उत्तरप्रकाशित4 घंटे पहलेLast edited 4 घंटे पहले20 स्रोत

DeepSeek के नए मॉडल के बेंचमार्क सुधरे हैं, लेकिन दावों को परखना अभी बाकी है

DeepSeek के मुताबिक, V4.1 Flash 1017 का DeepSWE v1.1 स्कोर 74.2 से बढ़कर 77.0 हुआ। यह कंपनी का बेंचमार्क नतीजा है, हर तरह के काम में बेहतर प्रदर्शन की स्वतंत्र पुष्टि नहीं।[1] 17 अक्टूबर के अपडेट के बाद वेबसाइट, ऐप और API पर पुराना मॉडल नए संस्करण से बदला गया। API कॉल करने का तरीका और कीमत वही रही; MIT लाइसेंस वाले...

प्रकाशितकर्ताGPT-6 Luna से संपादितGPT Image 2 से चित्र बनाए गए

Studio Global AI के साथ खोजें और तथ्यों की जांच करें और ट्रेंडिंग पेज देखें

शोध उत्तर

मुख्य निष्कर्ष

DeepSeek के मुताबिक, V4.1 Flash 1017 का DeepSWE v1.1 स्कोर 74.2 से बढ़कर 77.0 हुआ। यह कंपनी का बेंचमार्क नतीजा है, हर तरह के काम में बेहतर प्रदर्शन की स्वतंत्र पुष्टि नहीं।[1]
17 अक्टूबर के अपडेट के बाद वेबसाइट, ऐप और API पर पुराना मॉडल नए संस्करण से बदला गया। API कॉल करने का तरीका और कीमत वही रही; MIT लाइसेंस वाले वज़न Hugging Face पर उपलब्ध कराए गए।[1][54]
Artificial Analysis ने मॉडल को Intelligence Index पर 45 अंक दिए और इसे ओपन वेट मॉडल्स में संयुक्त रूप से दूसरे स्थान पर रखा। फिर भी, अन्य परीक्षणों में तथ्यात्मक गलतियां चिंता का विषय बनी हुई हैं।[30][31]

Editorial illustration representing DeepSeek V4.1-Flash-1017 and AI model benchmarks — What does DeepSeek’s October 17 release of the open-weight V4.1-Flash-1017 update reveal about its claimed benchmark gains, faster task compIllustrative image of an AI model and benchmark results.
AI संकेत
Create a landscape editorial hero image for this Studio Global article: What does DeepSeek’s October 17 release of the open-weight V4.1-Flash-1017 update reveal about its claimed benchmark gains, faster task comp. Article summary: The release points to a stronger, more economical open-weight model for coding and other checkable tasks—not proof of frontier-level reasoning or dependable factual research.[1][10] The reported Chrome exploit adds a pot. Topic tags: general, education, general web, user generated. Style: premium digital editorial illustration, source-backed research mood, clean composition, high detail, modern web publication hero. Use reference image context only for broad subject, composition, and topical grounding; do not copy the exact image. Avoid: logos, brand marks, copyrighted characters, real person likenesses, fake screenshots, UI text, readable text, watermarks, cha
openai.com

DeepSeek का 17 अक्टूबर 2026 का V4.1-Flash-1017 अपडेट कुछ कोडिंग और एजेंट-आधारित कामों में बेहतर नतीजों का संकेत देता है। कंपनी का कहना है कि मॉडल काम तेज़ी से पूरा करता है और कम शब्दों में जवाब देता है। लेकिन “प्रदर्शन और लागत में Pareto सुधार” का अर्थ API कीमत में कटौती नहीं है—और बाहरी मूल्यांकन अब भी इसकी भरोसेमंदी की सीमाएं दिखाते हैं।1 19 30

17 अक्टूबर के अपडेट में क्या बदला?

