Link bài viết gốc： https://mp.weixin.qq.com/s/vha2OEdnQWx3c...
Kim Tiên Sinh là người Triều Tiên đó · Kênh WeChat · Lão Kim dẫn bạn chơi AI · 2026-10-17 22:19
Bài viết này được chia sẻ lại, bản quyền thuộc về tác giả gốc, toàn văn căn cứ theo link bài gốc
Game đua xe hiển thị menu trước, vào đường đua rồi bắt đầu lái, góc quay chuyển vào khoang lái, tốc độ và cấp số hiển thị ngay trước vô-lăng. Chạy xong còn có cả màn hình tổng kết.
Đây là bản demo chính thức vừa được DeepSeek tung ra hôm nay.
Khi thảo luận về bản prototype game, điều này giúp người xem dễ hiểu quy trình cách chơi hơn nhiều so với một bức ảnh chụp màn hình đua xe đơn thuần.
Ngày 17 tháng 10, DeepSeek-V4.1-Flash-1017 chính thức ra mắt . Bản web và app đều được cập nhật đồng thời, giá API giữ nguyên không đổi. Đợt cập nhật này tập trung nâng cấp cho các tác vụ lập trình và công cụ. Những đoạn demo dưới đây sẽ cho thấy hiệu quả khi mô hình phát triển game và dựng cảnh 3D từ con số 0.
Ba đoạn demo lần lượt làm được những gì?
Bản demo Cố Cung tập trung vào bối cảnh 3D. Góc quay di chuyển từ trên cao xuống gần mái ngói, rồi tiến ra trước quảng trường, vị trí tương đối giữa kiến trúc và mặt đất thay đổi theo góc nhìn. Khi làm nội dung giới thiệu bảo tàng triển lãm hay trình diễn kiến trúc, bối cảnh có thể đổi góc nhìn linh hoạt như thế này sẽ giúp bạn nhìn rõ những phần bị che khuất trong hình ảnh tĩnh.
Đoạn thứ ba sử dụng Godot, một game engine. Bản demo áp dụng góc nhìn thứ nhất theo phong cách Portal 2, có thể thấy phòng thử nghiệm, các khối hộp, cánh cửa và thiết bị cầm tay. Ví dụ này rất đáng để quan sát riêng, vì nó liên quan đến việc dựng cảnh bên trong engine, chứ không đơn thuần chỉ là tạo ra một trang web.
DeepSeek cho biết việc nâng cao năng lực phát triển dự án lần này đến từ phương pháp huấn luyện học tăng cường tự phản hồi (self-feedback reinforcement learning).
Tỷ lệ vượt qua đạt 77%, tăng 2,8 điểm phần trăm so với phiên bản trước
Trong bộ tác vụ kỹ thuật phần mềm DeepSWE v1.1, tỷ lệ vượt qua chính thức được công bố đã tăng từ 74,2% lên 77,0%, tăng 2,8 điểm phần trăm . Mức 77,0% của phiên bản mới tương ứng với mức cường độ suy nghĩ tối đa (max), số liệu trong biểu đồ thống kê tỷ lệ vượt qua sau một lần thử.
Biểu đồ này cần quan sát đồng thời cả hai trục: trục tung là tỷ lệ vượt qua của tác vụ đánh giá, trục hoành là chi phí trung bình cho mỗi tác vụ. Càng lên trên chứng tỏ hoàn thành được càng nhiều tác vụ, càng sang trái thì chi phí trung bình càng thấp. Chấm tròn màu xanh của phiên bản Flash mới nằm ở góc trên bên trái.
Đơn giá không đổi, vậy chi phí hoàn thành một tác vụ được tính thế nào? Một tác vụ có thể phải gọi mô hình qua nhiều lượt, mỗi lượt đều cần đọc nội dung và tạo câu trả lời. Lần này DeepSeek đồng thời rút ngắn thời gian chạy tác vụ và độ dài đầu ra; mô hình tạo ít nội dung hơn thì phần tính phí theo token sẽ có cơ hội giảm xuống.
Một thay đổi rõ rệt khác là Terminal-Bench 4.0, tăng từ 31,2 lên 42,3, tương đương tăng 11,1 điểm phần trăm. Benchmark này tập trung vào hiệu năng thực thi tác vụ của mô hình trong môi trường terminal, chẳng hạn như xử lý vấn đề qua dòng lệnh.
Điều kiện thử nghiệm cũng cần được xem xét cùng nhau. DeepSWE sử dụng framework Mini-SWE-V2, Terminal-Bench sử dụng framework Claude Code. Dữ liệu của các model khác trong biểu đồ đến từ nhiều nguồn khác nhau, một số dữ liệu bảng xếp hạng ghi nhận vào ngày 22 tháng 9.
Hiện tại dùng thế nào, cần điều chỉnh những cài đặt nào?
Với người dùng web và app, chỉ cần mở DeepSeek như bình thường là có thể trải nghiệm phiên bản mới.
