DeepSeek V4.1 Flash é INSANO

Ver no idioma original →

Autoria: Prompt Engineer 48 · Assistir no YouTube

Vídeo de autoria do canal indicado, não da IANIA; todos os direitos pertencem ao criador. Transcrição, resumo e tradução gerados automaticamente; o conteúdo no idioma original é preservado na versão em idioma original.

Idioma original: inglês

Vídeo original: DeepSeek V4.1 Flash is CRAZY · Canal: Prompt Engineer 48 · 10:31 · Assistir no YouTube

Tópicos: Agentes de IA, Avaliação e benchmarks de IA, Modelos de IA, Modelos locais e open source, RAG, busca e recuperação de informação

Resumo

O vídeo analisa o DeepSeek V4.1 Flash, compara os resultados divulgados pela empresa com modelos fechados e testa, na prática, as APIs Search e Fetch, tarefas de programação e o uso de ferramentas por um agent. Os testes pontuais mostram respostas rápidas, geração funcional de um jogo simples e leitura correta de um gráfico, mas não substituem avaliações independentes nem testes mais amplos. O modelo tem contexto de cerca de 1 milhão de tokens e custos baixos pela API, enquanto executá-lo localmente exige muito armazenamento e memória. O apresentador considera o modelo promissor para coding agents e automação, com ressalvas sobre hardware, configuração e a necessidade de testar nos próprios workflows.

Pontos-chave

• Os números divulgados pela DeepSeek mostram melhora em relação à versão anterior, mas ainda não foram reproduzidos de forma independente no vídeo.
• Nos testes do apresentador, Search e Fetch retornaram resultados rapidamente e forneceram conteúdo útil para um resumo.
• Um agent usou Search e Fetch para identificar plataformas que oferecem o modelo e encontrou links e preços que o apresentador conferiu.
• O modelo gerou um jogo simples em um único arquivo HTML que funcionou na primeira tentativa, embora o teste tenha sido limitado a uma execução.
• A leitura de um gráfico limpo em uma captura de tela acertou os 12 números verificados pelo apresentador.
• Os custos estimados para as tarefas demonstradas ficaram em torno de um centavo, incluindo as chamadas de Search e Fetch após o início da cobrança.
• Os pesos somam 763 bilhões de parâmetros; versões quantizadas citadas no vídeo ainda ocupam centenas de gigabytes.
• Para a maioria das pessoas, a API é a opção prática; quem trabalha com coding agents ou automação deve testar o modelo nos próprios harnesses.
• O vídeo não testa benchmarks por conta própria, o uso de todo o contexto de 1 milhão de tokens nem a reprodução das demos mais complexas.

Capítulos

Início	Capítulo	Resumo
00:00	Atualização, benchmarks e ressalvas	O apresentador contextualiza o lançamento, compara os resultados divulgados pela DeepSeek e destaca que ainda faltam reproduções independentes.
02:06	Testes das APIs Search e Fetch	O vídeo demonstra buscas, extração de páginas e o uso dos resultados para resumir informações com o modelo.
04:16	Esforço de raciocínio e geração de projetos	O apresentador compara níveis de esforço em uma tarefa de programação e testa a geração de um jogo simples.
06:26	Agent, visão e custo das tarefas	Um agent pesquisa plataformas e preços, enquanto outros testes verificam a leitura de um gráfico e estimam os custos de uso.
08:28	Requisitos locais e conclusão	O vídeo examina os requisitos de armazenamento, recomenda a API para a maioria das pessoas e resume os limites dos testes realizados.

Citações

Em tarefas de programação e de agent, é competitivo. Em raciocínio difícil sobre conhecimento, o principal modelo fechado ainda lidera. — 01:35

Isso é uma execução em uma página, não um benchmark, mas o pipeline funciona — e funciona rápido. — 03:43

