சீன AI ஆய்வகமான DeepSeek ஆனது அதன் V4-Flash மாடலின் சோதனைப் பதிப்பான deepseek-v4-flash-vision-exp ஐ அமைதியாக அனுப்பியுள்ளது, இது உரையுடன் படங்களையும் ஏற்றுக்கொள்ளக்கூடியது, அதன் முதன்மை மாதிரி குடும்பத்தில் மிகவும் வெளிப்படையான இடைவெளிகளில் ஒன்றை மூடுகிறது. நிறுவனத்தின் அதிகாரப்பூர்வ API பக்கங்களில் ஆவணப்படுத்தப்பட்ட வெளியீடு, V4-Flash-0731 மற்றும் V4-Pro-0813 புதுப்பித்த சில வாரங்களுக்குப் பிறகு வந்து, டெவலப்பர்களுக்கு ஸ்கிரீன் ஷாட்கள், விளக்கப்படங்கள் மற்றும் புகைப்படங்களை நேரடியாக தொழில்துறையின் விலையுயர்ந்த எல்லை-அடுக்கு மாடல்களில் வழங்குவதற்கான நீண்ட கால வழியை வழங்குகிறது. [சமீபத்திய AI மேம்பாடுகளை] (https://aibuzzwire.news) கண்காணிக்கும் குழுக்களுக்கு, DeepSeek மேற்கத்திய போட்டியாளர்களின் அம்சத்திற்கான அம்சத்தை பொருத்த விரும்புகிறது என்பதற்கான மற்றொரு சமிக்ஞையாகும், அதே நேரத்தில் அவற்றின் விலையை தீவிரமாக குறைக்கிறது.
புதிய மாடல் என்ன செய்கிறது
DeepSeek இன் API ஆவணப்படுத்தலின் படி, `deepseek-v4-flash-vision-exp` ஆனது பயனர்களை "படங்களை விவரிக்க மாதிரியைக் கேட்கவும், ஸ்கிரீன்ஷாட்களில் இருந்து உரையைப் படிக்கவும், விளக்கப்படங்களை பகுப்பாய்வு செய்யவும் மற்றும் பலவற்றைச் செய்யவும்" உதவுகிறது. இந்த மாதிரி JPEG, PNG, GIF மற்றும் WebP கோப்புகளை ஏற்றுக்கொள்கிறது, கோப்பு பெயர் அல்லது அறிவிக்கப்பட்ட MIME வகையைக் காட்டிலும் உண்மையான கோப்பு உள்ளடக்கத்திலிருந்து கண்டறியப்பட்ட வடிவமைப்புடன் - பொருந்தாத நீட்டிப்பு பிழைகளைத் தடுக்கும் சிறிய ஆனால் சிந்தனைமிக்க விவரம்.
டெவலப்பர்கள் மூன்று வழிகளில் படங்களை அனுப்பலாம்: base64-குறியீடு செய்யப்பட்ட இன்லைன் தரவு URLகள் (48 MiB கோரிக்கை உடல் வரம்புக்கு உட்பட்டது), பொதுவில் அணுகக்கூடிய வெளிப்புற URLகள் (8,192 எழுத்துகள் வரை, ஒரு படத்திற்கு 32 MiB, 60-வினாடி பதிவிறக்க சாளரத்துடன்) அல்லது கோப்புகள் API மூலம். எல்லாமே நிலையான OpenAI-இணக்கமான Chat Completions வடிவமைப்பைப் பயன்படுத்துகிறது, மேலும் DeepSeek இன் மானுடவியல்-இணக்கமான எண்ட்பாயிண்ட் வழியாகவும் இந்த மாடலை அணுகலாம் - அதாவது தற்போதுள்ள Claude SDK குறியீடு குறைந்த மாற்றங்களுடன் பின்முனைகளை மாற்றலாம்.
விலை நிர்ணயம்: சரக்கு விலையில் எல்லைப் பார்வை
சோதனை மாதிரியானது V4-ஃப்ளாஷின் ஆக்கிரமிப்பு விலைத் தாளைப் பெறுகிறது. இன்புட் டோக்கன்கள் ஒரு மில்லியனுக்கு ஆஃப்-பீக் $0.22 மற்றும் கேச் மிஸ்ஸுக்கு அதிகபட்சமாக $0.44 செலவாகும், ஆஃப்-பீக் நேரங்களில் கேச் ஹிட்களில் ஒரு மில்லியனுக்கு $0.007 ஆகக் குறைகிறது. அவுட்புட் டோக்கன்களின் விலை ஒரு மில்லியனுக்கு $0.66 மற்றும் உச்சத்தில் $1.32. படங்கள் அவற்றின் பரிமாணங்களின் அடிப்படையில் டோக்கன்களாக மாற்றப்பட்டு உரை டோக்கன்களுடன் சேர்த்து பில் செய்யப்படுகின்றன.