Nếu bạn đã tích hợp API, tên model vẫn tiếp tục điền là deepseek-flash , không cần điền DeepSeek-V4.1-Flash-1017. Phía nhà phát triển đã tối ưu hóa đặc biệt cho các framework công cụ như DeepSeek Harness, CodeBuddy và WorkBuddy. Người dùng DeepSeek Harness nên cập nhật lên bản 0.2.1-rc.1 trở lên.
Bảng giá được tính theo mỗi triệu token, token là đơn vị đo lường khi mô hình xử lý văn bản. Với Flash, mỗi triệu token đầu vào chưa cache có giá 1 tệ vào khung giờ thấp điểm và 2 tệ vào khung giờ cao điểm. Mỗi triệu token đầu ra có giá 4 tệ vào giờ thấp điểm và 8 tệ vào giờ cao điểm. Giờ cao điểm từ 9h–12h và 14h–18h từ thứ Hai đến thứ Sáu theo giờ Bắc Kinh (trừ các ngày nghỉ lễ theo luật định của Trung Quốc), các khung giờ còn lại áp dụng mức giá thấp điểm.
Mã nguồn và trọng số model đã được mở theo giấy phép MIT , nhà phát triển đã cung cấp cổng truy cập trên Hugging Face và ModelScope. Những ai cần tự triển khai có thể tải trọng số về và cấu hình môi trường theo hướng dẫn suy luận trong kho lưu trữ model. Người dùng thông thường chỉ cần sử dụng trực tiếp qua web hoặc API, không cần phải triển khai lại cho đợt nâng cấp này.
Tính năng tìm kiếm và thu thập dữ liệu đã mở, chi phí tính riêng
Search và Fetch được mở cùng ngày, giải quyết hai thao tác cơ bản khi tìm kiếm tài liệu.
Search nhận từ khóa và trả về kết quả tìm kiếm web. Fetch nhận một URL, lấy nội dung chính của trang đó về và trả về dưới dạng văn bản Markdown.
Chẳng hạn nếu bạn muốn làm một bản tin tóm tắt cập nhật sản phẩm AI, bạn có thể dùng Search để tìm trang thông báo của từng bên, sau đó dùng Fetch để lấy nội dung chính của trang được chọn, cuối cùng để mô hình tổng hợp ngày phát hành, tính năng thay đổi và liên kết nguồn. Đây là một cách dùng có thể tích hợp trực tiếp vào chương trình của bạn.
Cả hai API đều có giá 5 tệ cho mỗi 1.000 yêu cầu thành công. Với mức giá này, một lần tìm kiếm thành công cộng với năm lần fetch thành công sẽ tốn tổng cộng 0,03 tệ chi phí API, còn chi phí token phát sinh khi mô hình xử lý nội dung sẽ được tính riêng. Nếu tìm kiếm không có kết quả, fetch không trả về nội dung chính hoặc yêu cầu thất bại thì sẽ không tính phí API cho lần đó.
Còn một mốc thời gian bạn cần lưu ý: Hiện tại trong DeepSeek Harness, Claude Code, Codex, các yêu cầu Search/Fetch phát sinh thông qua lệnh gọi công cụ phía server tạm thời chưa bị tính phí, và sẽ bắt đầu thu phí từ 0 giờ ngày 1 tháng 11 theo giờ Bắc Kinh . Nếu gọi trực tiếp hai API này, hệ thống đã bắt đầu tính phí theo mức giá nói trên.
Lời kết
Cụm từ "giá không tăng" ở tiêu đề là nói về đơn giá của mô hình. Trong thực tế, khi xây dựng một công cụ có tính năng tìm kiếm, hóa đơn của bạn sẽ còn bao gồm nhiều lượt gọi mô hình, tìm kiếm và thu thập dữ liệu web. Nếu chỉ nhìn vào mức giá trên mỗi triệu token thì chưa thể tính ra tổng chi phí để hoàn thành toàn bộ công việc.
Khi so sánh hai mô hình, chúng ta cũng phải đưa ra cùng một yêu cầu. Nếu một bên chỉ tạo ra được menu xe đua, còn bên kia làm trọn vẹn cả phần lái xe lẫn màn hình tổng kết, thì dù bên trước có hóa đơn thấp hơn, hai khoản chi phí này cũng không thể so sánh trực tiếp với nhau.
Lão Kim quan tâm hơn đến việc: Với cùng một yêu cầu và mức độ hoàn thiện như nhau, bạn sẽ phải tốn bao nhiêu tiền.
Học tương tác với AI (NotebookLM)
Ngoài đọc , bạn có thể nghe , xem và xem hoạ thông tin ở đầu bài. Bài này còn có bộ công cụ tương tác do AI tạo: Bài kiểm tra trắc nghiệm, Thẻ ghi nhớ, Sơ đồ tư duy, Bản trình bày và Báo cáo chuyên sâu.
Mở không gian học tương tác