Abri o jogo e ele funcionou na primeira tentativa. — 05:52

Teste nas suas próprias tarefas, porque o seu harness não é o deles. — 09:29

Conceitos e entidades

• DeepSeek V4.1 Flash (modelo): Modelo apresentado no vídeo, com entrada de texto e imagem, saída de texto e contexto de aproximadamente 1 milhão de tokens.
• DeepSeek (empresa): Empresa que publicou os resultados, os pesos do modelo e as APIs Search e Fetch discutidas no vídeo.
• Search (ferramenta): API que recebe uma consulta e retorna resultados classificados, trechos e, opcionalmente, o texto integral das páginas.
• Fetch (ferramenta): API que busca uma página a partir de uma URL e retorna seu conteúdo em Markdown.
• Hugging Face (empresa): Plataforma onde os pesos do modelo são disponibilizados sob licença MIT.
• Terminal-Bench (conceito): Benchmark citado para comparar o desempenho do modelo em tarefas realizadas por meio de um terminal.
• ProgramBench (conceito): Benchmark de programação cujos resultados são apresentados na tabela da DeepSeek.
• Opus 5 (modelo): Modelo usado como comparação, que aparece à frente do DeepSeek V4.1 Flash em alguns resultados citados.
• GPT-5.6 (modelo): Modelo citado na comparação de resultados divulgada pela DeepSeek.
• Vercel (empresa): Plataforma identificada pelo agent como uma das opções de terceiros que oferecem o modelo.
• OpenRouter (ferramenta): Serviço de terceiros citado como uma plataforma que disponibiliza o modelo.
• RunPod (empresa): Serviço de GPU mencionado pelo apresentador como opção para alugar hardware.

Tradução completa (pt-BR)

00:00 A DeepSeek chama isso de atualização menor. Olhe esta linha. O Terminal Bench sobe de 31,2 para 42,3. A versão anterior saiu há 5 semanas. Essa é a própria tabela da DeepSeek, então não vou simplesmente repeti-la. Neste vídeo, vou passar pelo que mudou, testar por conta própria a novíssima API de search e fetch e responder à pergunta que todo mundo faz: dá para rodar isso em casa? Oi, sou Prompt Engineer. Vamos começar pelo que foi lançado de fato. Este é o anúncio de 17 de outubro. DeepSeek V4.1 Flash 10 17 1 note.

00:32 Como muitos posts apontam para o repo mais antigo, o 10 17 1 é o novo snapshot, e o antigo é onde estão todos aqueles downloads. A DeepSeek diz que o aprendizado por reforço com feedback próprio melhorou o trabalho em projetos de ponta a ponta — pense em criar um jogo ou uma cena 3D — e diz que as respostas são mais curtas, então as tarefas terminam mais rápido e custam menos. Essa segunda afirmação é a que vale observar, porque um modelo mais inteligente que fala o dobro não é uma vitória. Os pesos estão no Hugging Face sob licença MIT, com uma janela de contexto de 1 milhão de tokens, aceitando imagens e

01:04 texto como entrada e texto como saída. Agora, aquela tabela em comparação com a própria versão anterior: todas as linhas sobem. Terminal Bench, de 31 para 42. Program Bench, de 20 para 29. Automation Bench, de 55 para 60,5. Apex, de 65 para 72. Em comparação com os grandes modelos fechados, o resultado é mais variado, e quero ser justo com a DeepSeek: onde a DeepSeek indica 77, Opus 5 fica com 74, e GPT 5.6 Soul, com 73. No Terminal

01:35 Bench, eles superam o GPT, mas Opus 5 continua à frente: 52 contra 42. E no último exame de Humanidades, Opus 5 lidera claramente: 56 contra 42,6. Então, em tarefas de programação e de agent, é competitivo. Em raciocínio de conhecimento difícil, o principal modelo fechado ainda lidera. Duas ressalvas. Esses são os números da DeepSeek, usando os harnesses que ela escolheu: Claude Code para Terminal Bench e ministravi V2 para deep sub UE. E ainda não vi reproduções independentes. Trate isso como uma afirmação forte, não como um

02:06 veredito. A DeepSeek também mostra quatro demonstrações: um modelo 3D da Cidade Proibida, um jogo de corrida no navegador, uma recriação de Portal em Godot e uma cena de vale em 3D. Esses são exemplos escolhidos por eles. Mostram que o modelo consegue terminar um projeto longo, mas um clipe não diz com que frequência isso funciona. Eu gostaria de ver a taxa de falhas. Agora, a parte que consigo testar de verdade. A DeepSeek adicionou dois endpoints simples. Search recebe uma consulta e retorna resultados classificados, com um trecho, um resumo mais longo e, opcionalmente, o texto completo da página. Fetch

02:38 recebe uma URL e entrega a página em Markdown. Antes, você precisava de um provedor de search separado. Agora, ele fica junto da chave do modelo, com a mesma autenticação e o mesmo faturamento. Cada um custa 75 centavos por mil chamadas bem-sucedidas. Você só paga quando recebe resultados. Chamadas com falha, resultados vazios e tempos limite não custam nada. Há um limite de cinco solicitações por segundo para cada um, e as chamadas feitas pelo harness da DeepSeek, Claude Code ou Codex são gratuitas por enquanto. A cobrança por solicitação começa em 1º de novembro, horário de Pequim. Deixe-me executar. Consulta: DeepSeek V4.1

