DeepSeek השיקה ב־10 בספטמבר 2026 את V4.1 Flash, עם הבנת תמונות מובנית וארכיטקטורה חדשה בשם Causal Encoder–Decoder. החידוש המרכזי הוא חוסר סימטריה בין...
DeepSeek השיקה ב־10 בספטמבר 2026 את V4.1 Flash, עם הבנת תמונות מובנית וארכיטקטורה חדשה בשם Causal Encoder–Decoder. החידוש המרכזי הוא חוסר סימטריה בין עיבוד הקלט ליצירת התשובה: לפי החברה, המודל מפעיל 8 מיליארד פרמטרים בעיבוד הקלט ו־16 מיליארד ביצירת הפלט. במערכת שמקבלת מסמכים ארוכים ומחזירה תשובות קצרות, ההפרדה הזאת עשויה לשנות את עלות העבודה. הנתונים מופיעים בהודעת ההשקה הרשמית.
המודל כולל 552 מיליארד פרמטרים בסך הכול, אך משתמש בשיטת MoE, שבה רק חלק מרכיבי המודל משתתפים בכל צעד חישוב. מספר הפרמטרים הכולל אינו מספר הפרמטרים הפעילים בכל פעולה, ולכן הוא לבדו לא מספר כמה יקר להפעיל את המודל. DeepSeek מדווחת גם שמטמון הקשב, ששומר מידע מחישובים קודמים, דורש רבע מזיכרון ה־HBM ושמינית מנפח אחסון ה־SSD לעומת הדור הקודם. אלה נתוני החברה, והחיסכון בפועל תלוי בתשתית ובסוג המשימות. מקור: DeepSeek.
למפתחים ולסטארטאפים בישראל, המשמעות האפשרית היא כלכלית: סוכן תוכנה שקורא קוד, מסמכים ותוצאות מכלים שוב ושוב עלול לצבור הוצאות גם לפני שהפיק תשובה שימושית. ייעול עיבוד הקלט והמטמון עשוי להפוך תהליכים מרובי שלבים לכדאיים יותר. המודל כבר זמין ב־API בשם deepseek-flash, לפי יומן העדכונים הרשמי. לפני שילוב במוצר, כדאי לבדוק אותו על משימות אמיתיות בעברית, עם מדידה של דיוק, זמן תגובה ועלות לתוצאה מוצלחת; ציוני מבחנים כלליים אינם מחליפים בדיקה כזאת.
