Çin yapay zeka laboratuvarı DeepSeek, V4-Flash modelinin metnin yanı sıra görüntüleri de kabul edebilen deneysel bir versiyonu olan deepseek-v4-flash-vision-exp'yi sessizce piyasaya sürerek amiral gemisi model ailesindeki en göze çarpan boşluklardan birini kapattı. Şirketin resmi API sayfalarında belgelenen sürüm, V4-Flash-0731 ve V4-Pro-0813'ün yenilenmesinden sadece birkaç hafta sonra geliyor ve geliştiricilere ekran görüntülerini, grafikleri ve fotoğrafları doğrudan sektörün en ucuz öncü modellerinden birine beslemek için uzun zamandır istenen bir yolu sunuyor. En son yapay zeka gelişmelerini takip eden ekipler için bu, DeepSeek'in Batılı rakiplerini özellik bazında eşleştirmeyi ve fiyatta ise agresif bir şekilde indirim yapmayı planladığının bir başka sinyali.
Yeni model ne işe yarar?
DeepSeek'in API belgelerine göre, "deepseek-v4-flash-vision-exp" kullanıcıların "modelden resimleri tanımlamasını, ekran görüntülerinden metin okumasını, grafikleri analiz etmesini ve daha fazlasını istemesini" sağlıyor. Model, dosya adı veya bildirilen MIME türü yerine gerçek dosya içeriğinden algılanan formatla JPEG, PNG, GIF ve WebP dosyalarını kabul eder; bu, uyumsuz uzantı hatalarını önleyen küçük ama iyi düşünülmüş bir ayrıntıdır.
Geliştiriciler görüntüleri üç şekilde iletebilir: Base64 kodlu satır içi veri URL'leri (48 MiB istek gövdesi sınırına tabidir), genel olarak erişilebilen harici URL'ler (en fazla 8.192 karakter, görüntü başına 32 MiB, 60 saniyelik bir indirme penceresi) veya Dosyalar API'sı aracılığıyla. Her şey standart OpenAI uyumlu Sohbet Tamamlama formatını kullanıyor ve modele aynı zamanda DeepSeek'in Antropik uyumlu uç noktası aracılığıyla da erişilebilir; bu, mevcut Claude SDK kodunun minimum değişiklikle arka uçları değiştirebileceği anlamına geliyor.
Fiyatlandırma: emtia fiyatlarında sınır vizyonu
Deneysel model, V4-Flash'ın agresif fiyat tablosunu devralıyor. Giriş tokenlarının maliyeti, yoğun olmayan saatlerde milyon başına 0,22 dolar ve önbellek kaçırmaları için zirvede 0,44 dolar olup, yoğun olmayan saatlerde önbellek isabetlerinde milyon başına 0,007 dolara kadar düşüyor. Çıktı tokenlerinin fiyatı zirve dışı milyon başına 0,66 dolar ve zirvede 1,32 dolardır. Görseller boyutlarına göre tokenlara dönüştürülür ve text tokenlarla birlikte faturalandırılır.
Bu fiyatlandırma önemli çünkü ABD'li büyük sağlayıcıların karşılaştırılabilir çok modlu tekliflerini önemli ölçüde düşürüyor ve DeepSeek'in tüm yıl boyunca yürüttüğü fiyat savaşını sürdürüyor. Model aynı zamanda ailenin temel özelliklerini de taşıyor: 1 milyon token içerik penceresi, 384 bin token'a kadar maksimum çıktı, düşünme ve düşünme dışı mod desteği, JSON çıktısı, araç çağrıları ve 2.500 eşzamanlılık sınırı; bu özellikler onu bir araştırma oyuncağı olmaktan ziyade yüksek hacimli üretim iş yükleri için gerçek bir beygir olarak konumlandırıyor.
Geliştiriciler neden bunun için çaresiz kaldı?
Lansman, Hacker News'e ulaştı ve burada hızla 450'den fazla puan toplandı; coşkunun kendine özgü bir başlangıç hikayesi var. DeepSeek'in salt metinden oluşan V4-Flash-0731'i, görebildiğine inanma konusunda bir üne kavuşmuştu. Birçok geliştirici, modelin görüş yeteneklerine sahip olduğunu varsayacağını, ardından bunu yapamayacağını keşfettiğinde ayrıntılı geçici çözümler üreteceğini bildirdi; bunlar arasında metin tabanlı görüntü analiz araçları icat etmek ve bunları görüntülemenin hiçbir yolu olmadığını fark etmeden önce bağlı cihazların ekran görüntülerini çekmek de vardı.
