DeepSeek એ ૧૪ સપ્ટેમ્બર ૨૦૨૬ ના રોજ જાહેરાત કરી હતી કે તે તેનું V4-Pro લાર્જ-લેંગ્વેજ મોડલ (LLM) નિવૃત્ત કરશે અને દરેક API વિનંતીને નવા V4.1-Flash વર્ઝન પર મોકલશે.
DeepSeek શા માટે V4-Pro બંધ કરી રહ્યું છે
લોન્ચિંગથી જ V4-Pro એ DeepSeek ની ટોપ-ટિયર ઓફરિંગ રહી છે, જેને વ્યાપક જ્ઞાન ધરાવતા જનરલ-પર્પઝ LLM તરીકે માર્કેટ કરવામાં આવી છે. છેલ્લા એક વર્ષ દરમિયાન, કંપનીએ તેના API ગ્રાહકો માટે મહત્વના કાર્યો પર V4.1-Flash ને V4-Pro સામે માપ્યું છે: કોડ જનરેશન, ટર્મિનલ કમાન્ડ સિન્થેસિસ અને ટૂંકા પ્રોમ્પ્ટ્સ પર ઝડપી પ્રતિસાદ. ડેટા દર્શાવે છે કે નવું મોડલ ઝડપથી ચાલે છે, દરેક વિનંતી દીઠ ઓછો ખર્ચ થાય છે, અને વિવિધ કાર્ય-વિશિષ્ટ બેન્ચમાર્ક પર વધુ સ્કોર મેળવે છે.
આ ફેરફાર બજારના દબાણને પ્રતિબિંબિત કરે છે. ક્લાઉડ-આધારિત AI સેવાઓ હવે પ્રતિ ટોકન અથવા પ્રતિ કમ્પ્યુટ યુનિટ ચાર્જ કરે છે, અને ડેવલપર્સ ઝડપ સાથે સમાધાન કર્યા વિના ઓપરેટિંગ ખર્ચ ઘટાડવા માટે રસ્તાઓ શોધી રહ્યા છે. તમામ ટ્રાફિકને V4.1-Flash પર ખસેડીને, DeepSeek V4-Pro ને ચલાવતી વધુ ખર્ચાળ ઇન્ફરન્સ પાઇપલાઇનને બંધ કરી શકે છે અને બચતનો લાભ વપરાશકર્તાઓને આપી શકે છે.
એક નજરમાં કામગીરી અને ખર્ચ
| બેન્ચમાર્ક | V4.1-Flash | V4-Pro |
|---|---|---|
| Terminal-Bench 2.1 (કોડિંગ અને કમાન્ડ જનરેશન) | 90.6 | 87.9 |
| Terminal-Bench 4.0 (જટિલ મલ્ટી-સ્ટેપ કાર્યો) | 31.2 | 12.4 |
| DeepSWE v1.1 (સોફ્ટવેર-એન્જિનિયરિંગ રીઝનિંગ) | 74.2 | 62.7 |
દરેક ટેસ્ટમાં V4.1-Flash વધુ સ્કોર કરે છે, ક્યારેક મોટા અંતરથી. DeepSeek ના આંતરિક સરખામણી મુજબ, આ મોડલ સમાન કોડિંગ-કેન્દ્રિત બેન્ચમાર્ક પર Claude Opus 5 અને GPT-5.6 Sol કરતા પણ વધુ સારું પ્રદર્શન કરે છે.
સામાન્ય કાર્ય દીઠ ખર્ચ પણ સમાન પેટર્ન દર્શાવે છે:
- GLM-5.3-Flash: $0.25
- DeepSeek V4.1-Flash: $0.27
- Moonshot Kimi K3: $2.00
જ્યારે ડેવલપર્સ મોટા અને મોંઘા વિકલ્પને બદલે Flash પસંદ કરે છે, ત્યારે તેઓ અંદાજે આઠમાં ભાગના ખર્ચમાં સમાન બુદ્ધિપ્રતિભા મેળવી શકે છે.
