DeepSeek görme yetisi ekliyor, Nvidia başarımı düzeneğe ve önbelleğe taşıyor
DeepSeek deneysel Flash modeline görsel anlama ekledi. Nvidia araştırmacıları ise ARC-AGI-3 başarımını modelin çevresindeki düzenekle yükseltti ve bir modelin istem önbelleğini yeniden eğitim olmadan başka modele aktardı.
Yapay Zekâ··Öğle
DeepSeek Flash görselleri API üzerinden okuyor
DeepSeek, V4-Flash'a görsel anlama ekleyen deneysel DeepSeek-V4-Flash-Vision-Exp modelini geliştirici platformunda yayımladı. Erişim yalnızca API üzerinden sağlanıyor ve ağırlıklar açık değil. Şirket, metin başarımının değişmediğini ve çoklu ortam eylemci ölçümlerinde Opus-4.8'e yaklaşıldığını söylüyor; bu karşılaştırmanın arkasında bağımsız bir sınama bulunmuyor. Görseller, her biri en çok 384 belirteç olacak biçimde ücretlendiriliyor; haberlerde istek başına 600 görsel sınırı da aktarılıyor.[1]
Nvidia düzenekle ARC-AGI-3 sonucunu yükseltiyor
Nvidia'nın Agentic Variation Operators çalışması, mevcut Claude Opus 5 modelinin çevresine bellek, araçlar ve bir denetleyici bileşen yerleştiriyor. Yönergesiz iki boyutlu oyunlardan oluşan ARC-AGI-3 ölçümünde model tek başına yüzde 30 alırken, bu düzenekle yüzde 100 sonuca ulaştı. Nvidia, açık düzeneklerin ekiplere doğruluğu etkileyen daha fazla ayar sunduğunu savunuyor. TechCrunch da OpenAI'nin iki düzenek ayarıyla kendi sonucunu üçe katladığını, ancak Nvidia'nın düzeyine ulaşamadığını aktarıyor.[2]
Bir modelin istem belleği diğerine aktarılıyor
Nvidia araştırmacıları, bir modelin istemi okurken oluşturduğu anahtar-değer önbelleğini doğrusal bir dönüşümle ikinci modele eşledi. Qwen3 14B'den 32B modeline 32.768 belirteçlik aktarım 278 ms sürdü; standart yeniden ön doldurma 7 saniye alıyordu. Denemelerde aktarım 2,7 kat ile 25 kat arasında hızlandı ve hedef modelin tek başına doğruluğunun yüzde 98'ine kadarını korudu. Doğrusal yöntem Ministral çiftlerinde işlemedi; yüzde 90'ın üzerine çıkmak için doğrusal olmayan bir ağ gerekti.[3]