03:11 Flash 10 17 release, cinco resultados. A resposta chega em cerca de meio segundo. HTTP 200. O principal resultado é a própria página de notícias da DeepSeek. Pontuação de relevância 2,88, autoridade 3; depois, o registro de alterações deles, uma matéria da Bloomberg, um registro de alterações da Vercel e o repo do Hugging Face. Essa ordem faz sentido para mim. A propósito, minha primeira chamada retornou 401: falha de autenticação. Eu tinha enviado uma chave vazia. A mensagem de erro me disse exatamente isso, o que agradeço. Agora, fetch na página do registro de alterações: 200 de novo, em cerca de um terço de segundo, e

03:43 cerca de 18.000 caracteres de Markdown limpo. Depois, passo os primeiros 9.000 caracteres para o modelo. O ID do modelo é deep seek flash, e peço quatro tópicos: 4 segundos, 2.600 tokens de prompt na entrada, 741 tokens na saída, e 552 deles foram de raciocínio. O resumo corresponde à página e até observa que o preço da API não mudou. Uma ressalva: essa foi uma execução em uma página, não um benchmark, mas o fluxo funciona, e funciona rápido.

04:16 Search também aceita operadores de consulta, e é aí que fica útil para agents. Restringi a busca ao Hugging Face em inglês, depois de 1º de outubro, e recebi o repo oficial, depois versões quantizadas da comunidade e uma conversa em um fórum. Aí inverti os filtros: excluí o Hugging Face e o próprio site da DeepSeek, e recebi OpenRouter, AI Gateway da Vercel, um site de notícias coreano e um artigo da WCCFTech. Meio segundo para cada busca. Isso me diz que o modelo já é oferecido por terceiros, então talvez você nem precise da API da própria DeepSeek.

04:50 O endpoint de modelos mostra o que você pode chamar. O ED DeepSeek Flash é esta nova versão: janela de contexto de 1.048.000, até 393.000 tokens de saída, entrada de texto e imagem. Também há um DeepSeek V4 Pro e uma configuração de esforço de raciocínio com três níveis: baixo, alto e máximo. Então testei o esforço, com o mesmo prompt: mesclar intervalos sobrepostos em Python, com testes. Esforço baixo: 2,2 segundos, 471 tokens, 203 deles de raciocínio. Alto: 3,9 segundos, 765

05:20 tokens. Máximo: 3,9 segundos, 688 tokens. Executei o código dos três, e nenhuma asserção falhou. Então, em uma tarefa fácil, o máximo não pensou por mais tempo do que o alto. Foi só um prompt, então não tire conclusões demais, mas isso mostra que você não deveria pagar pelo máximo por padrão. Agora, a grande afirmação da DeepSeek: construir projetos inteiros. Eles mostram um jogo de corrida, então peço um único arquivo HTML, três pistas, teclas de seta, tráfego que acelera, tela de fim de jogo, reinício com a barra de espaço, estilo neon e esforço definido como alto.

05:52 68 segundos depois, 19.000 tokens, 454 linhas de código. Abri, e funcionou na primeira tentativa. O tráfego vem na direção do jogador, a velocidade aumenta, e meu motorista — que usa apenas teclas de seta aleatórias — bate aos 103 m. A tela de fim de jogo aparece, e a barra de espaço reinicia. É uma recriação de Portal 2? Não, é um jogo simples. Foi só uma tentativa, e não testei com que frequência um prompt como esse falha, mas o básico — colisão, aumento de velocidade e reinício — funciona.

06:26 Em seguida, a tarefa para a qual search e fetch realmente servem: um agent. Dei ao modelo duas ferramentas, search e fetch, e uma tarefa: descobrir quais plataformas de terceiros oferecem esse modelo e como ele é chamado nelas. Ninguém disse quais consultas deveria escrever. Ele executou cinco buscas e um fetch, fez quatro chamadas ao modelo e levou 16,7 segundos no total, com cerca de 39.000 tokens de prompt. Encontrou Vercel, AI Gateway, OpenRouter e inference.net, cada um com um link de fonte. Depois, conferi a resposta, porque uma resposta confiante de um agent não é prova.

