Il modello economico di DeepSeek ora può vedere e supera l'Opus 4.8 con due test visivi
V4-Flash-Vision-Exp aggiunge la comprensione delle immagini al modello più piccolo di DeepSeek. Le immagini vengono fatturate fino a 384 token ciascuna, allo stesso prezzo del testo.
DeepSeek ha rilasciato il 21 agosto una versione sperimentale del suo modello più piccolo in grado di guardare le immagini. V4-Flash-Vision-Exp è attivo sulla piattaforma API dell’azienda, mantiene le capacità di testo dell’attuale V4-Flash e aggiunge in più la comprensione delle immagini.
I due numeri citati dalle persone provengono da benchmark visivi. Su ALE, una serie di lunghe attività applicative in più fasi, il modello di DeepSeek ha ottenuto 27,3 contro Opus 4.8 di Anthropic a 25,7. Su ZeroBench, una raccolta di 100 puzzle di analisi delle immagini deliberatamente difficili, ha raggiunto 35,0 rispetto a 34,0 di Opus 4.8. Entrambe sono vittorie di misura su due test, non un’affermazione generale di superiorità, e lo stesso DeepSeek lo esprime in modo più modesto: le prestazioni dell’agente multimodale sono ora “vicine a Opus-4.8”. Il modello base sottostante è un design misto di esperti, il che significa che il modello completo contiene una grande quantità di parametri ma ne attiva solo una piccola parte per ogni determinata richiesta, motivo per cui rimane economico da gestire.
I dettagli pratici contano più della classifica. Le immagini vengono convertite in token per la fatturazione fino a 384 token ciascuna, addebitati alla normale tariffa V4-Flash, quindi aggiungere uno screenshot a una richiesta costa all’incirca quanto pochi paragrafi di testo. DeepSeek ha anche attivato un’API File lo stesso giorno: carichi un’immagine una volta, ottieni indietro un ID file e fai riferimento a quell’ID nelle richieste successive invece di ricaricarlo. È gratuito e consente di risparmiare molta larghezza di banda se si invia ripetutamente lo stesso documento o diagramma.
La parola “sperimentale” nel nome del modello sta facendo un vero lavoro. DeepSeek ha già utilizzato il suffisso “-Exp” per modelli che vengono testati in pubblico, modificati e successivamente inseriti in una versione stabile. Non costruire ancora nulla da cui dipendi intorno. Vale anche la pena saperlo: questa è una versione solo API. DeepSeek ha già pubblicato pesi aperti per molti dei suoi modelli, incluso V4-Flash a luglio, ma finora non è stato pubblicato nulla per la variante con visione. Lo schema più ampio è che la visione non è più una caratteristica premium riservata ai modelli più grandi e costosi. Una volta che un modello economico è in grado di leggere in modo affidabile uno screenshot, un grafico o una fattura scansionata, molte delle automazioni quotidiane diventano accessibili e prima non lo erano.
Che cosa significa per te: se sei semplicemente curioso riguardo all’intelligenza artificiale, la conclusione è che “può guardare il mio screenshot” sta rapidamente diventando una funzionalità standard anziché un punto di forza. Se costruisci con questi strumenti, il numero interessante è il prezzo, non il benchmark: l’input di immagini alla velocità del testo rende l’elaborazione dei documenti, il debug degli screenshot e la lettura dei grafici abbastanza economici da poter essere provati su un volume reale. Un giusto avvertimento prima di emozionarti: i modelli sperimentali possono cambiare o scomparire, e le lacune nei benchmark qui sono intorno a un punto, che è ben all’interno dell’intervallo in cui un test diverso capovolgerebbe la classifica.
Fonti
I modelli gratuiti di Google hanno superato il miliardo di download. Alcuni di loro corrono in orbita
Gemma ha superato il miliardo di download e 100.000 varianti della community in due anni. Qwen di Alibaba aveva rivendicato tre miliardi cinque giorni prima.
