عند مناقشة الذكاء الاصطناعي المحلي، عادة ما تدور المحادثة حول التنازلات. إما أن تحصل على نموذج ضخم يتطلب مزرعة خوادم لتشغيله، أو نموذج صغير يكافح للحفاظ على السياق عبر جلسة برمجة معقدة. يكسر DeepSeek-V4-Flash-0731 هذا الانقسام.
تم إصدار Flash-0731 كترقية خالصة لما بعد التدريب في 31 يوليو 2026، ويشترك تمامًا في نفس بنية MoE التي يبلغ إجماليها 284 مليار / 13 مليار معلمة نشطة مثل المعاينة السابقة. ومع ذلك، فإن القدرات التي تم إطلاقها في هذا التحديث مذهلة. في Terminal Bench 2.1، يقفز إلى 82.7، وهو ما يكاد يتطابق مع الوزن الثقيل مغلق المصدر Opus 4.8. على DeepSWE، يقفز من 7.3 متواضعة إلى 54.4 المهيمنة. يثبت هذا أنك لا تحتاج إلى تريليون معلمة لبناء وكيل بمستوى الحدود؛ تحتاج فقط إلى تعليم نموذج عالي الكفاءة بالضبط كيفية استخدام الأدوات، والتنقل في المحطات، والتعافي من أخطائه.
سحر Flash-0731 يكمن في ندرته (sparsity). نظرًا لأن 13 مليار معلمة فقط نشطة أثناء الاستدلال، فإنها تتطلب عرض نطاق ذاكرة أقل بكثير من النماذج الكثيفة الضخمة أو نماذج MoE الأثقل مثل GLM-5.2. عند تكميمه بعناية باستخدام تنسيقات GGUF الديناميكية لـ Unsloth، يتم ضغط إصدار 3 بت في حوالي 103 جيجابايت من ذاكرة الوصول العشوائي. يتجاوز هذا حدًا حاسمًا: فهو يجعل البرمجة المستقلة على مستوى الحدود في متناول المطورين الأفراد الذين يشغلون أجهزة ذاكرة موحدة سعة 128 جيجابايت، بدلاً من فرق المؤسسات ذات المجموعات متعددة وحدات معالجة الرسومات.
إنه ليس نموذجًا مثاليًا. إنه أعمى تمامًا عن الصور، وإذا اختبرته في أسئلة المعرفة العامة، فإنه يتخلف قليلاً عن GLM-5.2 الأثقل. ولكن بالنسبة لحالة استخدامه المقصودة - العمل كوكيل برمجة لا هوادة فيه وفعال من حيث التكلفة يتدفق عبر مستودعك المحلي - فإنه لا مثيل له.
عندما تأخذ في الاعتبار ترخيص MIT السخي، ونافذة سياق الرمز المميز التي تبلغ 1 مليون، ودعم فك التشفير التخميني DSpark، فإن DeepSeek-V4-Flash-0731 ليس مجرد بديل للنماذج الأكبر؛ إنه مخطط لمستقبل الذكاء الاصطناعي المحلي الفعال. إنه يوفر الذكاء الذي تحتاجه، بالضبط حيث تحتاجه، دون المطالبة بحاسوب عملاق في المقابل.
