V4.1 Pro söylentileri artarken DeepSeek V4 Pro'nun test puanı yüzde 64'e yükseldi

7 dakikalık okuma
DeepSeek V4 Pro Test Score Rises to 64% as V4.1 Pro Speculation Builds

50 Görevlik Testte Sekiz Görev Daha Tamamlandı

DeepSeek'in mevcut V4 Pro modeli, yapay zekâ eğitmeni ve geliştiricisi, ayrıca LobeHub ajan istemcisinin bakımını yapan MaxForAI'nin gerçekleştirdiği kurum içi kıyaslama testinde 50 görevin 32'sini tamamladı. Önceki V4 Pro-0813 sürümü ise 24 görevi tamamlamıştı. 8 Kasım 2026 tarihli paylaşımlarda açıklanan sonuçlara göre yeni modelin başarı oranı yüzde 48'den yüzde 64'e yükseldi.

İçindekiler
  1. 50 Görevlik Testte Sekiz Görev Daha Tamamlandı
  2. LobeBench'te Neler Değişti?
  3. Tekrarlanan Başarı Neden Önemli?
  4. Kesintiler Sırasında Ne Oldu?
  5. Pro Beklentilerinin Zaman Çizelgesi
  6. Ekim Ayındaki Parmak İzleri Ne Gösterdi?
  7. Geliştiriciler Bugün Neleri Karşılaştırabilir?
  8. Güncellemenin Resmîleşmesi İçin Ne Gerekir?
  9. Öne Çıkanlar

En dikkat çekici gelişme tutarlılıktaki artış oldu. İki sürüm, bir görevi en az bir kez tamamlayıp tamamlayamadıklarına göre değerlendirildiğinde benzer sonuçlar verdi. Aradaki fark, testte görevin art arda üç kez başarıyla tamamlanması istendiğinde belirginleşti. Bu, işleri güvenilir biçimde yürütmesi beklenen yazılımlar için zorlu bir ölçüt.

Bulgular, DeepSeek'in mevcut hizmeti üzerinden V4.1 Pro'yu kademeli olarak test ettiği yönündeki spekülasyonları artırdı. Modelin kimliği ve çıkış takvimi henüz doğrulanmadı; kıyaslama sonuçları mevcut V4 Pro adıyla sunuldu.

Testlere ilişkin tartışmalar, 7 Kasım'da yaşanan ve bir hafta içinde bildirilen ikinci hizmet kesintisinin ardından geldi. DeepSeek, bir düzeltmeyi devreye aldığını ve sonuçları izlediğini açıkladı. Dolayısıyla müşteriler açısından güncel gelişmeler iki farklı ihtiyaca karşılık geliyor: görevleri daha iyi tamamlamak ve hizmete güvenilir biçimde erişebilmek.

LobeBench'te Neler Değişti?

MaxForAI, mevcut V4 Pro ile V4 Pro-0813'ü karşılaştırmak için kurum içi test koleksiyonu LobeBench'i kullandı. Bildirilen sıralamada eski sürüm 13'üncü sırada yer aldı. Yeni sürüm ise bu karşılaştırmada Çin modelleri arasında ilk sıraya çıktı.

Başarı oranı 16 yüzde puan arttı; Zor olarak sınıflandırılan sekiz ek görev başarıyla tamamlandı. Daha önce tamamlanan 24 göreve kıyasla 32 göreve çıkılması, başarıyla tamamlanan görev sayısında yaklaşık üçte birlik artış anlamına geliyor. Her iki hesaplama da aynı sonucu farklı açılardan ifade ediyor: testin daha büyük bir bölümü tamamlandı ve daha fazla görev bitirildi.

Reklam

LobeBench'in görevi art arda birkaç kez tamamlama şartı, sonucun neden ilgi çektiğini açıklıyor. Bir kez başarılı olup sonraki denemelerde başarısız olan bir modeli rutin işlerde kullanmak zor olabilir. Yapay zekâ sisteminin yazılım aracılığıyla görevleri yerine getirmesini sağlayan bir ajan istemcisinin, ara sıra güçlü bir yanıt üretmesinin yanı sıra işleri güvenilir biçimde yürütmesi de gerekir.

