியத்துடன் ஒப்பிடும்போது, நீண்ட சூழல் மாதிரிகளைப் பாதித்துவந்த தகவல் மீட்டெடுப்புக் குறைபாட்டை இது திறம்படத் தீர்க்கிறது.

நடைமுறையில், குறிப்பிட்ட விவரங்களைத் தவறவிடாமல் முழு நிரல் தொகுப்புகள், விரிவான சட்ட ஆவணத் தொகுப்புகள் அல்லது பல ஆண்டுகால உரையாடல் வரலாறுகளை இந்த மாதிரி நம்பகமாகச் செயலாக்க முடியும். தகவல் மீட்டெடுப்பு வழி உருவாக்க அமைப்புகளை உருவாக்கும் மேம்பாட்டாளர்களுக்கு, சிக்கலான பகுதிப்பிரிப்பு உத்திகளும் வெளிப்புற வெக்டர் தரவுத்தளங்களும் தேவைப்படுவதைக் குறைக்கவோ முற்றிலும் தவிர்க்கவோ இந்தத் திறன் உதவக்கூடும்.

செயல்திறன் சோதனைகள்: முன்னணி மாதிரிகளுக்கு நெருக்கமான திறன்கள்

சுயாதீன மதிப்பீடுகளின்படியும் DeepSeek வெளியிட்டுள்ள தகவல்களின்படியும், V4-Pro மாதிரியின் செயல்திறன், மிக முன்னேறிய மூடிய மூல அமைப்புகளுக்கு நெருக்கமாக உள்ளது. உண்மையான திறந்த மூலத் திட்டங்களில் உள்ள GitHub சிக்கல்களைத் தீர்க்கும் மாதிரியின் திறனைச் சோதிக்கும் SWE-bench Verified சோதனையில், V4-Pro சுமார் 80.6% மதிப்பெண் பெற்றுள்ளதாகக் கூறப்படுகிறது. இது Claude Opus 4.6-இன் 80.8% மதிப்பெண்ணுக்கு ஏறத்தாழ இணையானது; முந்தைய பல திறந்த மூலச் சாதனைகளையும் மிஞ்சுகிறது.

கணிதப் பகுத்தறிவுச் சோதனைகளில் V4-Pro குறிப்பிடத்தக்க வலிமையைக் காட்டுகிறது. HMMT 2026-இல் 95.2%, IMOAnswerBench-இல் 89.8% மதிப்பெண் பெற்றுள்ளதாகக் கூறப்படுகிறது. பிந்தைய சோதனையில் Claude Opus 4.6-ஐ மிஞ்சும் இது, GPT-5.4-ஐ விடச் சற்றுப் பின்தங்குகிறது. Codeforces மதிப்பீடுகளைக் கொண்டு அளவிடப்படும் போட்டி நிரலாக்கச் சோதனைகளில், V4-Pro 3206 மதிப்பெண் பெற்றுள்ளது. இது GPT-5.4 (3168), Gemini 3.1 Pro (3052) ஆகிய இரண்டையும் மிஞ்சுகிறது.

எனினும், ஒட்டுமொத்த முன்னணி நிலை குறித்துத் DeepSeek எச்சரிக்கையுடன் சுயமதிப்பீடு செய்துள்ளது. பொதுஅறிவு மற்றும் பகுத்தறிவுப் பணிகளில், V4-Pro, Google-இன் Gemini 3.1 Pro-வை விட ஏறத்தாழ 3 முதல் 6 மாதங்கள் வளர்ச்சியில் பின்தங்குவதாக நிறுவனம் ஒப்புக்கொள்கிறது. இடைவெளி குறைந்திருந்தாலும், மிக முன்னேறிய மூடிய அமைப்புகளுக்கு முழுமையாக இணையான நிலையை இன்னும் எட்டவில்லை என்பதையே இது சுட்டுகிறது.

பகுத்தறிவு டோக்கன்களின் விரிவாக்கத்தின் மூலம், நிலையான பகுத்தறிவுச் சோதனைகளில் DeepSeek-V4-Pro-Max, GPT-5.2 மற்றும் Gemini-3.0-Pro ஆகியவற்றை விடச் சிறந்த செயல்திறனைக் காட்டுகிறது. இருப்பினும், அதன் செயல்திறன் GPT-5.4 மற்றும் Gemini-3.1-Pro ஆகியவற்றைவிடச் சற்றுக் குறைவாக உள்ளது. இதனால், அதிநவீன முன்னணி மாதிரிகளை விட வளர்ச்சியில் ஏறத்தாழ 3 முதல் 6 மாதங்கள் பின்தங்கிய பாதையில் இது இருப்பது தெரிகிறது.

