DeepSeek V4 Flash epäonnistuu agenttitehtävissä hintojen noustessa

DeepSeekin V4 Flash -tekoälymalli, joka on aiemmin saavuttanut huippusijoja vertailuissa, on epäonnistunut monimutkaisten, reaaliaikaisten agenttitehtävien suorittamisessa. Composio-nimisen alustan tekemässä testissä malli onnistui vain 53,8 prosentissa monivaiheisista tehtävistä, jotka sisälsivät työkalujen kuten Gmailin, GitHubin ja Slackin käyttöä.

Testit osoittivat, että V4 Flashin suorituskyky vaihteli merkittävästi riippuen käytetystä orkestrointialustasta, työkalujen konfiguraatiosta ja muista teknisistä tekijöistä. Tämä korostaa, että pelkkä mallin raaka kyvykkyys ei välttämättä riitä yrityskäytössä, vaan myös sen integrointi ja hallinta ovat kriittisiä.

DeepSeek ilmoitti samanaikaisesti nostavansa V4 Flash- ja V4 Pro -mallien hintoja jopa 1100 prosenttia. Hintojen nousu herättää kysymyksiä mallin kilpailukyvystä markkinoilla, jotka aiemmin kilpailivat edullisella hinnoittelulla.

Analyytikot huomauttavat, että vaikka hinnankorotukset syövät DeepSeekin hintaetua verrattuna kilpailijoihin, se pysyy edelleen edullisempana kuin monet suurten teknologiayritysten mallit. Yritysten on nyt punnittava tarkemmin kustannuksia suorituskyvyn ja luotettavuuden rinnalla.