DeepSeek के अनुसार, V4.1-Flash-1017 पिछले संस्करण से बेहतर बेंचमार्क स्कोर देता है, काम तेज़ी से पूरा करता है और छोटे जवाब बनाता है।1 कंपनी के आंकड़ों में DeepSWE v1.1 का स्कोर 74.2 से बढ़कर 77.0 हुआ, जबकि Terminal-Bench 4.0 का स्कोर 31.2 से 42.3 पहुंचा।1 4 ये कोडिंग और एजेंट-आधारित कामों के लिए उपयोगी संकेत हैं, लेकिन ये आंकड़े DeepSeek की अपनी तुलना से आए हैं—हर दावे की स्वतंत्र पुष्टि नहीं।1

नया मॉडल DeepSeek की वेबसाइट, ऐप और API पर पुराने संस्करण की जगह आया। API कॉल करने का तरीका और कीमत नहीं बदली, और कंपनी ने Hugging Face पर MIT लाइसेंस के तहत मॉडल वज़न प्रकाशित किए।1 54 इसलिए “Pareto सुधार” को प्रकाशित API दरों में कमी समझना ठीक नहीं होगा। कंपनी का दावा है कि छोटे जवाबों और तेज़ काम से किसी काम की कुल लागत घट सकती है; असल बचत, हालांकि, इस्तेमाल और मापने के तरीके पर निर्भर करेगी।1

552 अरब पैरामीटर, लेकिन सक्रिय कितने?

V4.1-Flash-1017 एक Mixture-of-Experts (MoE) मॉडल है। इसका पूरा बैकबोन 552 अरब पैरामीटर का है और यह अधिकतम 10 लाख टोकन तक का कॉन्टेक्स्ट संभाल सकता है। Baseten के अनुसार, इनपुट पढ़ने के चरण में 8 अरब पैरामीटर और जवाब तैयार करते समय 16 अरब पैरामीटर सक्रिय होते हैं। इसलिए “16 अरब सक्रिय पैरामीटर” की संख्या मॉडल के पूरे आकार की नहीं, जनरेशन के दौरान सक्रिय हिस्से की है।17 18

ओपन वज़न का मतलब है कि डेवलपर मॉडल को DeepSeek की होस्टेड सेवाओं के बाहर भी तैनात कर सकते हैं। यह API इस्तेमाल करने से अलग विकल्प है: वज़न डाउनलोड करना और कंपनी की होस्टेड API पर अनुरोध भेजना एक ही बात नहीं।1 54

हर दक्षता-सुधार इसी अपडेट का नतीजा नहीं

Tom’s Hardware के मुताबिक, V4 Flash से V4.1 Flash पर हुए पहले के बदलाव में HBM की जरूरत घटकर एक-चौथाई और SSD स्टोरेज की जरूरत एक-आठवें हिस्से पर आ गई थी।19 ये आंकड़े पुराने आर्किटेक्चरल बदलाव से जुड़े हैं; इन्हें 17 अक्टूबर के V4.1-Flash-1017 अपडेट की नई बचत बताना सही नहीं होगा।

API इस्तेमाल करने वालों के लिए सीधी बात यह है: प्रकाशित कीमतें नहीं बदलीं, जबकि DeepSeek का कहना है कि नया संस्करण छोटे जवाब देता और काम तेज़ी से पूरा करता है। किसी खास काम में इससे कुल खर्च घटेगा या नहीं, यह उसके इस्तेमाल और माप पर निर्भर करता है।1 54

बाहरी मूल्यांकन क्या बताते हैं?

