DeepSeek ने V4 Pro general-availability (GA) मॉडल रिलीज़ किया है। शुरुआती माप बताते हैं कि यह preview build की तुलना में reasoning-token के उपयोग को 18% से 62% तक कम कर देता है। यह उन सभी के लिए महत्वपूर्ण है जो प्रति टोकन भुगतान करते हैं: समान प्रॉम्प्ट्स की लागत अब काफी कम हो गई है, जबकि आउटपुट अभी भी तुलनीय है।

तुलना की आवश्यकता क्यों पड़ी

GA रिलीज़ बिना किसी ब्लॉग पोस्ट या changelog के आई, इसलिए डेवलपर्स को अंतर खुद ही खोजने पड़े। एक कम्युनिटी टेस्ट में दोनों वर्ज़न पर एक जैसे टास्क चलाए गए और सबसे बड़ा बदलाव पाया गया—जवाब देने से पहले मॉडल द्वारा "सोचने" (thinking) में खर्च किए जाने वाले टोकन में भारी गिरावट। मामूली खोज (trivial look-ups) पर GA मॉडल ने 62% कम reasoning tokens का उपयोग किया; अधिक जटिल प्रश्नों पर यह कमी 18% थी।

टोकन दक्षता और इसका प्रभाव

एक सामान्य extraction workflow में, preview build ने एक प्रॉम्प्ट से कुछ फ़ील्ड्स निकालने के लिए 159 reasoning tokens खर्च किए। "thinking" फीचर को डिसेबल करके GA build पर स्विच करने से यह संख्या घटकर केवल 40 टोकन रह गई। मीटर वाले प्लान (metered plans) का उपयोग करने वाले उपयोगकर्ताओं के लिए, यह बचत सीधे तौर पर कम बिल में बदल जाती है, विशेष रूप से बड़े पैमाने पर।

JSON extraction: एक छिपी हुई समस्या

जब "thinking" मोड ऑन होता है, तो दोनों बिल्ड्स में समस्या आती है: वे JSON schema चेक तो पास कर लेते हैं लेकिन गलत न्यूमेरिक वैल्यूज़ डाल देते हैं। केवल GA वर्ज़न ही सही JSON देता है जब "thinking" बंद होता है। जिन टीमों को structured output की आवश्यकता है, उन्हें extraction टास्क के लिए thinking flag को डिसेबल कर देना चाहिए, अन्यथा उन्हें सिंटैक्स के हिसाब से सही लेकिन संख्यात्मक रूप से गलत डेटा प्राप्त होगा।

रिफ्यूज़ल हैंडलिंग (Refusal handling) ने स्थिति बदल दी

Preview मॉडल उस प्रश्न को अस्वीकार कर सकता था जिसे वह अनुत्तरित मानता था, और जवाब देता था "मुझे नहीं पता।" GA मॉडल अब ऐसा नहीं करता है। इसके बजाय, या तो यह बिना जवाब दिए अपना टोकन बजट खत्म कर देता है या फिर एक मनगढ़ंत (fabricated) जवाब देता है। यह बदलाव टोकन दक्षता में सुधार करता है लेकिन उस सेफ्टी नेट को हटा देता है जो मॉडल को अज्ञात विषयों पर hallucinating होने से रोकता था।

विश्वसनीयता में वृद्धि

Preview build में एक खतरनाक लूप—जो एक मामूली "thinking" बजट के कारण शुरू होता था—मॉडल को तब तक एक ही टेक्स्ट दोहराने पर मजबूर कर सकता था जब तक कि 8,192-टोकन की विंडो भर नहीं जाती थी। GA रिलीज़ इस बग को ठीक करती है, जिससे वह अनियंत्रित दोहराव समाप्त हो जाता है जो पहले रिक्वेस्ट विंडो को खत्म करने और लागत बढ़ाने का जोखिम पैदा करता था।

उपयोगकर्ताओं को किन बातों का ध्यान रखना चाहिए

  • कम टोकन काउंट के लिए GA build का उपयोग करें। टास्क की जटिलता के बावजूद टोकन में कमी देखी गई है।
  • किसी भी JSON या structured-data extraction के लिए “thinking” को बंद कर दें। इससे सही वैल्यूज़ मिलती हैं और टोकन का उपयोग न्यूनतम रहता है।
  • इन-बिल्ट रिफ्यूज़ल (built-in refusals) पर भरोसा न करें। यदि कोई प्रॉम्प्ट ऐसे डेटा के लिए पूछता है जिसे सत्यापित नहीं किया जा सकता, तो GA मॉडल फिर भी जवाब दे सकता है, इसलिए डाउनस्ट्रीम वैलिडेशन (downstream validation) आवश्यक बना रहता है।
  • पीक-ऑवर बिलिंग पर नज़र रखें। नए प्राइसिंग नियम हाई-ट्रैफ़िक अवधि के दौरान टोकन खपत को पहले की तुलना में कुल खर्च पर अधिक तेज़ी से प्रभावित करते हैं।

निष्कर्ष

DeepSeek का V4 Pro GA मॉडल स्पष्ट दक्षता लाभ प्रदान करता है—62% तक कम reasoning tokens—और एक महत्वपूर्ण रिपिटिशन बग को ठीक करता है। हालाँकि, स्पष्ट रिफ्यूज़ल रिस्पॉन्स का न होना और सटीक JSON आउटपुट के लिए thinking को डिसेबल करने की आवश्यकता नए विचारणीय बिंदु जोड़ती है। जो टीमें अपने पाइपलाइन्स को अनुकूलित करती हैं, वे कार्यक्षमता से समझौता किए बिना लागत कम कर सकती हैं।

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