સમજૂતી (Trade-off): ઓછું એન્સાયક્લોપેડિક જ્ઞાન
કાર્યક્ષમતામાં વધારો થવાથી તથ્યપૂર્ણ યાદશક્તિ (factual recall) માં ઘટાડો થાય છે. SimpleQA-Verified ફેક્ટ-ચેકિંગ બેન્ચમાર્ક પર, V4.1-Flash 42.3 સ્કોર કરે છે જ્યારે V4-Pro એ 55.2 સ્કોર કર્યો હતો. DeepSeek નવા મોડલને “એક બહેતર કામદાર પરંતુ નબળું એન્સાયક્લોપીડિયા” તરીકે વર્ણવે છે. જે એપ્લિકેશન્સ તાજા વિશ્વ જ્ઞાન પર વધુ આધાર રાખે છે—જેમ કે સમાચારનો સારાંશ, કાનૂની સંશોધન—તેમને બાહ્ય નોલેજ બેઝ અથવા મોટા મોડલના વિકલ્પની જરૂર પડી શકે છે.
ઉદ્યોગ પોતાને કેવી રીતે સ્થાપિત કરી રહ્યો છે
DeepSeek નું આ સંપૂર્ણ બદલાવ અન્ય AI પ્રદાતાઓથી અલગ છે:
- Z.ai કોમ્પેક્ટથી લઈને મોટા એમ વિવિધ પ્રકારના મોડલ્સ ઓફર કરે છે, જે ગ્રાહકોને દરેક પ્રોજેક્ટ માટે સ્કેલ અને કાર્યક્ષમતા વચ્ચે સંતુલન જાળવવામાં મદદ કરે છે.
- Moonshot તેના Kimi K3 મોડલ સાથે કદ (size) પર વધુ ધ્યાન આપે છે, જે કાચા ક્ષમતા (raw capacity) માટે ઊંચા ખર્ચને સ્વીકારે છે.
- DeepSeek એ દરેક API વિનંતીને Flash પર મૂકી દીધી છે, એવો દાવ લગાવતા કે બજાર માત્ર સ્કેલ કરતા ઝડપ અને કિંમતને વધુ પ્રાધાન્ય આપશે.
આ અલગ-અલગ અભિગમો દર્શાવે છે કે બજાર હજુ સુધી કોઈ એક માર્ગ પર સ્થિર થયું નથી. કેટલાક ડેવલપર્સ હજુ પણ વિશાળ મોડલ્સની વ્યાપકતાને મહત્વ આપે છે; અન્ય લોકો તેના બદલે ઝડપી અને સસ્તા પ્રતિસાદ પસંદ કરે છે.
ડેવલપર્સ માટે વ્યવહારુ સલાહ
- માત્ર તેના નામ અથવા ટોકન કિંમત પરથી મોડલ પસંદ કરશો નહીં. તમે જે કાર્યોમાં રસ ધરાવો છો તેમાં “Flash” મોડલ “Pro” મોડલ કરતા વધુ સારું પ્રદર્શન કરી શકે છે.
- તમારા સ્ટેકમાં લવચીકતા (flexibility) રાખો. તમારા સિસ્ટમને એવી રીતે ડિઝાઇન કરો કે મોટા ફેરફારો કર્યા વિના પ્રોવાઈડર્સ અથવા મોડલ વર્ઝન વચ્ચે સ્વિચ કરી શકાય.
- તમારા પોતાના ડેટા સાથે ચકાસણી કરો. પબ્લિક બેન્ચમાર્ક એક ઉપયોગી બેઝલાઇન આપે છે, પરંતુ વાસ્તવિક દુનિયાનું પ્રદર્શન તમારા વર્કલોડ પર આધાર રાખે છે.
આ પગલાં અનુસરવાથી ટીમોને લોક-ઇન (lock-in) થી બચવામાં અને LLM ઇકોસિસ્ટમ વિકસિત થવાની સાથે શ્રેષ્ઠ મૂલ્ય મેળવવામાં મદદ મળે છે.
આગળ શું જોવું
V4-Pro ને નિવૃત્ત કરવાથી કાર્યક્ષમતા-કેન્દ્રિત LLMs તરફ સ્પષ્ટ વળાંક સૂચવે છે. આ “ફ્લેગશિપ” યુગનો અંત લાવશે કે ઝડપથી બદલાતા બજારનો નવો તબક્કો શરૂ કરશે તે જોવાનું બાકી છે, પરંતુ જે ડેવલપર્સ ચપળ (agile) રહેશે તેઓ આ ફેરફારનો લાભ લેવા માટે શ્રેષ્ઠ રીતે સજ્જ હશે.