DeepSeek نے V4 Pro general-availability (GA) ماڈل جاری کر دیا ہے۔ ابتدائی پیمائشوں سے پتہ چلتا ہے کہ یہ preview build کے مقابلے میں reasoning-token کے استعمال میں 18% سے 62% تک کمی کرتا ہے۔ یہ ان تمام لوگوں کے لیے اہم ہے جو فی ٹوکن ادائیگی کرتے ہیں: اب وہی پرامپٹس (prompts) نمایاں طور پر کم قیمت میں دستیاب ہیں جبکہ ان کا آؤٹ پٹ اب بھی اسی معیار کا ہے۔

اس موازنے کی وجہ کیا تھی

GA ریلیز بغیر کسی بلاگ پوسٹ یا چینج لاگ (changelog) کے آئی، اس لیے ڈویلپرز کو خود فرق تلاش کرنا پڑا۔ کمیونٹی کے ایک ٹیسٹ میں دونوں ورژنز پر ایک جیسے ٹاسک چلا کر دیکھا گیا اور سب سے بڑی تبدیلی سامنے آئی—یعنی جواب دینے سے پہلے ماڈل کے "thinking" میں صرف ہونے والے ٹوکنز میں شدید کمی۔ معمولی معلومات کی تلاش (look-ups) پر GA ماڈل نے 62% کم reasoning tokens استعمال کیے؛ جبکہ پیچیدہ سوالات پر یہ کمی 18% تھی۔

ٹوکن کی کارکردگی اور اس کے اثرات

ایک عام extraction workflow میں، preview build نے ایک پرامپٹ سے چند فیلڈز نکالنے کے لیے 159 reasoning tokens استعمال کیے۔ "thinking" فیچر کو غیر فعال (disable) کر کے GA build پر منتقل ہونے سے یہ تعداد کم ہو کر صرف 40 ٹوکنز رہ گئی۔ میٹرڈ پلانز (metered plans) استعمال کرنے والے صارفین کے لیے، یہ بچت براہ راست کم بلوں کی صورت میں نظر آتی ہے، خاص طور پر بڑے پیمانے پر کام کرنے والوں کے لیے۔

JSON extraction: ایک پوشیدہ رکاوٹ

جب "thinking" موڈ آن ہو تو دونوں builds غلطی کرتے ہیں: وہ JSON schema چیک تو پاس کر لیتے ہیں لیکن غلط عددی (numeric) ویلیوز درج کر دیتے ہیں۔ صرف GA ورژن ہی درست JSON فراہم کرتا ہے جب "thinking" کو بند کر دیا جائے۔ وہ ٹیمیں جنہیں structured output کی ضرورت ہے، انہیں extraction ٹاسکس کے لیے thinking flag کو غیر فعال کر دینا چاہیے، ورنہ انہیں ایسا ڈیٹا ملے گا جو ساخت (syntax) کے لحاظ سے تو درست ہوگا لیکن اعداد و شمار کے لحاظ سے غلط ہوگا۔

انکار کرنے کے طریقے میں تبدیلی

Preview ماڈل ایسے سوال کا جواب دینے سے انکار کر سکتا تھا جسے وہ ناقابلِ جواب سمجھتا تھا، اور جواب میں "I do not know" کہہ دیتا تھا۔ GA ماڈل اب ایسا نہیں کرتا۔ اس کے بجائے، یا تو یہ جواب دیے بغیر اپنا ٹوکن بجٹ ختم کر دیتا ہے یا پھر خود سے کوئی جواب گھڑ لیتا ہے۔ یہ تبدیلی ٹوکن کی کارکردگی کو تو بہتر بناتی ہے لیکن اس حفاظتی جال (safety net) کو ختم کر دیتی ہے جو ماڈل کو نامعلوم موضوعات پر غلط معلومات (hallucinating) دینے سے روکتا تھا۔

بھروسہ مندی میں اضافہ

Preview build میں ایک خطرناک لوپ (loop)—جو ایک محدود "thinking" بجٹ کی وجہ سے پیدا ہوتا تھا—ماڈل کو ایک ہی متن بار بار دہرانے پر مجبور کر سکتا تھا جب تک کہ 8,192-token کی حد ختم نہ ہو جائے۔ GA ریلیز اس بگ (bug) کو ٹھیک کر دیتی ہے، جس سے اس بے لگام تکرار کا خاتمہ ہو گیا ہے جو پہلے ریکوسٹ ونڈو کو ختم کرنے اور اخراجات بڑھانے کا خطرہ پیدا کرتی تھی۔

صارفین کو کن باتوں کا خیال رکھنا چاہیے

  • کم ٹوکنز کے لیے GA build استعمال کریں۔ ٹاسک کی پیچیدگی کے باوجود ٹوکنز میں کمی برقرار رہتی ہے۔
  • کسی بھی JSON یا structured-data extraction کے لیے "thinking" کو بند کر دیں۔ اس سے درست ویلیوز حاصل ہوتی ہیں اور ٹوکن کا استعمال بھی کم سے کم رہتا ہے۔
  • انکار کرنے کے خودکار نظام پر بھروسہ نہ کریں۔ اگر کوئی پرامپٹ ایسے ڈیٹا کا مطالبہ کرتا ہے جس کی تصدیق نہ کی جا سکے، تو GA ماڈل پھر بھی جواب دے سکتا ہے، اس لیے بعد میں ڈیٹا کی تصدیق (validation) کرنا ضروری ہے۔
  • پیک آور (peak-hour) بلنگ پر نظر رکھیں۔ قیمتوں کے نئے قوانین کی وجہ سے زیادہ ٹریفک کے اوقات میں ٹوکنز کا استعمال پہلے کے مقابلے میں مجموعی اخراجات پر زیادہ اثر انداز ہوتا ہے۔

خلاصہ

DeepSeek کا V4 Pro GA ماڈل کارکردگی میں واضح بہتری لاتا ہے—reasoning tokens میں 62% تک کمی—اور ایک اہم تکرار والے بگ (repetition bug) کو بھی ٹھیک کرتا ہے۔ تاہم، واضح طور پر انکار کرنے والے جوابات کا ختم ہونا اور درست JSON آؤٹ پٹ کے لیے "thinking" کو غیر فعال کرنے کی ضرورت، کچھ نئی احتیاطی تدابیر کا تقاضا کرتی ہے۔ وہ ٹیمیں جو اپنے پائپ لائنز (pipelines) کو اس کے مطابق ڈھال لیں گی، وہ فنکشنلٹی پر سمجھوتہ کیے بغیر اخراجات کم کر سکتی ہیں۔

ماخذ: https://dev.to/synthorai/deepseek-v4-pro-ga-vs-preview-measured-18-62-less-thinking-539l