Bir yorumcu, diğer birçok kişinin raporlarını tekrarlayarak, "DeepSeek v4 Flash 0731'in sıklıkla görme yeteneklerine sahip olduğunu varsaydığını ve daha sonra aslında göremediğini anladığında metin tabanlı görüntü analiz araçları icat etmeye başvurduğunu duydum" diye yazdı. Modeli kodlama veya otomasyon boru hatlarında aracı olarak kullanan herkes için yeni vizyon değişkeni, kafa karışıklığından kaynaklanan hataların tüm kategorisini ortadan kaldıracaktır.
800x800 yakalama
Yayınlamanın sınırlamaları yok değil ve Hacker News'e yönelik en sert eleştiri bir noktayı hedef aldı: görüntü çözünürlüğü. Belgeler, çıkarımdan önce her görüntünün otomatik olarak yeniden boyutlandırıldığını, böylece toplam piksel sayısının en boy oranı korunarak yaklaşık 800x800 görüntüyle eşleşeceğini belirtiyor.
Bir geliştirici "Yararlı ancak OCR ve diğer birçok uygulama için biraz daha yüksek olması gerekiyor (örneğin: tam A4 / Letter boyutunda sayfa koymak)," diye tartışırken bir başkası açıkça 800x800 sınırının "birçok kullanım durumunu ortadan kaldırdığını" söyledi. Yoğun belgeler, tam sayfa taramalar veya ince taneli kullanıcı arayüzü hata ayıklaması için çözünürlük tavanı, geliştiricileri daha yüksek çözünürlüklü ve daha pahalı alternatiflere doğru itebilir. Konu başlığında önerilen popüler bir geçici çözüm: büyük sayfaları parçalara ayırın ve bunları ayrı ayrı besleyin.
Diğer açık soru açıklıktır. DeepSeek itibarını açık ağırlıkları piyasaya sürmesi üzerine inşa etti ancak şirket, vizyon versiyonunun takip edip etmeyeceğini söylemedi. Yorum yapanlar bunun şirketin yakın zamanda yaptığı "Görsel İlkellerle Düşünme" araştırmasından kaynaklanabileceğini öne sürdüler; bu araştırma için ağırlıklar vaat edildi ancak hiçbir şey doğrulanmadı. Modelin deneysel olarak listelenmesi ("-exp" son eki) DeepSeek'in yinelemeyi beklediğinin sinyalini veriyor.
Sessiz ama stratejik bir sürüm
Ağustos ayını düzenli güncellemeler yayınlayarak geçiren Hangzhou merkezli laboratuvar için vizyon düşüşü yoğun bir şekilde devam ediyor: V4-Flash-0731, aracı odaklı DeepSeek Harness çerçevesi, V4-Pro-0813 yenilemesi ve şimdi multimodal giriş. DeepSeek, gişe rekorları kıran tek bir lansman yerine, modellerini geliştirici araç zincirleri içinde tutan hızlı, artımlı sürümler gerçekleştiriyor; Batılı laboratuvarların kodlama aracılarıyla izlediği arazi ele geçirme stratejisinin aynısı.
Yapay zeka endüstrisinin geneli için bu mesaj tanıdık ama yine de görevliler için rahatsız edici: Bir zamanlar premium fiyatlandırmayı haklı çıkaran yetenekler (milyon token bağlamında görüntü anlayışı) artık milyon token başına birkaç sente ulaşıyor. Deneysel etiket, DeepSeek'e modeli iyileştirmesi için alan sağlıyor, ancak geliştiriciler bunu zaten ekran görüntüsü odaklı iş akışlarına bağlamaya başladı. Sorun artık DeepSeek'in rakiplerinin çok modlu özellik setiyle eşleşip eşleşmediği değil, pazarın geri kalanının fiyatlarına ne kadar çabuk uyum sağladığıdır.
Yapay Zekanın Önünde Kalın
En yeni AI modeli sürümleri, karşılaştırmalı savaşlar ve sektör analizleri için AI Buzz Wire'a yer işareti koyun.
Daha fazla AI haberini okuyun →
