Tumaas sa 64% ang Iskor ng DeepSeek V4 Pro sa Pagsubok Habang Lumalakas ang Espekulasyon sa V4.1 Pro

Walong Karagdagang Gawain ang Natapos sa Pagsubok na May 50 Gawain

Natapos ng kasalukuyang V4 Pro model ng DeepSeek ang 32 sa 50 gawain sa isang panloob na benchmark na isinagawa ng MaxForAI, isang tagapagturo at developer ng AI at tagapangasiwa ng LobeHub agent client. Natapos naman ng naunang bersyong V4 Pro-0813 ang 24. Ayon sa mga ulat na may petsang Nobyembre 8, 2026, umabot sa 64% ang resulta ng mas bagong modelo, mula sa 48%.

Ang pinakamahalagang pag-unlad ay ang pagiging pare-pareho ng performance. Magkahawig ang naging resulta ng dalawang bersyon kapag sinukat kung kaya nilang matapos ang isang gawain kahit isang beses. Mas lumaki ang agwat nang hingin sa pagsusulit ang tatlong sunod-sunod na matagumpay na pagkumpleto, isang mahigpit na sukatan para sa software na inaasahang maaasahang magsagawa ng trabaho.

Nagdulot ang mga natuklasan ng espekulasyong unti-unting sinusubok ng DeepSeek ang V4.1 Pro sa pamamagitan ng kasalukuyan nitong serbisyo. Hindi pa nakukumpirma ang pagkakakilanlan ng modelo at iskedyul ng paglabas nito, at ipinakita ang mga resulta ng benchmark sa ilalim ng kasalukuyang pangalang V4 Pro.

Naganap ang talakayan tungkol sa pagsubok matapos ang bahagyang pagkaantala ng serbisyo noong Nobyembre 7, ang ikalawang naiulat na aberya sa loob ng isang linggo. Sinabi ng DeepSeek na nagpatupad ito ng pag-aayos at sinusubaybayan ang mga resulta. Kaya dalawang magkaibang pangangailangan ang tinutugunan ng mga agarang pangyayari para sa mga customer: mas mahusay na pagkumpleto ng gawain at maaasahang pag-access sa serbisyo.

Ano ang Nagbago sa LobeBench?

Ginamit ng MaxForAI ang LobeBench, isang panloob na koleksiyon ng mga pagsubok, upang ihambing ang kasalukuyang V4 Pro sa V4 Pro-0813. Pang-13 ang mas lumang bersyon sa iniulat na ranggo. Nanguna naman ang mas bagong bersyon sa mga modelong Tsino sa paghahambing na iyon.

Tumaas nang 16 na puntos-porsiyento ang resulta, dahil matagumpay na natapos ang walong karagdagang gawaing ikinategoryang Hard. Kung ihahambing sa naunang kabuuang 24 na natapos na gawain, ang pag-angat sa 32 ay katumbas ng humigit-kumulang isang-katlong pagdami ng matagumpay na natapos na gawain. Iisa ang inilalarawan ng dalawang pagkukuwentang ito mula sa magkaibang anggulo: mas malaking bahagi ng pagsusulit ang natapos at mas maraming gawain ang nakumpleto.

Malinaw sa paulit-ulit na hinihinging pagkumpleto ng LobeBench kung bakit nakatawag-pansin ang resulta. Mahirap gamitin sa pangkaraniwang gawain ang modelong nagtatagumpay nang isang beses pero pumapalya sa mga sumunod na pagsubok. Kailangan ng agent client, na nagbibigay-daan sa AI system na magsagawa ng mga gawain sa pamamagitan ng software, ang maaasahang pagpapatupad bukod pa sa kakayahang paminsan-minsang makapagbigay ng mahusay na sagot.

Nakasentro ang iniulat na paghahambing sa 50 gawain at isang panloob na ranggo. Hindi inilathala sa mga paglalarawan ng mga resulta ang mga detalyeng kailangan upang maulit ang pagsubok, kabilang ang kumpletong talaan ng gawain, mga tuntunin sa pagsusuri, setting ng modelo at mga marka ng mga kakompetensiyang sistema.