அளவில் சிறியதாக இருந்தாலும் V4-Flash வியக்கத்தக்க போட்டித்திறனைக் கொண்டுள்ளது. MMLU-Pro-இல் இது 86.2% மதிப்பெண் பெற்றுள்ளது; V4-Pro 87.5% பெற்றுள்ளது. LiveCodeBench-இல் Flash 91.6% பெற்றுள்ள நிலையில் Pro 93.5% பெற்றுள்ளது. இந்தச் செயல்திறன், பல பயன்பாடுகளுக்கு Flash மாதிரி போதுமான திறனை மிகக் குறைந்த இயக்கச் செலவில் வழங்கக்கூடும் என்பதைக் காட்டுகிறது.

அதிரடிக் கட்டணமும் பொருளாதாரத் தாக்கமும்

V4 வெளியீட்டின் மிகப் பெரிய தாக்கத்தை ஏற்படுத்தக்கூடிய அம்சம் அதன் கட்டண உத்தியாக இருக்கலாம். மேற்கத்திய போட்டியாளர்களைவிடப் பல மடங்கு குறைவான விலையை நிர்ணயிக்கும் DeepSeek-இன் போக்கை இது தொடர்கிறது. V4-Flash-இன் விலை, ஒரு மில்லியன் உள்ளீட்டு டோக்கன்களுக்கு $0.14; ஒரு மில்லியன் வெளியீட்டு டோக்கன்களுக்கு $0.28. இதனால், OpenAI-இன் GPT-5.4 Nano ($0.20/$1.25), Gemini 3.1 Flash-Lite ($0.25/$1.50) ஆகியவற்றைவிடவும் இது மலிவானதாகிறது.

முதன்மை மாதிரியான V4-Pro-இன் விலை, ஒரு மில்லியன் உள்ளீட்டு டோக்கன்களுக்கு $1.74; வெளியீட்டு டோக்கன்களுக்கு $3.48. Flash வகையைவிட விலை அதிகமாக இருந்தாலும், ஒத்த முன்னணி மாதிரிகளின் விலையைவிடக் கணிசமாகக் குறைவு. Claude Opus 4.6-க்கு ஒரு மில்லியன் உள்ளீட்டு டோக்கன்களுக்கு $5, வெளியீட்டு டோக்கன்களுக்கு $25 செலவாகிறது. GPT-5.4-க்கு ஒரு மில்லியன் டோக்கன்களுக்கு உள்ளீட்டுச் செலவு $2.50; வெளியீட்டுச் செலவு $15. எனவே, ஒப்பிடத்தக்க சோதனைச் செயல்திறனை DeepSeek-இன் முதன்மை மாதிரி ஏறத்தாழ 50% முதல் 80% குறைந்த செலவில் வழங்குகிறது.

மாதிரிக் கட்டமைப்பில் கிடைத்த குறிப்பிடத்தக்க செயல்திறன் மேம்பாடுகளே இந்தத் தீவிர விலைக் குறைப்புக்கு வழிவகுத்துள்ளன. ஒரு மில்லியன் டோக்கன் சூழல் பயன்பாடுகளில், முந்தைய V3.2 மாதிரிக்குத் தேவையான மிதவைப்புள்ளிச் செயல்பாடுகளில் 27% மட்டுமே V4-Pro பயன்படுத்துவதாகவும், அதன் முக்கிய-மதிப்பு தற்காலிகச் சேமிப்பின் அளவில் 10% மட்டுமே பயன்படுத்துவதாகவும் DeepSeek தெரிவிக்கிறது. V4-Flash இதைவிடவும் திறன் மிக்கது: V3.2-உடன் ஒப்பிடும்போது 10% FLOPs மற்றும் 7% KV தற்காலிகச் சேமிப்பு அளவையே பயன்படுத்துகிறது.

