DeepSeek'in açık model güncellemesi: daha hızlı, daha ucuz ama hâlâ gölgeli noktaları var

DeepSeek'in açık ağırlıklı modeli V4.1-Flash, 17 Ekim tarihli 1017 güncellemesiyle birlikte kodlama ve çok adımlı otonom görevlerde kayda değer bir sıçrama yaptı. Şirketin yayımladığı test sonuçları, modelin bazı alanlarda GPT-5.6 Sol ve Claude Opus 5 gibi kapalı rakiplerini geçtiğini, bazı alanlarda ise onlara yaklaştığını gösteriyor. Ancak asıl hikâye yalnızca performansta değil: aynı görevi daha az token üreterek tamamlayan model, görev başına maliyeti önceki sürüme kıyasla belirgin biçimde aşağı çekiyor.

Güncelleme, açık kaynak ekosisteminde zaten güçlü konumda olan DeepSeek'in iddiasını bir adım ileri taşıyor. Fakat bağımsız değerlendirmeler, modelin 'bilmediğini bilme' konusunda hâlâ ciddi sorunlar yaşadığını ortaya koyuyor. Bu durum, ucuz ve hızlı bir modelin hangi görevlerde güvenle kullanılabileceği sorusunu yeniden gündeme getiriyor.

Benchmark'larda yükseliş, maliyette düşüş

DeepSeek-V4.1-Flash-1017'nin en çarpıcı ilerlemesi, komut satırı üzerinden gerçekleştirilen görevleri değerlendiren Terminal-Bench 4.0 testinde görülüyor. Önceki sürümün 31,2 puanına karşılık yeni model 42,3 puana ulaşıyor; bu sonuç GPT-5.6 Sol'un 39,9 puanını da geride bırakıyor. Yazılım geliştirme ve hata çözme becerilerini ölçen DeepSWE v1.1 testinde ise puan 74,2'den 77,0'a çıkıyor ve Claude Opus 5'in 74,0 puanlık sonucunun üzerine yerleşiyor.

Ajan tabanlı görevleri ölçen Automation-Bench v1.0.6'da 54,8'den 60,5'e yükselen model, bu kategoride karşılaştırılan tüm kapalı modelleri geride bırakıyor. Ancak tablo her alanda aynı değil: genel bilgi ve akıl yürütmeyi ölçen Humanity's Last Exam'de araç kullanmadan 42,6 puan alan yeni sürüm, GPT-5.6 Sol'un 44,5 ve Opus 5'in 56,3 puanının gerisinde kalıyor. Görsel anlamada da benzer bir durum söz konusu; Chartography'de 83,0 puanla Opus 5'in 84,0 puanına yaklaşırken BabyVision'da 92,5 puana karşılık 94,1 puanlık bir fark oluşuyor.

Asıl fark yaratan unsurlardan biri verimlilik. DeepSWE benchmark'ındaki maliyet tablosu, yeni sürümün yüzde 77 başarıya görev başına ortalama 0,20 doların altında bir maliyetle ulaştığını gösteriyor. Önceki sürüm yüzde 74,2 puan alırken görev başına yaklaşık 0,50 dolar harcıyordu. Yani model hem daha başarılı hem de yaklaşık yarı maliyetle çalışıyor. Bu iyileşmenin arkasında, modelin daha kısa yanıtlar üreterek token tüketimini azaltması ve donanım gereksinimlerinin sadeleştirilmesi yatıyor; V4.1 sürümü, KV önbelleği için önceki nesle kıyasla çeyrek HBM ve sekizde bir SSD depolama kullanıyor.

Web arama altyapısı geliştiricilere açılıyor

Model güncellemesinin yanında DeepSeek, kendi arama altyapısını da dışa açtı. Şirketin dahili olarak geliştirdiği ve yüz milyarlarca web sayfasını indekslediği belirtilen DeepSeek Search, artık Search ve Fetch API'leri üzerinden tüm geliştiricilerin kullanımına sunuluyor. Bu araçlar daha önce yalnızca DeepSeek'in kendi web sitesi ve API hizmetleri üzerinden erişilebilir durumdaydı.