Bildirilen karşılaştırma 50 göreve ve kurum içi bir sıralamaya odaklanıyor. Sonuçları yeniden üretmek için gerekenler arasında tüm görev listesi, değerlendirme kuralları, model ayarları ve rakip sistemlerin puanları bulunuyor; ancak sonuç açıklamalarında bu ayrıntılar yayımlanmadı.

Tekrarlanan Başarı Neden Önemli?

Bir yapay zekâ modeli aynı isteğe farklı yanıtlar verebilir. Birkaç adımdan oluşan bir görevde ilk aşamadaki hata, sonraki her şeyi de etkileyebilir. Art arda üç başarılı deneme şartı, tek bir başarılı denemeyi saymaktan çok tutarlı davranışa ağırlık verir.

Bildirildiğine göre MaxForAI'nin karşılaştırmasında, iki sürümden herhangi birinin en az bir kez başarılı olması yeterli sayıldığında aralarında pek fark yoktu. Art arda başarı ölçütünde ise fark açıldı. Bu nedenle temel bulgu, önceki sürümün hiçbir zaman tamamlayamadığı görevleri çözme becerisinin ortaya çıkmasından ziyade güvenilirlik oldu.

Ajan kullanarak işlerini tamamlayanlar için bu ayrımın pratik bir karşılığı var. Tekrarlanan başarısızlıklar daha fazla yeniden deneme, kontrol ve insan müdahalesi gerektirebilir. Aynı görevi tutarlı biçimde tamamlayan bir model, eski sürümün ara sıra verdiği başarılı yanıtlar aynı derecede iyi görünse bile daha kullanışlı olabilir.

Şüphelenilen güncellemeyle ilgili dolaşıma giren diğer gayriresmî gösterimler arasında animasyon oluşturma ve bisiklete binen bir karabatağın görüntüsü yer aldı. LobeBench ise adı belirtilen önceki sürümle sayısal bir karşılaştırma sundu ve dikkati tekrarlanabilir görev performansına çevirdi.

Kesintiler Sırasında Ne Oldu?

O sıradaki şirket durum bilgilerine göre DeepSeek'in 7 Kasım'daki kesintisi saat 15.11'de başladı. Sohbet, V4 Pro API'si ve V4.1 Flash API'si etkilenen hizmetler arasındaydı. API, başka bir uygulamanın DeepSeek'e otomatik olarak istek göndermesini sağlayan bağlantıdır.

Kullanıcılar sohbet işlevine erişemedi ve sunucunun meşgul olduğunu belirten bir mesajla karşılaştı. DeepSeek daha sonra bir düzeltmenin devreye alındığını ve sonuçların izlendiğini açıkladı. Sonraki testlerde hizmetin yeniden normal çalıştığı belirtildi.

Reklam

Benzer bir olay 3 Kasım'da saat 16.58'de başlamış ve aynı üç hizmeti etkilemişti. Bu olay için düzeltme duyurulduktan sonra da hizmetler, performansın düşmüş olduğu bilgisiyle listelenmeye devam etti. Erişimin yeniden sağlanması ile normal hızın geri gelmesi, bir kesintinin farklı aşamalarında gerçekleşebilir.

İki kesinti, model hakkındaki spekülasyonların arka planını oluşturuyor. Aktarılan durum bilgilerinde 7 Kasım'daki kesintinin nedeni belirtilmedi. Bu nedenle müşterilerin, kesintiyi artan trafiğe ya da model dağıtımına bağlayan doğrulanmış bir açıklaması yok.

