चीनी एआई लैब डीपसीक ने चुपचाप अपने वी4-फ्लैश मॉडल का एक प्रायोगिक संस्करण डीपसीक-वी4-फ्लैश-विजन-एक्सपी भेज दिया है, जो टेक्स्ट के साथ छवियों को स्वीकार कर सकता है, जो इसके प्रमुख मॉडल परिवार में सबसे स्पष्ट अंतरालों में से एक को बंद कर सकता है। कंपनी के आधिकारिक एपीआई पृष्ठों पर प्रलेखित रिलीज, वी4-फ्लैश-0731 और वी4-प्रो-0813 के रिफ्रेश होने के कुछ ही हफ्तों बाद आती है और डेवलपर्स को स्क्रीनशॉट, चार्ट और फोटो को सीधे उद्योग के सबसे सस्ते फ्रंटियर-टियर मॉडल में फीड करने का एक लंबे समय से अनुरोधित तरीका देती है। नवीनतम एआई विकास पर नज़र रखने वाली टीमों के लिए, यह एक और संकेत है कि डीपसीक पश्चिमी प्रतिद्वंद्वियों की कीमत में आक्रामक रूप से कटौती करते हुए फीचर-फॉर-फीचर की बराबरी करने का इरादा रखता है।

नया मॉडल क्या करता है

डीपसीक के एपीआई दस्तावेज़ के अनुसार, `डीपसीक-वी4-फ्लैश-विज़न-एक्सप` उपयोगकर्ताओं को "मॉडल को चित्रों का वर्णन करने, स्क्रीनशॉट से पाठ पढ़ने, चार्ट का विश्लेषण करने और बहुत कुछ करने के लिए कहता है।" मॉडल JPEG, PNG, GIF और WebP फ़ाइलों को स्वीकार करता है, फ़ाइल नाम या घोषित MIME प्रकार के बजाय वास्तविक फ़ाइल सामग्री से पता लगाए गए प्रारूप के साथ - एक छोटा लेकिन विचारशील विवरण जो बेमेल-एक्सटेंशन बग को रोकता है।

डेवलपर्स छवियों को तीन तरीकों से पास कर सकते हैं: बेस 64-एनकोडेड इनलाइन डेटा यूआरएल (48 एमआईबी अनुरोध बॉडी सीमा के अधीन), सार्वजनिक रूप से पहुंच योग्य बाहरी यूआरएल (8,192 अक्षर तक, 32 एमआईबी प्रति छवि, 60-सेकंड डाउनलोड विंडो के साथ), या फ़ाइलें एपीआई के माध्यम से। सब कुछ मानक ओपनएआई-संगत चैट पूर्णता प्रारूप का उपयोग करता है, और मॉडल डीपसीक के एंथ्रोपिक-संगत एंडपॉइंट के माध्यम से भी पहुंच योग्य है - जिसका अर्थ है कि मौजूदा क्लाउड एसडीके कोड न्यूनतम परिवर्तनों के साथ बैकएंड स्विच कर सकता है।

मूल्य निर्धारण: वस्तु दरों पर सीमांत दृष्टि

प्रायोगिक मॉडल को V4-Flash की आक्रामक कीमत विरासत में मिली है। इनपुट टोकन की कीमत ऑफ-पीक $0.22 प्रति मिलियन और कैश मिस के लिए अधिकतम $0.44 है, जो ऑफ-पीक घंटों के दौरान कैश हिट पर कम से कम $0.007 प्रति मिलियन रह जाती है। आउटपुट टोकन की कीमत ऑफ-पीक $0.66 प्रति मिलियन और पीक पर $1.32 है। छवियों को उनके आयामों के आधार पर टोकन में परिवर्तित किया जाता है और टेक्स्ट टोकन के साथ बिल किया जाता है।

यह मूल्य निर्धारण मायने रखता है क्योंकि यह प्रमुख अमेरिकी प्रदाताओं से तुलनीय मल्टीमॉडल पेशकशों को नाटकीय रूप से कम कर देता है, जिससे डीपसीक ने पूरे वर्ष मूल्य युद्ध जारी रखा है। मॉडल में परिवार के प्रमुख विनिर्देशों को भी शामिल किया गया है: 1 मिलियन टोकन संदर्भ विंडो, अधिकतम आउटपुट के 384K टोकन तक, सोच और गैर-सोच मोड के लिए समर्थन, JSON आउटपुट, टूल कॉल और 2,500 की समवर्ती सीमा - ऐसे विनिर्देश जो इसे एक शोध खिलौने के बजाय उच्च मात्रा में उत्पादन कार्यभार के लिए एक वास्तविक वर्कहॉर्स के रूप में स्थापित करते हैं।

डेवलपर्स इसके लिए बेताब क्यों थे

लॉन्च हैकर न्यूज पर हुआ, जहां इसने तुरंत 450 से अधिक अंक जुटाए - और उत्साह की एक विशिष्ट मूल कहानी है। डीपसीक के केवल-पाठ V4-फ्लैश-0731 ने विश्वास के लिए एक प्रतिष्ठा विकसित की थी कि वह देख सकता है। कई डेवलपर्स ने बताया कि मॉडल मान लेगा कि इसमें दृष्टि क्षमताएं हैं, फिर जब उसे पता चला कि ऐसा नहीं हो सकता है, तो उसने विस्तृत वर्कअराउंड में सुधार किया - जिसमें टेक्स्ट-आधारित छवि विश्लेषण टूल का आविष्कार करना और कनेक्टेड डिवाइसों से स्क्रीनशॉट खींचना शामिल है, इससे पहले कि उसे एहसास हो कि उन्हें देखने का कोई तरीका नहीं है।