Geliştiriciler böylece kendi uygulamalarına güncel internet verilerine erişme ve bulunan sayfaların içeriğini işleme yeteneği kazandırabilecek. Fiyatlandırma, 1.000 sorgu başına 0,75 dolar olarak belirlenmiş durumda. DeepSeek, arama motorunun SEO spam'ine, yapay zekâ sistemlerini yanıltmaya yönelik içerik manipülasyonlarına ve düşük kaliteli yapay zekâ üretimi içeriklere karşı filtreleme uyguladığını da vurguluyor. API dokümantasyonundaki bir diğer pratik detay ise model adlandırmasında: 'deepseek-flash' artık doğrudan V4.1-Flash-1017'yi işaret ediyor; eski 'deepseek-v4-flash' adı hâlâ kabul edilse de karşılık gelen modeller emekliye ayrılmış durumda.

Arka plan

DeepSeek, son birkaç yıldır açık ağırlıklı modellerin kapalı rakiplerle arasındaki makası kapatmasında en etkili aktörlerden biri oldu. Şirketin V4.1-Flash güncellemesi, bu stratejinin bir devamı niteliğinde: modeli yalnızca daha yetenekli hale getirmek değil, aynı zamanda daha az kaynakla çalıştırılabilir kılmak. Önceki sürümden bu yana hedeflenen 'performans-maliyet cephesini ileri taşımak' ifadesi, şirketin kendi benchmark tablosunda da açıkça görülüyor.

Modelin eğitiminde kullanılan pekiştirmeli öğrenme yaklaşımı da dikkat çekici. DeepSeek, oyun geliştirme ve 3D modelleme gibi alanlarda modelin kendi çıktılarından geri bildirim almasını sağlayan 'self-feedback' yöntemini kullanıyor. Bu, insan değerlendiricilere veya harici ödül modellerine olan ihtiyacı azaltarak eğitim sürecini daha ölçeklenebilir hale getiriyor. Model ağırlıkları Hugging Face ve ModelScope üzerinden MIT lisansıyla indirilebiliyor; bu da geliştiricilere modeli kendi sistemlerinde çalıştırma, değiştirme ve yeniden dağıtma özgürlüğü tanıyor.

Ne anlama geliyor?

DeepSeek-V4.1-Flash-1017'nin yükselişi, açık modellerin artık yalnızca 'uygun fiyatlı alternatif' olmaktan çıkıp belirli görevlerde birincil tercih haline gelebileceğini gösteriyor. Özellikle kodlama ve çok adımlı ajan görevlerinde kapalı rakiplerini geçen bir modelin MIT lisansıyla sunulması, maliyet hassasiyeti yüksek ekipler için önemli bir fırsat. Görev başına maliyetin yarıya inmesi, yoğun kullanım senaryolarında aylık faturalara doğrudan yansıyacak bir kazanım.

Ancak tablonun bir de gölgeli tarafı var. Artificial Analysis'in Omniscience benchmark'ı, modelin 'bilmediğini söyleme' becerisinin zayıf olduğunu ortaya koyuyor: doğru cevap oranı açık modeller arasında iyi sayılabilecek yüzde 43 düzeyindeyken, cevaplayamadığı soruların yüzde 67'sinde halüsinasyon üretiyor. Bu, modelin genel bilgi ve açık uçlu araştırma görevlerinde temkinli kullanılması gerektiğini gösteriyor. Kodlama gibi doğrulanabilir çıktı üreten görevlerde hata kontrolü yapılabilir; ancak kesin doğruluk gerektiren metin üretimi veya olgusal araştırmada modelin özgüveni yanıltıcı olabilir.

Türkiye'deki geliştiriciler için de çift yönlü bir tablo söz konusu. MIT lisansı ve düşen donanım gereksinimleri, yerel sunucularda veya sınırlı bütçelerle çalışan ekiplerin kapalı API'lere bağımlılığını azaltabilir. Search ve Fetch API'lerinin açılması da uygulamalara güncel veri entegrasyonunu kolaylaştırıyor. Öte yandan halüsinasyon eğilimi, Türkçe içerik üretimi veya hassas bilgi gerektiren kullanım senaryolarında insan denetimini hâlâ zorunlu kılıyor. Asıl soru, DeepSeek'in bir sonraki adımda performansı korurken bu güvenilirlik açığını ne kadar kapatabileceği.