Pro Beklentilerinin Zaman Çizelgesi

V4.1 Pro'ya ilgi, son test sonuçlarından önce başladı. Eylül ayındaki çıkış planları, ekimde hizmette yapılan değişiklikler ve kasım ayındaki kıyaslama karşılaştırması beklentileri şekillendirdi; ancak bunlar DeepSeek ürün ailesinin farklı bölümlerini ilgilendiriyor.

  • 10 Eylül 2026: V4.1 Flash piyasaya sürüldü. V4.1 Pro çıkana kadar deepseek-v4-pro isteklerinin Flash'a yönlendirilmesini öngören teklif, geliştiricilerin itirazlarının ardından geri çekildi.
  • 17 Ekim: Ekim ayında hizmette yapılan sonraki değişikliklere ilişkin açıklamaya göre V4.1 Flash-1017 sürümü yayımlandı.
  • 27 Ekim: Gözlemciler, saat 18.21 civarında model parmak izlerinde değişiklikler tespit etti. Saat 19.07'ye gelindiğinde üç model seçeneğinde gözlemlenen parmak izleri tek bir parmak izinde birleşmişti.
  • 3 Kasım: Sohbeti ve adı geçen iki API hizmetini etkileyen kısmi kesinti saat 16.58'de başladı.
  • 7 Kasım: Bir başka kısmi kesinti saat 15.11'de başladı. DeepSeek daha sonra bir düzeltme yapıldığını duyurdu.
  • 8 Kasım: MaxForAI'nin LobeBench karşılaştırmasına ilişkin paylaşımlarda tamamlanan görev sayısının 24'ten 32'ye çıktığı açıklandı.

Eylül ayındaki yönlendirme teklifi, geliştiriciler açısından önemli; çünkü bir uygulamanın kullandığı model adı, çalışma varsayımlarının bir parçası olabilir. Bu adın arkasındaki modelin değiştirilmesi yanıtları, maliyetleri ve performansı etkileyebilir. Teklif geri çekildikten sonra V4 Pro, ücretlendirmesi değiştirilmeden sunulmaya devam etti.

Ekim Ayındaki Parmak İzleri Ne Gösterdi?

27 Ekim'deki gözlemler, bir isteğe yanıt veren sistemdeki değişiklikleri takip etmeye yardımcı olabilecek tanımlayıcılar olan model parmak izleriyle ilgiliydi. Eski parmak izi V4.1 Flash-1017 ile ilişkilendirilmişti. Yeni tanımlayıcı, arkasındaki modeli belirlemeye yetecek kadar anlaşılır değildi.

O sırada gözlemlenen değişiklik Pro'dan ziyade Flash'ı ilgilendiriyor gibi görünüyordu. Olası açıklamalar arasında modelin kayıtlı bir sürümü olan farklı bir kontrol noktasına geçilmesi ya da aynı modelin yeniden dağıtılması vardı. Yeni tanımlayıcı, bu seçeneklerden hangisinin geçerli olduğunu açıklığa kavuşturmadı.

Reklam

Değişiklikler ortaya çıktığında V4.1 Flash-1017 piyasaya sürüleli yalnızca 10 gün olmuştu. Pro'ya ilişkin beklentiler zaten yüksekti; bu nedenle Flash'la bağlantılı görünen değişiklikler bile ilgi odağı oldu. Kasım ayındaki LobeBench sonucu ise V4 Pro etiketini taşıyan iki sürümü karşılaştırdığı için Pro'yla daha doğrudan ilgili.

DeepSeek'in önceki çıkış takvimi de beklentileri şekillendirdi. Bildirildiğine göre V4 neslinde Flash ile Pro arasında yaklaşık iki hafta vardı. V4.1'e ilişkin sonraki tartışmalar başladığında ise Flash'ın çıkışından bu yana yedi haftadan fazla geçmişti. Dolayısıyla mevcut çıkış döngüsü farklı bir takvim izledi.

Geliştiriciler Bugün Neleri Karşılaştırabilir?