Bakit Mahalaga ang Paulit-ulit na Tagumpay

Maaaring magbigay ang isang AI model ng magkakaibang tugon sa iisang kahilingan. Sa gawaing binubuo ng ilang hakbang, maaari ring makaapekto sa lahat ng kasunod na hakbang ang maagang pagkakamali. Mas binibigyang-diin ng kahilingang makapagtala ng tatlong sunod-sunod na tagumpay ang maaasahang asal kaysa sa pagbibilang ng kahit isang matagumpay na pagsubok lamang.

Ayon sa ulat, kaunti lang ang pagkakaiba ng dalawang bersyon sa paghahambing ng MaxForAI kapag maaari silang makakuha ng puntos sa pagtatagumpay nang kahit isang beses. Lumaki ang agwat sa sukatan ng paulit-ulit na tagumpay. Kaya pagiging maaasahan ang pangunahing natuklasan, hindi basta bagong kakayahang lumutas ng mga gawaing hindi kayang tapusin ng naunang bersyon.

Praktikal ang kahalagahan ng pagkakaibang ito para sa gumagamit ng agent sa pagkumpleto ng trabaho. Maaaring mangahulugan ang paulit-ulit na pagkabigo ng mas maraming muling pagsubok, pagsusuri at pakikialam ng tao. Maaaring mas kapaki-pakinabang ang modelong palaging nakatatapos ng iisang gawain, kahit kasinghusay tingnan ang paminsan-minsang matagumpay na sagot ng mas lumang bersyon.

Kabilang sa iba pang impormal na demonstrasyong kumalat kaugnay ng pinaghihinalaang pag-update ang pag-render ng animasyon at larawan ng isang kormoran na nakasakay sa bisikleta. Nagbigay ang LobeBench ng numerikal na paghahambing sa isang pinangalanang naunang bersyon, kaya napunta ang pansin sa paulit-ulit na performance sa mga gawain.

Ano ang Nangyari sa mga Pagkaantala ng Serbisyo?

Nagsimula ang pagkaantala ng DeepSeek noong Nobyembre 7 nang 15:11, ayon sa impormasyong pangkatayuan ng kumpanya na iniulat noon. Kabilang sa mga naapektuhang serbisyo ang chat, V4 Pro API at V4.1 Flash API. Ang API ay koneksiyong nagbibigay-daan sa ibang application na awtomatikong magpadala ng mga kahilingan sa DeepSeek.

Hindi nagamit ng mga user ang chat at nakatanggap sila ng mensaheng nagsasabing abala ang server. Nang maglaon, sinabi ng DeepSeek na naipatupad na ang pag-aayos at sinusubaybayan nito ang resulta. Inilarawan sa mga sumunod na pagsubok na normal na ulit ang takbo ng serbisyo.

Naganap ang kahalintulad na insidente noong Nobyembre 3, simula 16:58, at naapektuhan din ang parehong tatlong serbisyo. Matapos ipahayag ang pag-aayos para sa insidenteng iyon, nakatala pa rin ang mga serbisyo bilang may mababang performance. Maaaring magkaiba ang mga yugto ng pagbabalik ng access at pagbabalik ng normal na bilis.

Bahagi ng konteksto sa espekulasyon tungkol sa modelo ang dalawang pagkaantalang ito. Hindi tinukoy sa iniulat na impormasyon sa katayuan ang sanhi ng aberya noong Nobyembre 7, kaya walang kumpirmadong paliwanag ang mga customer kung may kaugnayan ito sa paglaki ng trapiko o paglalabas ng modelo.

Takbo ng mga Inaasahan sa Pro

Nauna pa sa pinakabagong mga resulta ng pagsubok ang interes sa V4.1 Pro. Nakatulong sa pagbuo ng mga inaasahan ang mga plano sa paglabas noong Setyembre, mga pagbabago sa serbisyo noong Oktubre at paghahambing sa benchmark noong Nobyembre, bagaman magkakaibang bahagi ng linya ng produkto ng DeepSeek ang tinutukoy ng mga ito.

