DeepSeek V4 Pro 0813

मूल लेख ↗ Hacker News चर्चा ↗

DeepSeek का नया V4 Pro 0813 मॉडल अपने ही V4 Flash वैरिएंट और Claude Opus, Fable, तथा OpenAI के Sol/Luna जैसे US “frontier” मॉडलों से तुलना में देखा जा रहा है: बेंचमार्क इसे बहुत शीर्ष प्रणालियों से थोड़ा नीचे रखते हैं, लेकिन प्रति कार्य लागत के एक छोटे हिस्से पर, खासकर जब DeepSeek की आक्रामक prompt caching का उपयोग किया जाए। कई इंजीनियरों का कहना है कि रोज़मर्रा की कोडिंग के लिए Flash अभी भी सबसे अच्छा price-performance देता है, जबकि Pro योजना बनाने, ऑडिट करने, और कठिन reasoning कार्यों के लिए उपयोगी हो सकता है, हालांकि नतीजे चुने गए agent harness और workflow पर बहुत निर्भर करते हैं। टिप्पणीकार privacy, पश्चिमी उद्यमों में चीनी मॉडलों को अपनाने, और DeepSeek द्वारा घोषित उच्च, peak/off-peak pricing की ओर बदलाव को भी तौलते हैं, जो फिर भी इसे पश्चिमी प्रतिस्पर्धियों से कहीं सस्ता छोड़ सकता है.

अन्य मॉडलों के मुकाबले समग्र स्थिति

  • बेंचमार्क दिखाते हैं कि DeepSeek V4 Pro 0813, Fable 5 / Opus 5 श्रेणी के करीब है और GLM 5.2 से ऊपर है, जबकि Flash बहुत पीछे नहीं है।
  • उपयोगकर्ता इसकी तुलना Qwen3.8-max, Kimi-K3, GPT-5.6 (Luna/Sol), Grok 4.6, MiMo, GLM 5.2 से करते हैं: सामान्य सहमति है कि यह “फ्रंटियर के पास” है, लेकिन स्पष्ट रूप से सर्वश्रेष्ठ नहीं।
  • कुछ लोग अपने कार्यों पर Pro को Luna या Kimi से कमजोर बताते हैं; अन्य कहते हैं कि कैशिंग और लागत को शामिल करने पर यह Luna को पीछे छोड़ देता है।

मूल्य निर्धारण, कैशिंग, और सब्सक्रिप्शन

  • रॉ टोकन कीमतें बहुत कम हैं; भारी कैश रीड्स के साथ, कुछ लोग इसे Opus की तुलना में प्रति कार्य 10–60 गुना सस्ता, और कोडिंग हर्नेस के लिए Luna से भी सस्ता बताते हैं।
  • DeepSeek पीक/ऑफ-पीक मूल्य निर्धारण ला रहा है और भविष्य में “महत्वपूर्ण” बढ़ोतरी की चेतावनी दे रहा है; समय और सटीक नई दरों को लेकर अभी भी भ्रम है।
  • बहस: API टोकन खरीदार बनाम भारी सब्सिडी वाले ChatGPT/Claude सब्सक्रिप्शन। कई लोग नोट करते हैं कि सब्सक्रिप्शन प्रभावी रूप से सभी प्रति-टोकन मूल्य निर्धारण को मात दे सकते हैं।

Pro बनाम Flash और वास्तविक दुनिया की कोडिंग

  • बेंचमार्क: कोडिंग/एजेंट कार्यों में Pro, Flash से लगभग 5 अंक ऊपर है, लेकिन कई लोगों को Flash “काफी अच्छा” और बहुत सस्ता लगता है।
  • कुछ वर्कफ़्लो: “Pro योजना बनाता है, Flash लागू करता है” या उल्टा; अन्य लोग फ्रंटियर मॉडल (Sol/Fable/Opus) का उपयोग योजना/समीक्षा के लिए और DeepSeek का उपयोग कार्यान्वयन के लिए करते हैं।
  • कई लोग नोट करते हैं कि Pro धीमा लगता है और Flash की तुलना में हमेशा अतिरिक्त लागत के लायक नहीं है; अन्य कहते हैं कि Pro प्रति कार्य अधिक भरोसेमंद है और कम वाचाल है।
  • इस बात पर मजबूत सहमति है कि हर्नेस/टूलिंग बहुत मायने रखती है: Pi, OpenCode, Codex, आदि के बीच परिणाम बहुत अलग होते हैं।

गुणवत्ता, भ्रम-उत्पादन, और डोमेन

  • मिश्रित रिपोर्ट: कुछ लोग Pro को pass@1 पर “अविश्वसनीय” लेकिन pass@3 पर मजबूत कहते हैं; अन्य कहते हैं कि यह अपने multi-shot agent loops में Sol/Fable के बराबर है या उनसे बेहतर है।
  • ArtificialAnalysis की hallucination मीट्रिक्स reportedly DeepSeek मॉडलों के लिए खराब हैं; कुछ उपयोगकर्ता गैर-कोडिंग या बहुभाषी गद्य में अधिक hallucinations की पुष्टि करते हैं।
  • सुरक्षा समीक्षा, प्रदर्शन ट्यूनिंग, रिसर्च/मूल्यांकन, और agentic loops के लिए, कई उपयोगकर्ता Pro की प्रति-डॉलर क्षमता से प्रभावित हैं।

गोपनीयता, राजनीति, और होस्टिंग

  • DeepSeek के डेटा रिटेंशन और prompts पर प्रशिक्षण को लेकर चिंताएँ; कुछ लोग zero-retention provider आने तक benchmark करने से इनकार करते हैं।
  • अन्य इन चिंताओं को खारिज करते हैं, या US jurisdiction के बाहर डेटा को भी प्राथमिकता देते हैं।
  • उद्यम, नियामकीय/राजनीतिक जोखिम के कारण, चीनी मूल के मॉडलों से बच सकते हैं, भले ही वे US/EU में होस्ट किए गए हों या स्थानीय रूप से चलाए जा रहे हों।

इकोसिस्टम और डिप्लॉयमेंट

  • Pro 0813 के weights अभी व्यापक रूप से उपलब्ध नहीं हैं; Flash को पहले से ही स्थानीय रूप से चलाया जा सकता है और इसे “too cheap to meter” कहा जा रहा है।
  • उपयोगकर्ता बेहतर कैशिंग, गोपनीयता नियंत्रण, या कम शुल्क के लिए OpenRouter के विकल्पों (अन्य routers, direct API use) पर चर्चा करते हैं।