DeepSeek தனது V4 Pro general-availability (GA) மாடலை வெளியிட்டுள்ளது. ஆரம்பக்கட்ட அளவீடுகள், preview build உடன் ஒப்பிடும்போது reasoning-token பயன்பாடு 18% முதல் 62% வரை குறைந்துள்ளதைக் காட்டுகின்றன. டோக்கன்களுக்கு ஏற்ப பணம் செலுத்தும் எவருக்கும் இது முக்கியமானது: அதே prompts இப்போது குறிப்பிடத்தக்க அளவு குறைந்த செலவிலேயே, அதே போன்ற வெளியீட்டை வழங்குகின்றன.

ஒப்பீட்டிற்குத் தூண்டுகோலாக இருந்தது என்ன

GA வெளியீடு எந்தவொரு blog post அல்லது changelog இன்றி வந்ததால், டெவலப்பர்கள் மாற்றங்களை தாங்களாகவே கண்டறிய வேண்டியிருந்தது. ஒரு சமூக சோதனை (community test) இரண்டு பதிப்புகளிலும் ஒரே மாதிரியான பணிகளைச் செய்து, மிகப்பெரிய மாற்றத்தைக் கண்டறிந்தது—அதாவது பதிலளிப்பதற்கு முன் மாடல் "thinking" செய்வதற்குச் செலவிடும் டோக்கன்களில் ஏற்பட்டுள்ள பெரும் சரிவு. எளிமையான தேடல்களில் (trivial look-ups), GA மாடல் 62% குறைவான reasoning tokens-களைப் பயன்படுத்தியது; சிக்கலான வினவல்களில் (complex queries) இந்த குறைவு 18% ஆக இருந்தது.

டோக்கன் செயல்திறன் மற்றும் அதன் தாக்கம்

ஒரு வழக்கமான தரவுப் பிரித்தெடுக்கும் பணிப்பாய்வில் (extraction workflow), ஒரு prompt-லிருந்து சில புலங்களை (fields) எடுக்க preview build 159 reasoning tokens-களைப் பயன்படுத்தியது. "thinking" அம்சத்தை முடக்கிவிட்டு GA build-க்கு மாறும்போது, அந்த எண்ணிக்கை 40 tokens ஆகக் குறைந்தது. பயன்பாட்டு அளவின் அடிப்படையில் கட்டணம் செலுத்தும் பயனர்களுக்கு, இது நேரடியாகக் குறைந்த கட்டணமாக மாறும், குறிப்பாகப் பெரிய அளவில் பயன்படுத்தும்போது.

JSON பிரித்தெடுத்தல்: மறைந்திருக்கும் சிக்கல்

"thinking" பயன்முறை ஆன் செய்யப்பட்டிருக்கும் போது, இரண்டு பதிப்புகளுமே தடுமாறுகின்றன: அவை JSON schema சரிபார்ப்பைத் தாண்டினாலும், தவறான எண் மதிப்புகளை (numeric values) உள்ளிடுகின்றன. "thinking" ஆஃப் செய்யப்பட்டிருக்கும் போது மட்டுமே GA பதிப்பு சரியான JSON-ஐ வழங்குகிறது. கட்டமைக்கப்பட்ட வெளியீடு (structured output) தேவைப்படும் குழுக்கள், பிரித்தெடுக்கும் பணிகளுக்கு thinking flag-ஐ முடக்கிவிட வேண்டும், இல்லையெனில் அவர்கள் syntactically சரியான ஆனால் எண்களில் தவறான தரவைப் பெறுவார்கள்.

மறுப்பு கையாளுதல் முறை மாறியுள்ளது

பதில் சொல்ல முடியாத கேள்விகளை preview மாடல் "எனக்குத் தெரியாது" என்று கூறி மறுக்கக்கூடும். GA மாடல் இனி அவ்வாறு செய்வதில்லை. அதற்குப் பதிலாக, அது பதிலளிக்காமல் அதன் token budget-ஐத் தீர்த்துவிடும் அல்லது ஒரு கற்பனையான பதிலை (fabricates a response) உருவாக்கும். இந்த மாற்றம் டோக்கன் செயல்திறனை மேம்படுத்துகிறது, ஆனால் தெரியாத தலைப்புகளில் மாடல் தவறான தகவல்களை உருவாக்குவதைத் (hallucinating) தடுக்கும் பாதுகாப்பு வளையத்தை நீக்குகிறது.

நம்பகத்தன்மை அதிகரிப்பு

Preview build-ல் இருந்த ஒரு ஆபத்தான சுழற்சி (loop)—குறைந்த "thinking" பட்ஜெட்டால் தூண்டப்பட்டது—8,192-token விண்டோ நிரம்பும் வரை மாடல் ஒரே உரையைத் திரும்பத் திரும்பச் செய்யச் செய்யும். GA வெளியீடு இந்த பிழையைச் சரிசெய்து (patches this bug), முன்பு கோரிக்கை விண்டோவைச் செலவழித்துச் செலவை அதிகரித்த அந்தத் தொடர்ச்சியான மறுமுறைப் பிழையைத் தடுக்கிறது.

பயனர்கள் கவனிக்க வேண்டியவை

  • குறைந்த டோக்கன் எண்ணிக்கையைப் பெற GA build-ஐப் பயன்படுத்தவும். பணிகளின் சிக்கலான தன்மையைப் பொருட்படுத்தாமல் இந்தத் தள்ளுபடி அளவீடுகள் நிலைத்திருக்கின்றன.
  • JSON அல்லது கட்டமைக்கப்பட்ட தரவுப் பிரித்தெடுப்பிற்கு "thinking"-ஐ ஆஃப் செய்யவும். இது சரியான மதிப்புகளை வழங்கும் மற்றும் டோக்கன் பயன்பாட்டைக் குறைவாக வைத்திருக்கும்.
  • உள்ளமைக்கப்பட்ட மறுப்புகளை (built-in refusals) நம்பியிருக்க வேண்டாம். ஒரு prompt சரிபார்க்க முடியாத தரவைக் கேட்டால், GA மாடல் இன்னும் ஒரு பதிலை உருவாக்கலாம், எனவே அடுத்தகட்ட சரிபார்ப்பு (downstream validation) அவசியமானது.
  • அதிகப்படியான நேரக் கட்டணங்களைக் கவனியுங்கள் (peak-hour billing). புதிய விலையிடல் விதிகள், அதிகப் போக்குவரத்து நேரங்களில் டோக்கன் நுகர்வை முன்பை விடக் கடுமையாகப் பாதிக்கும்.

இறுதி முடிவு

DeepSeek-ன் V4 Pro GA மாடல் தெளிவான செயல்திறன் வெற்றியை வழங்குகிறது—62% வரை குறைவான reasoning tokens—மற்றும் ஒரு முக்கியமான மறுமுறைப் பிழையைச் சரிசெய்கிறது. இருப்பினும், வெளிப்படையான மறுப்பு பதில்களின் இழப்பு மற்றும் துல்லியமான JSON வெளியீட்டிற்கு thinking-ஐ முடக்க வேண்டிய அவசியம் ஆகியவை புதிய சவால்களைக் கொண்டுவருகின்றன. தங்கள் pipelines-களை மாற்றியமைக்கும் குழுக்கள், செயல்பாட்டைத் தியாகம் செய்யாமல் செலவைக் குறைக்க முடியும்.

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