• Setyembre 10, 2026: Inilabas ang V4.1 Flash. Kalaunan ay binawi ang panukalang pansamantalang ilipat sa Flash ang mga kahilingan para sa deepseek-v4-pro hanggang sa dumating ang V4.1 Pro, matapos tumutol ang mga developer.
• Oktubre 17: Inilabas ang bersyong V4.1 Flash-1017, ayon sa ulat noong Oktubre tungkol sa mga sumunod na pagbabago sa serbisyo.
• Oktubre 27: Nakatukoy ang mga tagamasid ng pagbabago sa mga fingerprint ng modelo, simula bandang 18:21. Pagsapit ng 19:07, iisa na ang mga fingerprint na nakita sa tatlong opsiyon ng modelo.
• Nobyembre 3: Nagsimula nang 16:58 ang bahagyang pagkaantala na nakaapekto sa chat at sa dalawang pinangalanang serbisyo ng API.
• Nobyembre 7: Nagsimula nang 15:11 ang isa pang bahagyang pagkaantala. Kalaunan ay nag-anunsiyo ang DeepSeek ng pag-aayos.
• Nobyembre 8: Inilarawan sa mga ulat tungkol sa paghahambing ng LobeBench ng MaxForAI ang pag-angat mula 24 tungo sa 32 natapos na gawain.

Mahalaga sa mga developer ang panukalang paglipat noong Setyembre dahil maaaring bahagi ng mga palagay sa pagpapatakbo ng isang application ang pangalan ng modelong ginagamit nito. Maaaring makaapekto sa mga tugon, gastos at performance ang pagpapalit ng modelong nasa likod ng pangalang iyon. Matapos bawiin ang panukala, nagpatuloy ang pag-aalok ng V4 Pro nang walang pagbabago sa singil.

Ano ang Ipinakita ng mga Fingerprint Noong Oktubre

Tungkol sa mga fingerprint ng modelo ang mga obserbasyon noong Oktubre 27, mga identifier na makatutulong sa pagsubaybay sa mga pagbabago sa sistemang tumutugon sa isang kahilingan. Iniugnay ang lumang fingerprint sa V4.1 Flash-1017. Hindi sapat ang impormasyong mababasa sa pamalit na identifier upang matukoy ang modelong nasa likod nito.

Noon, tila Flash at hindi Pro ang apektado ng napansing pagbabago. Kabilang sa mga posibleng paliwanag ang ibang checkpoint ng modelo, o isang nakaimbak na bersyon ng modelo, o bagong deployment ng parehong modelo. Hindi nalutas ng bagong identifier kung alin sa mga ito ang nangyari.

Sampung araw pa lamang na magagamit ang V4.1 Flash-1017 nang lumitaw ang mga pagbabagong iyon. Malakas na noon ang mga inaasahan tungkol sa Pro, kaya naging sentro ng pansin kahit ang pagbabagong iniuugnay sa Flash. Mas tuwirang may kaugnayan sa Pro ang resulta ng LobeBench noong Nobyembre dahil inihahambing nito ang dalawang bersyong may tatak na V4 Pro.

Nakaimpluwensiya rin sa mga inaasahan ang naunang iskedyul ng paglabas ng DeepSeek. Iniulat na humigit-kumulang dalawang linggo ang pagitan ng Flash at Pro sa henerasyong V4. Sa sumunod na talakayan tungkol sa V4.1, lumampas na sa pitong linggo ang paghihintay matapos ang Flash. Kaya naiiba ang iskedyul ng kasalukuyang siklo ng paglabas.

Ano ang Maaaring Paghambingin ng mga Developer Ngayon

Ayon sa mga iniulat na presyo, magkaiba ang antas ng gastos ng V4 Pro at V4.1 Flash. Nakatala ang singil sa input ng V4 Pro sa $0.66 kada isang milyong token, at ang output sa labas ng mga oras ng pinakamaraming gumagamit sa $1.98 kada isang milyong token. Nakatala naman ang singil sa input at output ng Flash sa $0.15 at $0.60 kada isang milyong token.