Artificial Analysis ने V4.1-Flash-1017 को अपने Intelligence Index पर 45 अंक दिए—पिछले संस्करण से छह अंक अधिक—और ओपन-वेट मॉडल्स में इसे संयुक्त रूप से दूसरे स्थान पर रखा।30 यह मापे गए प्रदर्शन में सुधार का संकेत है; इसका अर्थ यह नहीं कि मॉडल हर श्रेणी में आगे है या सभी प्रमुख बंद मॉडलों से बेहतर है।

Artificial Analysis के Omniscience मूल्यांकन में इसकी बताई गई सटीकता 43% से बढ़कर 46% हुई। जवाब में गलती से दावा करने के बजाय गलत जानकारी न देने की दर 33% रही और इंडेक्स स्कोर −5 से बढ़कर +5 हुआ।31 ये नतीजे उसी खास मूल्यांकन से जुड़े हैं, इन्हें हर तरह के सवाल पर मॉडल की सामान्य सटीकता नहीं मानना चाहिए। Tom’s Hardware ने भी लिखा कि मालिकाना मॉडल्स की तुलना में इसमें गलत या गढ़ी हुई जानकारी देने की समस्या बनी हुई है।19

इसलिए इसे ऐसे कामों में आज़माना अधिक व्यावहारिक है जिनके नतीजे जांचे जा सकते हैं—जैसे प्रोग्रामिंग। खुले सवालों पर शोध या ऐसे दस्तावेज़ तैयार करना जिनमें हर तथ्य सटीक होना जरूरी हो, ज्यादा सावधानी मांगते हैं: सुनने में भरोसेमंद लगने वाली गलती पकड़ना मुश्किल हो सकता है। बेंचमार्क में सुधार से जवाबों की जांच करने की जरूरत खत्म नहीं होती।19 30 31

Chrome एक्सप्लॉइट का दावा अभी अपुष्ट है

22 अक्टूबर को शोधकर्ता Exocija ने दावा किया कि V4.1-Flash-1017 की मदद से करीब 12 घंटे में कई चरणों वाला मेमोरी-करप्शन एक्सप्लॉइट बनाया गया, जो Chrome के V8 सैंडबॉक्स से बाहर निकलकर प्रोसेस को पूरी तरह पढ़ने और लिखने की क्षमता देता था।47 एक सामुदायिक ट्रैकर ने इस दावे को अपुष्ट बताया और कहा कि उसकी रिपोर्टिंग के समय सार्वजनिक कोड, CVE पहचान संख्या और Google की पुष्टि उपलब्ध नहीं थी।34

यह फर्क अहम है: किसी शोधकर्ता का दावा अपने-आप में स्वतंत्र रूप से दोहराया गया प्रदर्शन नहीं होता। अगर इसकी पुष्टि हो जाए, तो कम लागत वाले AI की साइबर सुरक्षा में दुरुपयोग की क्षमता पर सवाल उठ सकते हैं। लेकिन उपलब्ध जानकारी यह साबित नहीं करती कि एक्सप्लॉइट की स्वतंत्र जांच हुई, उसका इस्तेमाल किसी के खिलाफ किया गया या उससे पूरे डिवाइस पर कब्जा संभव था।34 47

निचोड़

V4.1-Flash-1017 के पक्ष में कंपनी के बेंचमार्क और दक्षता-सुधार के दावे हैं, साथ ही Artificial Analysis का स्वतंत्र रूप से प्रकाशित Intelligence Index सुधार भी। API कीमतें वही रहीं और मॉडल वज़न MIT लाइसेंस के तहत उपलब्ध हैं।1 30 54 इसे ऐसे कोडिंग या एजेंट-आधारित कामों पर परखना समझदारी है जिनके नतीजे जांचे जा सकते हैं। लेकिन मौजूदा सबूत इसे साबितशुदा अग्रणी मॉडल, बिना जांचे तथ्यों का भरोसेमंद स्रोत या Chrome को हैक करने की पुष्ट क्षमता वाला मॉडल बताने के लिए काफी नहीं हैं।19 30 34

Studio Global AI

अपना शोध जारी रखें

इस पृष्ठ में एक स्रोत-समर्थित उत्तर शामिल है जिसे आप Studio Global के अंदर जारी रख सकते हैं।

Studio Global AI के साथ खोजें और तथ्यों की जांच करें

लोग पूछते भी हैं