Bildirilen fiyatlara göre V4 Pro ile V4.1 Flash farklı maliyet düzeylerinde. V4 Pro için girdi fiyatı milyon token başına 0,66 dolar, yoğun saatler dışındaki çıktı fiyatı ise milyon token başına 1,98 dolar olarak listelendi. Flash için girdi ve çıktı fiyatları sırasıyla milyon token başına 0,15 ve 0,60 dolar olarak belirtildi.

Tokenlar, modelin işlediği sözcük veya sözcük parçaları gibi küçük metin birimleridir. Listelenen fiyatlara göre Pro'nun girdi maliyeti Flash'ınkinden 4,4 kat daha yüksek. Yoğun saatler dışındaki Pro çıktı fiyatı da Flash için belirtilen çıktı fiyatının 3,3 katı. Gerçek harcama; girdi ve çıktı miktarına, zamanlamaya ve geçerli önbellek kullanımına bağlı.

Flash için önbellek isabeti fiyatı da milyon token başına 0,003 dolar olarak bildirildi. Önbellek, hizmetin daha önce işlenmiş girdileri yeniden kullanmasını sağlar. Listelenen özellikleri arasında, görüntülerin doğrudan modele iletilmesine olanak tanıyan yerel görüntü girdisi de bulunuyordu.

V4 Pro için bildirilen kapasite, bir milyon tokenlık bağlam penceresi ve 384.000 tokenlık çıktı sınırını içeriyordu. Bağlam penceresi, modelin bir istekte değerlendirebileceği materyal miktarıdır. Bu özellikler, müşterilerin gelecekteki bir Pro sürümüyle karşılaştırabileceği mevcut ürünü tanımlıyor.

Güncellemenin Resmîleşmesi İçin Ne Gerekir?

V4.1 Pro adını veren bir çıkış duyurusu, kullanıcılara değerlendirebilecekleri kesin bir ürün sunar. Buna karşılık gelen bir API dokümantasyonu, model deposu ve fiyat güncellemesi ise ürüne nasıl erişileceği, ne kadara mal olacağı ve hangi özellikleri desteklediği gibi pratik ayrıntıları açıklığa kavuşturur.

Reklam

DeepSeek'in kamuya açık çıkış bilgilerini inceleyen bir değerlendirmeye göre, ilgili en yeni depo 10 Eylül 2026'da oluşturulan DeepSeek-V4.1-Flash'tı. Değerlendirmede ayrıca Flash'la birlikte yayımlanan 51 sayfalık teknik raporda ne V4.1-Pro ne de V4.1 Pro adının geçtiği belirtildi. İncelemede ele alınan kamuya açık ürün bilgileri hâlâ Flash ve V4 Pro'ya odaklanıyordu.

Kasım ayındaki kıyaslama sonuçlarına ilişkin iyimser tahminler, takip eden hafta içinde bir çıkış olabileceğini öne sürdü. DeepSeek, aktarılan çıkış bilgilerinde kamuya açık bir tarih, çıkış aralığı ya da çeyrek belirtmemişti. Şimdilik somut gelişme, mevcut V4 Pro adı altında tekrarlanan görev başarısında bildirilen artış.

Öne Çıkanlar

  • V4 Pro, LobeBench görevlerinin 50'sinden 32'sini tamamlarken V4 Pro-0813 24'ünü tamamladı.
  • Puan yüzde 48'den yüzde 64'e yükseldi; artış 16 yüzde puan oldu.
  • Temel iyileşme, görevlerin art arda üç kez başarıyla tamamlanmasının istendiği ölçütte görüldü.
  • DeepSeek, 3 ve 7 Kasım'da sohbeti ve iki API hizmetini etkileyen kısmi kesintiler yaşadı.
  • Ekim ayındaki parmak izi değişiklikleri Flash'ı ilgilendiriyor gibi görünürken kasım ayındaki kıyaslama Pro'yu karşılaştırdı.
  • V4.1 Pro'nun kimliği, çıkış tarihi ve fiyatı henüz doğrulanmadı.
Bu haberi paylaş

Bunlar da ilginizi çekebilir