டீப்சீக் ஆண்டு முழுவதும் நடத்திய விலைப் போரைத் தொடர்ந்து, முக்கிய அமெரிக்க வழங்குநர்களிடமிருந்து ஒப்பிடக்கூடிய மல்டிமாடல் சலுகைகளை இது வியத்தகு முறையில் குறைக்கிறது என்பதால், அந்த விலை முக்கியமானது. இந்த மாதிரி குடும்பத்தின் தலைப்பு விவரக்குறிப்புகளையும் கொண்டுள்ளது: 1 மில்லியன் டோக்கன் சூழல் சாளரம், அதிகபட்ச வெளியீட்டின் 384K டோக்கன்கள், சிந்தனை மற்றும் சிந்தனை அல்லாத முறைகளுக்கான ஆதரவு, JSON வெளியீடு, கருவி அழைப்புகள் மற்றும் 2,500 என்ற ஒத்திசைவு வரம்பு - இது அதிக அளவிலான பணிச்சுமைக்கு பதிலாக உண்மையான பணியிடமாக அதை நிலைநிறுத்தும் விவரக்குறிப்புகள்.
டெவலப்பர்கள் இதற்கு ஏன் ஆசைப்பட்டனர்
இந்த வெளியீடு ஹேக்கர் நியூஸில் இறங்கியது, அங்கு அது விரைவாக 450 புள்ளிகளுக்கு மேல் சேகரிக்கப்பட்டது - மேலும் உற்சாகம் ஒரு குறிப்பிட்ட மூலக் கதையைக் கொண்டுள்ளது. DeepSeek இன் டெக்ஸ்ட்-மட்டும் V4-Flash-0731, அது பார்க்க முடியும் என்று நம்புவதற்கு ஒரு நற்பெயரை உருவாக்கியது. பல டெவலப்பர்கள் இந்த மாதிரியானது பார்வைத் திறன்களைக் கொண்டிருப்பதாகக் கருதி, அது முடியாததைக் கண்டறியும் போது விரிவான தீர்வுகளை மேம்படுத்தும் என்று அறிவித்தனர் - உரை அடிப்படையிலான பட பகுப்பாய்வு கருவிகளைக் கண்டுபிடிப்பது மற்றும் இணைக்கப்பட்ட சாதனங்களில் இருந்து ஸ்கிரீன்ஷாட்களை இழுப்பது உட்பட, அவற்றைப் பார்க்க வழி இல்லை.
"DeepSeek v4 Flash 0731 ஆனது பார்வைத் திறன்களைக் கொண்டிருப்பதாக அடிக்கடி ஊகித்து, அது உண்மையில் பார்க்க முடியாது என்று கண்டறியும் போது, உரை அடிப்படையிலான பட பகுப்பாய்வுக் கருவிகளைக் கண்டுபிடிப்பதாக நான் கேள்விப்பட்டிருக்கிறேன்," என்று ஒரு வர்ணனையாளர் எழுதினார். குறியீட்டு முறை அல்லது ஆட்டோமேஷன் பைப்லைன்களில் மாடலைப் பயன்படுத்தும் எவருக்கும், புதிய பார்வை மாறுபாடு குழப்பத்தால் இயக்கப்படும் தோல்விகளின் முழு வகையையும் அகற்ற வேண்டும்.
800x800 கேட்ச்
வெளியீடு வரம்புகள் இல்லாமல் இல்லை, மேலும் ஹேக்கர் நியூஸ் மீதான கடுமையான விமர்சனம் ஒரு எண்ணை இலக்காகக் கொண்டது: படத் தீர்மானம். அனுமானத்திற்கு முன், ஒவ்வொரு படமும் தானாக மறுஅளவிடப்படும், அதன் மொத்த பிக்சல் எண்ணிக்கை தோராயமாக 800x800 படத்துடன் பொருந்துகிறது, விகிதத்தைப் பாதுகாக்கிறது.
