DeepSeek Harness Guide
بازگشت به وبلاگ

DeepSeek V4-Flash-Vision-Exp در dsh v0.1.1 آمد

DeepSeek مدل بینایی هم‌قیمت با V4-Flash عرضه کرد، و dsh v0.1.1-rc.1 هم تطبیقش می‌دهد و هم یک فرار سندباکس Bubblewrap را درست می‌کند.

۳۰ مرداد ۱۴۰۵DSH Field KitDSH Field Kit

در August 21 DeepSeek دو چیز را چند ساعت فاصله عرضه کرد، و یک داستان‌اند: مدل بینایی روی API، و انتشار dsh که می‌تواند آن را براند.

اول ارتقا: فرار سندباکس درست شد

v0.1.1-rc.1 یک فرار سندباکس Bubblewrap را درست می‌کند — فرایندهای محدود می‌توانستند از مسیر /proc/<pid>/root از محدودیت‌ها بگذرند. اگر dsh را با سندباکس Bubblewrap پیچیده دور کدی که به آن اعتماد ندارید اجرا می‌کنید، همین دلیل است که الان ارتقا دهید نه وقتی حوصله داشتید.

این همچنین نخستین پرش شمارهٔ نسخه از زمان راه‌اندازی است: هر انتشار پیش از این نامزد انتشار 0.1.0 بود، و این 0.1.1-rc.1 است.

مدل بینایی

deepseek-v4-flash-vision-exp. آزمایشی، کانتکست 1M.

  • متن: هم‌تراز با V4-Flash، به گفتهٔ DeepSeek.
  • بینایی: روی بنچ‌های عامل بصری به‌طور قابل‌توجه جلوتر از Flash فقط‌متنی — خودِ واژه‌بندی DeepSeek آن را نزدیک Opus-4.8 می‌گذارد.
  • قیمت: یکسان با V4-Flash. بینایی اضافهٔ قیمت ندارد.

| به‌ازای هر میلیون token | اوج | خارج از اوج | | --- | --- | --- | | ورودی، اصابت کش | $0.014 | $0.007 | | ورودی، عدم اصابت کش | $0.44 | $0.22 | | خروجی | $1.32 | $0.66 |

بنچ‌های گزارش‌شدهٔ فروشنده: Terminal Bench 2.1 83.9 (V4-Flash امتیاز 82.7 گرفت)، DeepSWE 59.3، DSBench-Hard 63.6، Chartography 64.3، ZeroBench (Pass@5) 35.0، Agents' Last Exam 27.3.

دو قید ارزش نگه داشتن. این‌ها رقم‌های خود DeepSeek هستند، کسی دیگر بازتولید نکرده. و Exp یعنی آزمایشی — وعدهٔ پایداری نیست، و نقاط پایانی آزمایشی همان‌هایی‌اند که جمع می‌شوند.

استفاده از آن از dsh

آداپتور DeepSeek در v0.1.1-rc.1 مدل را حمل می‌کند، پس پس از ارتقا به‌عنوان گزینهٔ مدل ظاهر می‌شود. لوله‌کشی از قبل بود: rc.8 درخواست تصویر بومی، ورودی تصویر برای /goal و /plan، و ارجاع فایل و نشست در منوی @ را افزود. مدل به رابطی می‌رسد که از قبل می‌تواند به آن تصویر بدهد.

باقی v0.1.1-rc.1

  • اشکال چیدمان هنگام ویرایش متن قبل از یک ارجاع @ در کامپوزر درست شد.
  • جدول‌های Markdown واکنش‌گرا در گفتگوها؛ دقت صادقانه برای نسبت اصابت کش در بازهٔ 99.x%؛ ناوبری سرآیند گفتگوی زیرعامل.
  • پاسخ‌های ask_user_question چند خط می‌پذیرند، با پیچیدن سطر و Shift+Enter برای خط جدید.

آهنگ انتشار از راه‌اندازی تقریباً هر دو روز یک RC مانده: rc.7 در 17، rc.8 در 19، این یکی در 21.

منابع