06:57 Os slugs e os links estão certos. O preço que ele informou — 15 centavos por milhão de tokens de entrada e 60 centavos por milhão de tokens de saída — corresponde à página de preços da própria DeepSeek para os horários fora de pico. No horário de pico, esses valores dobram. Ele também observou que a API da própria DeepSeek não expõe o ID com data. Ele simplesmente chamou o modelo de DeepSeek Flash, e a página de preços confirma isso. Os horários de pico são das 1h às 4h e das 6h às 10h UTC nos dias úteis. Mais uma coisa, porque a ficha diz que ele aceita

07:27 imagens. Enviei como captura de tela o gráfico de benchmark da página do anúncio e pedi duas linhas, Terminal Bench e Deep Square, com todas as colunas na ordem. Foram 4 segundos, cerca de 1.000 tokens para a imagem. Comparei a resposta com a tabela por conta própria. Todos os 12 números correspondem, inclusive os de Opus 5 e GPT. Então, a leitura de um gráfico denso funciona, pelo menos em capturas de tela nítidas como esta. Então, quanto custa uma tarefa? Aquela execução do agent, com cerca de 39.000 tokens de entrada e 1.500 de saída, custa menos de 1 centavo em tokens

07:58 fora do horário de pico. Acrescente seis chamadas de search e fetch, que custam meio centavo quando a cobrança começar, e a execução inteira fica em torno de 1 centavo. O jogo de corrida, com 19.000 tokens de saída, também custa cerca de 1 centavo. Barato o suficiente para você parar de pensar nisso, até executar um milhão de vezes. Como ele consegue aceitar um milhão de tokens? O título do relatório da DeepSeek fala sobre levar ao limite a compressão do cache KV, e a configuração mostra a direção. 64 cabeças de atenção, mas apenas uma cabeça de chave-valor, e uma janela deslizante de 128. Menos cabeças de chave-valor significam um

08:28 cache para manter na memória para cada token que você mantém no contexto. Eu mesmo não medi o uso de memória, então considere isso como algo que a configuração sugere, não como um benchmark. Agora, dá para executá-lo? A lista de pesos indica 763 bilhões de parâmetros, armazenados principalmente em formatos de 8 bits e 4 bits. Isso representa centenas de gigabytes só para os pesos. A GPU do meu laptop tem 8 gigabytes, então não, não aqui, nem em nenhuma placa de consumo individual. Apenas seis dos 384 especialistas são ativados por token, o que economiza computação, mas todos os especialistas ainda precisam ficar na

08:59 memória. O cartão do modelo não informa os requisitos de hardware, então não vou chutar um número, mas a comunidade já fez conversões. Um repo comunitário de GGUF tem um arquivo Q2_K com 264 gigabytes e um Q4_K_M com 445. Tenho 19 gigabytes livres no disco, então até o menor arquivo ocupa cerca de 14 vezes o espaço disponível. Para quase todo mundo, o caminho mais prático é a API. Então, para quem é isso? Se você cria agentes de programação ou automação, os avanços no Terminal-Bench

09:29 e no benchmark de automação são o motivo para experimentá-lo, e as respostas mais curtas devem ajudar a reduzir sua conta. Teste-o nas suas próprias tarefas, porque o seu harness não é igual ao deles. Se você hospeda o modelo por conta própria, a licença MIT é ótima, mas a exigência de hardware é alta. Se você só conversa com ele, nada disso vai mudar sua semana. Eis o que eu não testei. Não rodei o Terminal-Bench nem o DeepSeek por conta própria. Não preenchi o contexto de um milhão de tokens para ver se ele recupera informações do meio. Não refiz a demonstração do portal deles e testei um jogo, um prompt de programação e

09:59 uma tarefa de agent. Então, considere estes resultados como verificações pontuais, não como um placar. Um detalhe prático: esta versão não tem um template de chat Jinja. Você usa a pasta de codificações ou a biblioteca de receitas do DeepSeek. Então, se você carregá-lo na sua stack habitual, espere ter que fazer alguns ajustes. Se estiver procurando GPUs baratas e confiáveis, eu uso a RunPod, e o link está na descrição. Então, a resposta é: melhor que a versão anterior na tabela do próprio DeepSeek, competitivo em agentes de programação, atrás do Opus 5 em raciocínio difícil e, para a maioria de nós, só pela API. A API de busca e recuperação funcionou de primeira

10:31 e foi rápida. Se você quiser que eu faça uma comparação direta por conta própria em tarefas reais, diga nos comentários qual tarefa você quer. Obrigado por assistir.