"இது பயனுள்ளதாக இருக்கும், ஆனால் OCR மற்றும் பல பயன்பாடுகளுக்கு இது சற்று அதிகமாக இருக்க வேண்டும் (எ.கா: முழு A4 / எழுத்து அளவுள்ள பக்கத்தை வைப்பது)," என்று ஒரு டெவலப்பர் வாதிட்டார், மற்றொருவர் 800x800 தொப்பி "நிறைய பயன்பாட்டு நிகழ்வுகளைக் கொல்லும்" என்று அப்பட்டமாக பதிலளித்தார். அடர்த்தியான ஆவணங்கள், முழு-பக்க ஸ்கேன்கள் அல்லது நுண்ணிய UI பிழைத்திருத்தம் ஆகியவற்றிற்கு, தீர்மானம் உச்சவரம்பு டெவலப்பர்களை அதிக தெளிவுத்திறன் மற்றும் அதிக விலையுள்ள - மாற்றுகளை நோக்கித் தள்ளும். நூலில் பரிந்துரைக்கப்பட்ட ஒரு பிரபலமான தீர்வு: பெரிய பக்கங்களை டைல்ஸ்களாகப் பிரித்து தனித்தனியாக ஊட்டவும்.
மற்ற திறந்த கேள்வி திறந்த தன்மை. டீப்சீக் திறந்த எடைகளை வெளியிடுவதில் அதன் நற்பெயரை உருவாக்கியது, ஆனால் பார்வை மாறுபாடு பின்பற்றப்படுமா என்று நிறுவனம் கூறவில்லை. வர்ணனையாளர்கள் இது நிறுவனத்தின் சமீபத்திய "திங்கிங் வித் விஷுவல் ப்ரிமிட்டிவ்ஸ்" ஆராய்ச்சியில் இருந்து பெறலாம் என்று ஊகித்தனர், இதற்காக எடைகள் உறுதியளிக்கப்பட்டதாக கூறப்படுகிறது, ஆனால் எதுவும் உறுதிப்படுத்தப்படவில்லை. குறிப்பிடத்தக்க வகையில், இந்த மாதிரியானது சோதனைக்குரியதாக பட்டியலிடப்பட்டுள்ளது - "-exp" பின்னொட்டு - DeepSeek மீண்டும் எதிர்பார்க்கிறது.
அமைதியான ஆனால் மூலோபாய வெளியீடு
Hangzhou-வை தளமாகக் கொண்ட ஆய்வகத்தின் பார்வை வீழ்ச்சியானது, ஆகஸ்ட் மாதத்தில் நிலையான புதுப்பிப்புகளை அனுப்பியது: V4-Flash-0731, முகவர் சார்ந்த DeepSeek ஹார்னஸ் கட்டமைப்பு, V4-Pro-0813 புதுப்பிப்பு மற்றும் இப்போது மல்டிமாடல் உள்ளீடு. ஒரு பிளாக்பஸ்டர் வெளியீட்டிற்குப் பதிலாக, DeepSeek அதன் மாதிரிகளை டெவலப்பர் கருவித்தொகுப்புகளுக்குள் வைத்திருக்கும் விரைவான, அதிகரிக்கும் வெளியீடுகளை செயல்படுத்துகிறது - அதே நிலத்தை அபகரிக்கும் உத்தியை மேற்கத்திய ஆய்வகங்கள் குறியீட்டு முகவர்களுடன் பின்பற்றுகின்றன.
AI துறையைப் பொறுத்தவரை, இந்த செய்தி நன்கு தெரிந்திருந்தாலும், பதவியில் இருப்பவர்களுக்கு இன்னும் சங்கடமாக உள்ளது: ஒரு காலத்தில் பிரீமியம் விலையை நியாயப்படுத்திய திறன்கள் - மில்லியன் டோக்கன் சூழலில் படத்தைப் புரிந்துகொள்வது - இப்போது ஒரு மில்லியன் டோக்கன்களுக்கு சில சென்ட்கள் கிடைக்கும். சோதனை லேபிள் டீப்சீக்கிற்கு மாடலைச் செம்மைப்படுத்த இடமளிக்கிறது, ஆனால் டெவலப்பர்கள் ஏற்கனவே அதை ஸ்கிரீன்ஷாட்-உந்துதல் பணிப்பாய்வுகளில் வயரிங் செய்யத் தொடங்கியுள்ளனர். கேள்வி என்னவென்றால், DeepSeek ஆனது அதன் போட்டியாளர்களின் மல்டிமாடல் அம்சத் தொகுப்புடன் பொருந்துமா என்பது இல்லை, ஆனால் சந்தையின் மற்ற பகுதிகள் எவ்வளவு விரைவாக அதன் விலைகளை சரிசெய்கிறது.
AIக்கு முன்னால் இருங்கள்
சமீபத்திய AI மாடல் வெளியீடுகள், பெஞ்ச்மார்க் போர்கள் மற்றும் தொழில்துறை பகுப்பாய்வுகளுக்கு, புக்மார்க் AI Buzz Wire.
மேலும் AI செய்திகளைப் படிக்கவும் →