Ang mga token ay maliliit na bahagi ng teksto na pinoproseso ng modelo, gaya ng mga salita o bahagi ng mga salita. Batay sa mga nakatalang presyong iyon, 4.4 na beses na mas mahal ang input ng Pro kaysa input ng Flash. 3.3 na beses naman ang iniulat na presyo ng output ng Pro sa labas ng mga oras ng pinakamaraming gumagamit kumpara sa nakatalang presyo ng output ng Flash. Nakadepende ang aktuwal na gastos sa dami ng input at output, oras ng paggamit at naaangkop na caching.

Naiulat din ang presyo ng cache hit ng Flash na $0.003 kada isang milyong token. Nagbibigay-daan ang cache sa serbisyo na muling gamitin ang input na naproseso na dati. Kabilang sa mga nakalistang kakayahan nito ang direktang pag-input ng larawan sa modelo.

Kabilang sa iniulat na kapasidad ng V4 Pro ang context window na isang milyong token at limitasyon sa output na 384,000 token. Ang context window ay ang dami ng impormasyong kayang isaalang-alang ng modelo sa isang kahilingan. Inilalarawan ng mga detalyeng ito ang umiiral na produkto na gagamiting batayan ng mga customer sa paghahambing sa susunod na Pro release.

Ano ang Magiging Patunay ng Opisyal na Pag-update?

Magbibigay sa mga user ng tiyak na produktong masusuri ang anunsiyo ng paglabas na magpapangalan sa V4.1 Pro. Magbibigay naman ng praktikal na detalye, gaya ng paraan ng pag-access, presyo at mga sinusuportahang kakayahan, ang katugmang entry sa dokumentasyon ng API, repository ng modelo at pag-update ng presyo.

Ayon sa pagsusuri sa pampublikong impormasyon ng DeepSeek tungkol sa mga release, ang pinakabagong kaugnay na repository ay DeepSeek-V4.1-Flash, na ginawa noong Setyembre 10, 2026. Sinabi rin nitong hindi binanggit ang pangalang V4.1-Pro o V4.1 Pro sa 51-pahinang teknikal na ulat na kasama ng Flash. Nakatuon pa rin sa Flash at V4 Pro ang pampublikong impormasyon tungkol sa produkto na inilarawan sa pagsusuring iyon.

Iminungkahi ng optimistikong espekulasyon kasunod ng mga resulta ng benchmark noong Nobyembre na maaaring ilabas ito sa susunod na linggo. Wala pang ibinigay ang DeepSeek na pampublikong petsa, panahon ng paglabas o quarter sa impormasyong inilarawan. Sa ngayon, ang kongkretong balita ay ang iniulat na pagbuti sa paulit-ulit na pagkumpleto ng gawain sa ilalim ng kasalukuyang pangalang V4 Pro.

Mahahalagang Punto

• Natapos ng V4 Pro ang 32 sa 50 gawain sa LobeBench, kumpara sa 24 ng V4 Pro-0813.
• Tumaas ang marka mula 48% tungo sa 64%, o 16 na puntos-porsiyento.
• Lumitaw ang pangunahing pagbuti sa mga gawaing nangangailangan ng tatlong sunod-sunod na matagumpay na pagkumpleto.
• Naranasan ng DeepSeek ang bahagyang pagkaantala ng serbisyo noong Nobyembre 3 at Nobyembre 7, na nakaapekto sa chat at dalawang serbisyo ng API.
• Tila Flash ang tinutukoy ng mga pagbabago sa fingerprint noong Oktubre, samantalang Pro ang tinutukoy ng paghahambing sa benchmark noong Nobyembre.
• Hindi pa nakukumpirma ang pagkakakilanlan, petsa ng paglabas at presyo ng V4.1 Pro.