"मैंने सुना है कि डीपसीक वी4 फ्लैश 0731 ने अक्सर यह मान लिया है कि इसमें दृष्टि क्षमताएं हैं और जब उसे पता चलता है कि यह वास्तव में नहीं देख सकता है तो वह टेक्स्ट-आधारित छवि विश्लेषण टूल का आविष्कार करने का सहारा लेता है," एक टिप्पणीकार ने कई अन्य लोगों की रिपोर्टों को दोहराते हुए लिखा। कोडिंग या ऑटोमेशन पाइपलाइनों में एक एजेंट के रूप में मॉडल का उपयोग करने वाले किसी भी व्यक्ति के लिए, नए विज़न वेरिएंट को भ्रम से प्रेरित विफलताओं की एक पूरी श्रेणी को खत्म करना चाहिए।

800x800 कैच

रिलीज़ सीमाओं से रहित नहीं है, और हैकर न्यूज़ पर सबसे तीखी आलोचना ने एक नंबर को लक्षित किया: छवि रिज़ॉल्यूशन। दस्तावेज़ में कहा गया है कि अनुमान लगाने से पहले, प्रत्येक छवि का आकार स्वचालित रूप से बदल दिया जाता है ताकि इसकी कुल पिक्सेल गणना पहलू अनुपात को संरक्षित करते हुए लगभग 800x800 छवि से मेल खाए।

एक डेवलपर ने तर्क दिया, "यह उपयोगी है लेकिन OCR और कई अन्य अनुप्रयोगों के लिए इसे थोड़ा अधिक होना चाहिए (उदाहरण के लिए: पूर्ण A4/अक्षर आकार का पृष्ठ डालना)," एक डेवलपर ने तर्क दिया, दूसरे ने स्पष्ट रूप से उत्तर दिया कि 800x800 कैप "बहुत सारे उपयोग के मामलों को समाप्त कर देता है।" सघन दस्तावेज़ों, पूर्ण-पृष्ठ स्कैन, या बढ़िया यूआई डिबगिंग के लिए, रिज़ॉल्यूशन सीमा डेवलपर्स को उच्च-रिज़ॉल्यूशन - और अधिक महंगे - विकल्पों की ओर धकेल सकती है। थ्रेड में सुझाया गया एक लोकप्रिय समाधान: बड़े पृष्ठों को टाइल्स में विभाजित करें और उन्हें अलग से फ़ीड करें।

दूसरा खुला प्रश्न खुलापन है। डीपसीक ने ओपन वेट जारी करने पर अपनी प्रतिष्ठा बनाई, लेकिन कंपनी ने यह नहीं बताया है कि विज़न संस्करण इसका अनुसरण करेगा या नहीं। टिप्पणीकारों ने अनुमान लगाया कि यह कंपनी के हालिया "थिंकिंग विद विजुअल प्रिमिटिव्स" शोध से लिया जा सकता है, जिसके लिए कथित तौर पर वजन का वादा किया गया था, लेकिन कुछ भी पुष्टि नहीं की गई है। विशेष रूप से, मॉडल को प्रयोगात्मक के रूप में सूचीबद्ध किया गया है - "-एक्सपी" प्रत्यय - यह दर्शाता है कि डीपसीक पुनरावृत्त होने की उम्मीद करता है।

एक शांत लेकिन रणनीतिक रिहाई

हांग्जो स्थित लैब के लिए दृष्टि में गिरावट जारी है, जिसने अगस्त में लगातार अपडेट शिपिंग में समय बिताया है: वी4-फ्लैश-0731, एजेंट-ओरिएंटेड डीपसीक हार्नेस फ्रेमवर्क, वी4-प्रो-0813 रिफ्रेश, और अब मल्टीमॉडल इनपुट। एकल ब्लॉकबस्टर लॉन्च के बजाय, डीपसीक तेजी से, वृद्धिशील रिलीज की एक श्रृंखला को क्रियान्वित कर रहा है जो इसके मॉडल को डेवलपर टूलचेन के अंदर रखता है - वही भूमि-हथियाने की रणनीति जो पश्चिमी प्रयोगशालाएं कोडिंग एजेंटों के साथ अपना रही हैं।

बड़े पैमाने पर एआई उद्योग के लिए, संदेश परिचित है लेकिन पदधारियों के लिए अभी भी असुविधाजनक है: क्षमताएं जो एक बार प्रीमियम मूल्य निर्धारण को उचित ठहराती थीं - एक मिलियन-टोकन संदर्भ पर छवि समझ - अब कुछ सेंट प्रति मिलियन टोकन पर पहुंच रही हैं। प्रयोगात्मक लेबल मॉडल को परिष्कृत करने के लिए डीपसीक को जगह देता है, लेकिन डेवलपर्स ने पहले ही इसे स्क्रीनशॉट-संचालित वर्कफ़्लो में वायर करना शुरू कर दिया है। अब सवाल यह नहीं है कि क्या डीपसीक अपने प्रतिद्वंद्वियों के मल्टीमॉडल फीचर सेट की बराबरी कर सकता है, बल्कि सवाल यह है कि बाकी बाजार कितनी जल्दी इसकी कीमतों के साथ तालमेल बिठा लेता है।

एआई से आगे रहें

नवीनतम एआई मॉडल रिलीज़, बेंचमार्क लड़ाइयों और उद्योग विश्लेषण के लिए, बुकमार्क करें एआई बज़ वायर।

अधिक AI समाचार पढ़ें →