இந்த விலை அழுத்தம் பரந்த சந்தை மாற்றங்களைத் தூண்டக்கூடும் எனத் துறை ஆய்வாளர்கள் கூறுகின்றனர். OpenAI-இன் ஒப்பிடத்தக்க சேவைகளைவிட API செலவு ஏறத்தாழ 90% குறைவாக R1 மாதிரியை DeepSeek அறிமுகப்படுத்தியபோது, போட்டியாளர்கள் முன்னேறிய மாதிரிகளை இலவச அடுக்கு பயனர்களுக்குத் திறந்துவிட்டு, தங்கள் விலைகளையும் மாற்றியமைத்தனர். உயர் செயல்திறன் மற்றும் குறைந்த செலவு AI ஊகச் செயலாக்கம் ஆகிய இரண்டுக்கும் V4 புதிய செலவு அளவுகோல்களை உருவாக்கும்போது இதேபோன்ற நிலை மீண்டும் உருவாகலாம்.

வன்பொருள் சார்பின்மையும் பயிற்சிக் கட்டமைப்பும்

V4 வெளியீட்டின் புவிசார் அரசியல் மற்றும் தொழில்நுட்ப முக்கியத்துவம் வாய்ந்த அம்சங்களில் ஒன்று அதன் பயிற்சிக் கட்டமைப்பாகும். மிக முன்னேறிய Nvidia GPU-களை முதன்மையாகப் பயன்படுத்தி உருவாக்கப்படும் பெரும்பாலான முன்னணி AI மாதிரிகளைப் போலல்லாமல், Huawei Ascend 910B AI முடுக்கிகள் மற்றும் Cambricon MLU சில்லுகள் இணைந்த அமைப்பில் V4 பயிற்றுவிக்கப்பட்டதாகக் கூறப்படுகிறது. Huawei Ascend NPU தளத்தில் சரிபார்ப்புப் பணிகளும் நிறைவுசெய்யப்பட்டுள்ளன.

இந்த முன்னேற்றம் உலகளாவிய AI வன்பொருள் சந்தையில் குறிப்பிடத்தக்க தாக்கங்களைக் கொண்டுள்ளது. சீனாவுக்கு Nvidia-வின் மிகச் செயல்திறன் மிக்க சில்லுகள் கிடைப்பதைக் கட்டுப்படுத்தும் அமெரிக்க ஏற்றுமதித் தடைகள் உள்ள நிலையில், உள்நாட்டுச் சீனச் சில்லுகளைப் பயன்படுத்தி முன்னணி அளவிலான AI-ஐ உருவாக்க முடியும் என்பதை DeepSeek காட்டியுள்ளது. சுயாதீன ஆய்வில் மாதிரியின் சோதனை முடிவுகள் உறுதிப்படுத்தப்பட்டால், பெரிய அளவிலான AI பயிற்சிக்கு Nvidia-வுக்கு மாற்றாக Huawei மற்றும் Cambricon நம்பகமானவை என்பதை இது மெய்ப்பிக்கும். இதனால் AI வன்பொருள் விநியோகச் சங்கிலிகள் பல்வகைப்படுத்தப்படுவது மேலும் வேகமடையக்கூடும்.

உள்ளூர் சீனச் சில்லுகளில் V4 நேரடியாக இயங்கும் திறன், பெய்ஜிங்கின் AI இறையாண்மை இலக்குகளுக்கு மிகப் பெரிய தாக்கங்களை ஏற்படுத்தக்கூடும் என்று Counterpoint Research-இன் முதன்மை AI ஆய்வாளர் வெய் சன் குறிப்பிட்டார்.

இது இறுதியில் உலகளாவிய AI வளர்ச்சியையும் விரைவுபடுத்தும்.

நுகர்வோர் தரச் செயலாக்கம்

அளவுருக்களின் எண்ணிக்கை மிக அதிகமாக இருந்தாலும், V4-இன் அளவு குறைக்கப்பட்ட பதிப்புகளை நுகர்வோர் வன்பொருளில் இயக்க முடியும் என்று DeepSeek வலியுறுத்தியுள்ளது. INT4 அளவு குறைப்பைப் பயன்படுத்தி 32GB VRAM கொண்ட ஒற்றை Nvidia RTX 5090-இலோ, INT8 துல்லியத்தில் மொத்தம் 48GB VRAM கொண்ட இரட்டை RTX 4090 அமைப்பிலோ V4-Flash இயங்கும் என நிறுவனம் தெரிவிக்கிறது. முழு எடையுடன் 865GB அளவுள்ள Pro மாதிரி, முழுத் துல்லிய ஊகச் செயலாக்கத்துக்கு பல முனைய GPU தொகுப்புகளை இலக்காகக் கொண்டுள்ளது. இருப்பினும், தரவோட்ட அடிப்படையிலான செயலாக்க உத்திகளையும் அது ஆதரிக்கக்கூடும்.

