Message d’actualité de Gate, 24 avril — DeepSeek a publié la série V4 de modèles open-source sous la licence MIT, avec des poids désormais disponibles sur Hugging Face et ModelScope. La série comprend deux modèles (MoE) de type mixture-of-experts : V4-Pro avec 1,6 billion de paramètres au total et 49 milliards activés par jeton, et V4-Flash avec 284 milliards de paramètres au total et 13 milliards activés par jeton. Les deux prennent en charge une fenêtre de contexte d’1 million de jetons.
L’architecture présente trois mises à niveau clés : un mécanisme d’attention hybride combinant l’attention clairsemée compressée (CSA) et l’attention fortement compressée (HCA) qui réduit considérablement la surcharge pour les longs contextes — pour V4-Pro, les FLOPs d’inférence pour un contexte de 1M ne sont que 27 % de ceux de V3.2, et le cache KV (VRAM destiné au stockage d’informations historiques pendant l’inférence) n’est que 10 % de celui de V3.2 ; des hyperconnexions à contraintes de manifold (mHC) remplaçant les connexions résiduelles traditionnelles afin d’améliorer la stabilité de la propagation du signal entre les couches ; et l’optimiseur Muon pour une convergence d’entraînement plus rapide. Le préentraînement a utilisé plus de 32 trillions de jetons de données.
Le post-entraînement emploie une approche en deux étapes : d’abord entraîner des experts spécifiques au domaine via un fine-tuning supervisé (SFT) et l’apprentissage par renforcement GRPO, puis les fusionner en un seul modèle grâce à une distillation en ligne. V4-Pro-Max (plus haut mode d’inférence) affirme être le modèle open-source le plus puissant, avec des benchmarks de codage de premier plan et des écarts nettement réduits par rapport aux modèles de pointe propriétaires sur les tâches de raisonnement et d’agents. V4-Flash-Max atteint des performances de raisonnement de niveau Pro avec un budget de calcul suffisant, mais est limité par l’échelle des paramètres sur les tâches de connaissance pure et les tâches d’agents complexes. Les poids sont stockés dans une précision mixte FP4+FP8.
Avertissement : Les informations contenues dans cette page peuvent provenir de tiers et ne représentent pas les points de vue ou les opinions de Gate. Le contenu de cette page est fourni à titre de référence uniquement et ne constitue pas un conseil financier, d'investissement ou juridique. Gate ne garantit pas l'exactitude ou l'exhaustivité des informations et n'est pas responsable des pertes résultant de l'utilisation de ces informations. Les investissements en actifs virtuels comportent des risques élevés et sont soumis à une forte volatilité des prix. Vous pouvez perdre la totalité du capital investi. Veuillez comprendre pleinement les risques pertinents et prendre des décisions prudentes en fonction de votre propre situation financière et de votre tolérance au risque. Pour plus de détails, veuillez consulter l'
avertissement.
Articles similaires
Google prévoit d’investir jusqu’à $40 milliards dans Anthropic et s’engage à fournir plus de 5 gigawatts de puissance de calcul
Message de Gate News, 24 avril — Selon des sources du marché, Google prévoit d’investir jusqu’à $40 milliards dans Anthropic. L’investissement commencera par un versement initial de $10 milliards en espèces, puis pourra aller jusqu’à un montant supplémentaire de $30 milliards, sous réserve d’atteindre des jalons définis.
Google fournira également à Anthropic au moins 5 gigawatts de puissance de calcul dans le cadre du partenariat.
GateNewsIl y a 1h
Le régulateur suisse FINMA met en garde : l’outil d’IA Mythos d’Anthropic présente un risque financier
Message de Gate News, 24 avril — L’Autorité fédérale de surveillance des marchés financiers (FINMA) de Suisse a indiqué que le fait d’autoriser les banques à adopter rapidement et facilement l’outil d’intelligence artificielle Mythos d’Anthropic ferait peser de sérieux risques sur le
GateNewsIl y a 1h
DeepSeek V4 est lancé avec une fenêtre de contexte de 1M ; les puces Huawei Ascend et Cambricon atteignent une compatibilité totale
Message de Gate News, 24 avril — DeepSeek V4-Pro et DeepSeek V4-Flash ont été officiellement publiés et open-sourcés le 24 avril, avec une longueur de traitement du contexte considérablement étendue de 128K à 1M, soit une augmentation de capacité d’environ 10 fois. Huawei Computing a annoncé que ses produits de supernœud Ascend
GateNewsIl y a 2h
Fere AI clôture un tour de financement de 1,3 M$ mené par Ethereal Ventures
Message de Gate News, 24 avril — Fere AI, une plateforme d’agent de trading d’actifs numériques propulsée par l’IA, a annoncé la clôture d’un tour de financement de 1,3 million de dollars mené par Ethereal Ventures, avec la participation de Galaxy Vision Hill et de Kosmos Ventures.
La plateforme prend en charge des réseaux inter-chaînes, notamment Ethereum,
GateNewsIl y a 2h
Anthropic annule les changements de Claude Code après une baisse de qualité ; tous les correctifs sont terminés
Message des Gate News, le 24 avril — Anthropic a reconnu une récente baisse de la qualité de Claude Code et a confirmé que tous les problèmes liés ont été résolus grâce à des retours en arrière et à des correctifs. Les problèmes provenaient de trois ajustements de produit et d’invites effectués entre début et mi-avril.
Le 4 mars, la
GateNewsIl y a 4h
Kaelan, cofondateur de NeoSoul : l’industrie de l’IA devrait permettre l’existence de jouets, l’innovation commence souvent comme des produits expérimentaux
Message de Gate News, 24 avril — Lors d’un récent forum à Hong Kong sur la finance intelligente chiffrée, Kaelan, cofondateur de NeoSoul, a partagé des informations sur l’évaluation de projets d’IA dans une industrie de l’IA en début de stade et en évolution rapide. Au-delà de l’évaluation des produits actuels, les équipes doivent démontrer leur capacité à suivre l’évolution des capacités du modèle sous-jacent, a-t-il déclaré. Kaelan a souligné que l’entrepreneuriat en IA exige à la fois de l’ancrage et de la vision : l’ancrage signifie disposer de compétences en mise en œuvre d’ingénierie, en conception de produit et en compréhension du marché pour livrer des produits tangibles ; la vision signifie construire en alignement avec les tendances d’évolution des grands modèles de langage.
GateNewsIl y a 4h