Transcrição original

[00:00] Deep Seek calls this a minor update. Look at this row. Terminal bench goes from 31.2 to 42.3. The previous version came out 5 weeks ago. That is Deep Seek’s own table, so I’m not going to just repeat it. In this video, I will go through what changed, test the brand new search and fetch API myself, and answer the question everybody asks, can you run this at home? Hi, I’m Prompt Engineer. Let’s start with what actually shipped. This is the announcement from October 17th. Deep Seek V4.1 flash 10 17 1 note.

[00:32] Because a lot of posts link to the older repo, the 10 17 1 is the new snapshot, and the older one is where all those downloads are. Deep Seek says reinforcement learning with self-feedback improved end-to-end project work, think building a game or a 3D scene, and it says outputs are shorter, so tasks finish faster and cost less. That second claim is the one to watch because a smarter model that talks twice as much is not a win. The weights are on Hugging Face MIT license with a 1 million token context, taking images and

[01:04] text in and text out. Now that table against its own previous version, every row goes up. Terminal bench, 31 to 42. Program bench, 20 to 29. Automation bench, 55 to 60.5. Apex, 65 to 72. Against the big closed models, it is more mixed, and I want to be fair on Deep Seek where Deep Seek lists 77, Opus 5 is 74, GPT 5.6 soul is 73. On Terminal

[01:35] bench, they beat GPT, but Opus 5 is still ahead, 52 against 42. And on Humanities last exam, Opus 5 clearly leads, 56 against 42.6. So on coding and agent tasks, it is competitive. On hard knowledge reasoning, the top closed model still leads. Two caveats. These are Deep Seek’s numbers with the harnesses they chose, Claude code for terminal bench and ministravi V2 for deep sub UE and I have not seen independent reproductions yet. Treat this as a strong claim, not a

[02:06] verdict. Deep seek also shows four demos, a Forbidden City 3D model, a browser racing game, a portal to recreation in Godot, and a 3D valley scene. These are their examples picked by them. They show the model can finish a long project, but one clip cannot tell you how often it works. I would want to see the failure rate. Now the part I can actually test. Deep seek added two plain endpoints. Search takes a query and returns ranked results with a snippet, a longer summary, and optionally the full page text. Fetch

[02:38] takes a URL and gives you the page as markdown. Before you needed a separate search vendor. Now it sits next to your model key, same off, same billing. Each one costs 75 cents per thousand successful calls. You are only charged when you get results back. Failed calls, empty results, and timeouts are free. There’s a limit of five requests a second for each and calls made through deep seek harness, Claude code, or codex are free for now. Per request billing starts on the 1st of November, Beijing time. Let me run it. Query deep seek V4.1

[03:11] flash 10 17 release five results. It comes back in about half a second. HTTP 200. The top hit is deep seek’s own news page. Relevance score 2.88, authority three, then their change log, a Bloomberg story, a Versel change log, and the hugging face repo. That ordering makes sense to me. By the way, my very first call came back 401, authentication fails. I had sent an empty key. The error message told me exactly that, which I appreciate. Now fetch on the change log page, 200 again, about a third of a second and

[03:43] around 18,000 characters of clean markdown. Then I hand the first 9,000 characters to the model. The model ID is deep seek flash and ask for four bullets, 4 seconds, 2,600 prompt tokens in, 741 tokens out, and 552 of those were reasoning. The summary matches the page, and it even notes that API pricing is unchanged. One caveat, that is one run on one page, not a benchmark, but the pipeline works, and it works fast.

[04:16] Search also has query operators, and this is where it gets useful for agents. I restrict to Hugging Face English after the 1st of October, and I get the official repo, then community quantized versions, and a discussion thread. Then I flip it, exclude Hugging Face and DeepSeek’s own site, and I get Open Router, Vercel’s AI Gateway, a Korean news site, and a WCCFTech piece. Same half second each. That tells me the model is already served by third parties, so you may not even need DeepSeek’s own API.