இந்த அணுகல்தன்மை, API வழியாகவும் தரவு மையக் கட்டமைப்பிலும் மட்டுமே பயன்படுத்தக்கூடிய மூடிய மூல முன்னணி மாதிரிகளிலிருந்து முற்றிலும் வேறுபடுகிறது. தரவுத் தனியுரிமை, தாமதம் அல்லது கணிக்கக்கூடிய இயக்கச் செலவுகள் குறித்து அக்கறை கொண்ட மேம்பாட்டாளர்களுக்கு, வாங்கக்கூடிய வன்பொருளில் டிரில்லியன் அளவுரு வகையைச் சேர்ந்த மாதிரியைத் தாங்களே வழங்கி இயக்கும் திறன், AI செயலாக்கத்தின் நடைமுறைச் செலவுக் கணக்கில் குறிப்பிடத்தக்க மாற்றமாகும்.

சந்தைத் தாக்கமும் உத்திசார் நிலைப்பாடும்

V4 வெளியீடு சீன மற்றும் அமெரிக்க AI மேம்பாட்டாளர்களுக்கு இடையிலான போட்டியை மட்டுமல்லாமல், சீனாவின் உள்நாட்டுச் சந்தையிலான போட்டியையும் தீவிரப்படுத்துகிறது. DeepSeek-இன் R1 முன்னேற்றத்துக்குப் பிறகு, Alibaba-வின் Qwen, ByteDance, Moonshot AI உள்ளிட்ட உள்நாட்டுப் போட்டியாளர்கள் தங்களது மாதிரிகளை விரைவாக வெளியிடத் தொடங்கினர். V4 அறிவிப்பு வெளியானதைத் தொடர்ந்து போட்டியாளர்களின் பங்குவிலைகள் உடனடியாகப் பாதிக்கப்பட்டன. ஹாங்காங் வர்த்தகத்தில் MiniMax மற்றும் Zhipu ஆகியவற்றின் பங்குகள் தலா சுமார் 8% சரிந்தன.

மாதிரி வெளியீட்டுடன் இணைந்து, DeepSeek முதல்முறையாக வெளிப்புற நிதி திரட்ட முயல்வதாகவும், $10 பில்லியனைத் தாண்டிய மதிப்பீட்டில் குறைந்தபட்சம் $300 மில்லியன் திரட்ட இலக்கு வைத்துள்ளதாகவும் தகவல்கள் தெரிவிக்கின்றன. Tencent மற்றும் Alibaba உடனான பேச்சுவார்த்தைகள் மதிப்பீட்டை $20 பில்லியன் வரை உயர்த்தக்கூடும் என்றும் சில செய்திகள் கூறுகின்றன. முன்பு தனது ஹெட்ஜ் நிதி நிறுவனமான High-Flyer Capital Management-ஐ மட்டுமே நம்பியிருந்த நிறுவனத்தின் உத்தியில் இது ஒரு மாற்றமாகும்.

இருப்பினும், நிறுவனம் உடனடி கட்டமைப்புச் சவால்களை எதிர்கொள்கிறது. உயர்நிலை கணிப்புத் திறன் பற்றாக்குறையால் Pro அடுக்குக்கான சேவைத் திறன் தற்போது குறைவாக இருப்பதாக DeepSeek எச்சரித்துள்ளது. 2026-ஆம் ஆண்டின் இரண்டாம் பாதியில் Huawei Ascend 950 "சூப்பர்நோடு" அமைப்புகளைப் பெரிய அளவில் நிறுவிய பிறகே விலை குறிப்பிடத்தக்க அளவில் குறையும் என எதிர்பார்க்கப்படுகிறது.

