Обновить

Комментарии 11

с помощью нейронки сделал более удобные графики для сравнения с qwen 3.6 27b как по мне учитывая размеры моделей квен куда лучше

deepseek-ai/DeepSeek-V4-Flash 160gb

deepseek-ai/DeepSeek-V4-Pro 865gb

Qwen/Qwen3.6-27B 55.6gb

Скрытый текст

Надроченные бенчмарки ничего не значат, надо смотреть как на нужных задачах работает, зависит как от типа задачи, так и от длительности нужной.

Kimi 2.6 презентовали как аналог opus 4.7, а она элементарных вещей при работе моделью в агенте Opencode не понимает - что надо сказать юзеру что он забыл из plan mode в build mode переключиться после того как дал задачу что-то делать и 10 минут в размышлении мусолила пока я не остановил ее.

Такую элементарную вещь даже самые слабые модели делают без проблем.

Да, возможно докрутить скиллом можно, но такую элементарную вещь не делать из коробки и жрать впустую токены бесконечно рассуждая "Юзер сказал, но режим другой, проверю ещё раз" это дичь какая-то. Где она ещё так может споткнуться на элементарщине и выжрать тонну токенов?

В БигКодеБенч деградация это печально, Опусы 4.6/4.7 да же не представлены. SWE-Bench Pro и ЛайвКодеБенч не опубликованы вообще что, что вызывает подозрение в слабых результатах. В кодефорсе лучше 5.4 хуже 5.5. Верифед средне, Терминал бенч средне, но лучше квин 3.6.

Мое наблюдение:

Примерно месяц назад обнаружил, что чат с DeepSeek перестал переполнятся даже, если решаешь задачу очень долго.

Кроме того скрипты на lua, питоне и функции на СИ DeepSeek стал писать без ошибок и вполне профессионально. Раньше делал много ошибок, но исправлял их.

Сейчас он сразу выдает несколько вариантов и анализирует их по скорости выполнения и затрачиваемой памяти.

Иногда, но редко, бывают ляпы, но у кого их нет.

На питоне хорошо пишет. Простые вещи с первого раза. С ансиблом беда, очень много за ним доделывать и всегда проверять идемпотентность, впрочем, клод на ансибле хуже пишет.

в чате на сайте, не в агентском режиме?

Это все хорошо, как подписку на него оформить?? Потокенам не предлагать.

Выше я написал ответ DeepSeek на мой вопрос про новости.

Он ответил там на Ваш вопрос. - бесплатно в чате.

Мое впечатление от работы с ним:

Последнее время любые начинания в разработке сначала обсуждаю с ним.

Он замечательно находит нужные мне ссылки делает анализ возможных решений.

Если ошибается, то после указания на ошибку, он извиняется и исправляет ошибки.

Если предлагаю ему оптимизацию алгоритма либо другие варианты,

то он либо их принимает, либо говорит свое мнение,

почему мое решение не лучше.

В конце беседы он всегда подводит итог того, что достигли и дает некоторую оценку процессу беседы.

Правда, как вежливый собеседник, он скорее завышает свою оценку, делая собеседнику комплимент.

Правда, как вежливый собеседник, он скорее завышает свою оценку, делая собеседнику комплимент.

Нет мета промптов для дипсика чтобы он перестал быть подлизой как любой другой стоковый чатовый ai?

Если прямо сказать об этом, то он перестает это делать.

Из интересных моментов:
Это превью V4, будут тюнить.
Помимо 1.6T модели, которая вроде и есть в сети, но мало кто запустит, выпустили ещё и 862B params. Что ближе к оригиналу, надо разбираться что там к чему.
Нативной мультимодальности нет, т.е. скрин приложения ему не кинуть на правку, но команда DeepSeek обещает прикрутить.
Engram не прикрутили, но есть суперкомпрессия кэша.
В записках жалуются на сложность обучения большой модели из-за внезапной деградации знаний при небольшой активации.
Дообучали и в fp8 и в fp4.
Если честно, сомнительно, ставить некуда, а по апи не дешево. Но сам факт наличия такой модели внушает.

Зарегистрируйтесь на Хабре, чтобы оставить комментарий

Публикации