[04:50] The models endpoint shows what you can call. The ED DeepSeek Flash is this new version, 1,048,000 context, up to 393,000 output tokens, text and image in. There’s also a DeepSeek V4 Pro and a reasoning effort setting with three levels, low, high, and max. So, I tested effort, same prompt, merge overlapping intervals in Python with tests. Low effort, 2.2 seconds, 471 tokens, 203 of them reasoning. High, 3.9 seconds, 765

[05:20] tokens. Max, 3.9 seconds, 688 tokens. I ran the code from all three, and no assertion failed. So, on an easy task, max did not think longer than high. That is one prompt, so do not read too much into it, but it does say you should not pay for max by default. Now, DeepSeek’s big claim, building whole projects. They show a racing game, so I ask for one single HTML file, three lanes, arrow keys, traffic that speeds up, a game over screen, restart on space, neon style, effort set to high.

[05:52] 68 seconds later, 19,000 tokens, 454 lines of code. I opened it and it ran on the first try. Traffic comes down, speed climbs, and my driver, which is just random arrow keys, crashes at 103 m. Game over screen appears, space restarts it. Is it a Portal 2 recreation? No, it is one simple game. One try and I have not tested how often a prompt like this fails, but the basics, collision, speed ramp, and restart all work.

[06:26] Next, the thing search and fetch is actually for an agent. I gave the model two tools, search and fetch, and one job, find which third-party platforms serve this model and what it is called on them. Nobody told it which queries to write. It ran five searches and one fetch, four model turns, 16.7 seconds in total, about 39,000 prompt tokens. It found Vercel, AI Gateway, OpenRouter, and inference.net, each with a source link. Then I checked its answer because a

[06:57] confident agent answer is not evidence. The slugs and the links are right. The price it quoted, 15 cents in and 60 cents out per million tokens, matches Deep Seek’s own pricing page for off-peak hours. At peak, those numbers double. It also noted that Deep Seek’s own API does not expose the dated ID. He just called Deep Seek Flash and the pricing page confirms that. Peak hours are 1 to 4 and 6 to 10 in the morning UTC on weekdays. One more because the card says it takes

[07:27] images. I sent the benchmark chart from the announcement page as a screenshot and asked for two rows, Terminal Bench and Deep Square, every column in order. 4 seconds, about 1,000 tokens for the image. I compared the answer to the table myself. All 12 numbers match, including the ones for Opus 5 and GPT. So, reading a dense chart works, at least for clean screenshots like this one. So, what does a task cost? That agent run, about 39,000 input tokens and 1,500 output, is under 1 cent in tokens

[07:58] off-peak. Add six search and fetch calls, which is half a cent once billing starts, and the whole run lands around 1 cent. The racing game, 19,000 output tokens, is roughly 1 cent, too. Cheap enough that you stop thinking about it until you run it a million times. Why can it do a million tokens at all? DeepSeek’s report title is about pushing the limits of KV cache compression, and the config shows the direction. 64 attention heads, but just one key value head, and a sliding window of 128. Fewer key value heads means a much smaller

[08:28] cache to hold in memory for each token you keep in context. I have not measured memory myself, so take that as what the config implies, not a benchmark. Now, can you run it? The weights list 763 billion parameters, mostly stored in 8-bit and 4-bit formats. That is hundreds of gigabytes for the weights alone. My laptop GPU has 8 gigabytes, so no, not here, and not on any single consumer card. Only six of 384 experts fire per token, which saves compute, but all the experts still have to sit in

[08:59] memory. The model card gives no hardware requirement, so I will not guess a number, but people have already converted it. One community GB of repo has a Q2K file. Set at 264 gigabytes, Q4KM at 445. My disk has 19 gigabytes free, so even the smallest one is about 14 times what fits. For almost everyone, the practical route is the API. So, who is this for? If you build coding agents or automation, the terminal bench

[09:29] and automation bench jumps are the reason to try it, and shorter outputs should help your bill. Test it on your own tasks, because your harness is not theirs. If you self-host, the MIT license is great, but the hardware bar is high. If you just chat, nothing here changes your week. Here is what I did not test. I did not run terminal bench or deep sea myself. I did not fill the million token context to see if it recalls things from the middle. I did not rebuild their portal demo, and I tested one game, one coding prompt, and

[09:59] one agent task. So, treat these as spot checks, not a leaderboard. One practical detail, this release has no Jinja chat template. You use the encoding folder or their deep seek recipe library. So, if you load it in your usual stack, expect some setup. If you’re looking for cheap and reliable GPUs, I use RunPod, and the link is in the description. So, the answer better than the last version on deep six own table, competitive on coding agents, behind Opus 5 on hard reasoning, and API only for most of us. The search and fetch API worked first

[10:31] try, fast. If you want me to run my own head-to-head on real tasks, tell me in the comments which task you want. Thanks for watching.