DeepSeek V4 Flash 0731 exceluje na benchmarku ARC-AGI
Společnost DeepSeek zveřejnila 31. července 2026 model V4 Flash 0731 ve třech úrovních „reasoning“ nastavení (Low, High, Max), a výsledky na benchmarku ARC Prize, který testuje schopnost obecné abstraktní usuzování u AI systémů, jsou působivé.
Klíčová čísla:
- Na verzi ARC-AGI-1 dosáhl model v nejvyšším režimu (Max) skóre 89,0 %, a to za cenu pouhých 0,02 dolaru na úlohu
- Na náročnější ARC-AGI-2 model v režimu Max skóroval 61,4 % za 0,04 dolaru na úlohu
- Nižší úrovně (High a Low) dosahují o něco slabších výsledků – 87 %/56 % a 84 %/46 % na ARC-AGI-1, resp. ARC-AGI-2
Poměr cena/výkon je pozoruhodný – DeepSeek tak pokračuje v trendu nabízet konkurenceschopné výsledky za zlomek nákladů oproti západním modelům. Pro ARC-AGI-3 zatím výsledky chybí.
Model i příslušný paper jsou veřejně dostupné (na Hugging Face a arXivu).
Adam Heglas
Student se zájmem o IT, programování a kybernetickou bezpečnost. Baví mě se učit novým věcem a posouvat své schopnosti dál. Když zrovna nesedím u kódu, věnuji se fitness a počítačovým hrám.
… reposted this!