AI மேம்பாடு தொடர்பான புவிசார் அரசியல் பதற்றம் அதிகரித்துள்ள சூழலிலும் இந்த வெளியீடு வந்துள்ளது. AI துறையில் தொழில்துறை அளவிலான அறிவுசார் சொத்துத் திருட்டில் சீனா ஈடுபடுவதாக வெள்ளை மாளிகை அண்மையில் குற்றம்சாட்டியது. சீனாவின் தொழில்நுட்ப முன்னேற்றத்துக்கு எதிரான ஆதாரமற்ற தாக்குதல்கள் என்று கூறி, அந்தக் குற்றச்சாட்டுகளை பெய்ஜிங்கின் வெளியுறவு அமைச்சகம் முற்றிலுமாக நிராகரித்துள்ளது. Apache 2.0 மற்றும் MIT உரிமங்களின் கீழ் திறந்த மூல வெளியீட்டை DeepSeek தொடர்ந்து ஆதரிப்பது, பல மேற்கத்திய முன்னணி ஆய்வகங்களின் அதிகரித்து வரும் மூடிய அணுகுமுறைக்கு மாறாக உள்ளது. இதன் மூலம் திறந்த எடையுள்ள AI மேம்பாட்டுக்கான முன்னணிக் குரலாக நிறுவனம் தன்னை நிலைநிறுத்துகிறது.

முக்கிய அம்சங்கள்

• 1 மில்லியன் டோக்கன் சூழல் சாளரத்துடன் V4-Pro (1.6T அளவுருக்கள், 49B செயல்பாட்டு அளவுருக்கள்), V4-Flash (284B அளவுருக்கள், 13B செயல்பாட்டு அளவுருக்கள்) ஆகியவற்றின் முன்னோட்டப் பதிப்புகளை DeepSeek வெளியிட்டுள்ளது.
• இரு மாதிரிகளும் திறந்த மூல உரிமங்களின் (MIT/Apache 2.0) கீழ் வெளியிடப்பட்டுள்ளன; கட்டணம் இன்றி வணிகப் பயன்பாட்டுக்கும் மாற்றங்களுக்கும் அனுமதிக்கின்றன.
• நிரலாக்கச் சோதனைகளில் Claude Opus 4.6 மற்றும் GPT-5.4 ஆகியவற்றுடன் போட்டியிடும் முடிவுகளை V4-Pro பெறுகிறது; அதேவேளை 50% முதல் 80% வரை குறைந்த விலையைக் கொண்டுள்ளது.
• ஒரு மில்லியன் வெளியீட்டு டோக்கன்களுக்கு $0.28 என்ற விலையுள்ள V4-Flash, திறனுள்ள சிறிய மாதிரிகளில் மிகக் குறைந்த விலையைக் கொண்டுள்ளது; OpenAI-இன் GPT-5.4 Nano-வின் விலையையும் குறைத்துள்ளது.
• Nvidia அல்லாத Huawei Ascend மற்றும் Cambricon சில்லுகளில் மாதிரிகள் பயிற்றுவிக்கப்பட்டுள்ளன; அமெரிக்க AI சில்லுகளுக்கு நடைமுறைக்குரிய மாற்றுகள் இருப்பதை இது காட்டுகிறது.
• Hybrid Attention Architecture உள்ளிட்ட கட்டமைப்புப் புதுமைகள், முந்தைய தலைமுறை மாதிரிகளுடன் ஒப்பிடும்போது கணிப்புத் தேவைகளை 90% வரை குறைக்கின்றன.
• அளவு குறைக்கப்பட்ட பதிப்புகள் ஒற்றை RTX 5090 அல்லது இரட்டை RTX 4090 அமைப்புகள் உள்ளிட்ட நுகர்வோர் வன்பொருளில் இயங்கக்கூடும்.
• பொதுஅறிவுப் பணிகளில், முழுமையான அதிநவீன முன்னணி அமைப்புகளை விட மாதிரிகள் ஏறத்தாழ 3 முதல் 6 மாதங்கள் பின்தங்குவதாக DeepSeek ஒப்புக்கொள்கிறது.
• இந்த வெளியீடு AI துறையில் விலைப் போட்டியைத் தீவிரப்படுத்துவதுடன், சீனாவின் உள்நாட்டு AI துறையிலான போட்டியையும் வேகப்படுத்துகிறது.