Все ошибаются насчет DeepSeek V4 Flash

Описание: Подписывайтесь на меня в X → https://x.com/mattjohnston_ai

Ютуберы сходят с ума от DeepSeek V4 Flash. По данным Artificial Analysis, он подскочил на 10 пунктов в их индексе интеллекта. Та же архитектура модели, но гораздо больше обучения, и каким-то образом на бумаге он превосходит версию Pro.

Поэтому я подверг его полному испытанию на программирование. Halo Arena, Tactical Grid (клон XCOM), чехол для телефона Dr. Who для печати, пользовательский интерфейс страницы продаж, скучные вопросы по программированию и Grid Forge.

Итого: 82. 15 место. Подходит для автодополнения текста и дешевой маршрутизации. Переоценен во всем остальном. Luna по-прежнему превосходит его при цене $1,20/млн.


Разделы:
0:00 Проверка ажиотажа вокруг DeepSeek V4 Flash
1:06 Полный тест на программирование
2:43 Результаты Halo Arena в реальном времени
4:26 Tactical Grid (клон XCOM)
6:26 Чехол для телефона Dr. Who для печати
8:28 Пользовательский интерфейс страницы продаж
10:23 Скучные тесты на программирование и логическое мышление
11:04 Таблица Grid Forge
11:49 Итоговый результат: 82, 15 место
12:56 Сравнение небольших моделей (Luna, Flashlight, Gemini)
15:20 Краткое содержание: переоценен, лучше всего подходит в качестве дешевого роутера

Ссылки:
X: https://x.com/mattjohnston_ai (@mattjohnston_ai)
Сайт: https://mattjohnston.io
Медиа-кит: https://mattjohnston.io/media-kit

Если вы хотите, чтобы каждая новая модель проходила этот же тест, Подписывайтесь. Увидимся в следующем видео.

#DeepSeek #V4Flash #AICoding #LLMBenchmark #OpenAI #Luna