DeepSeek hôm qua (31 tháng 7) đã đăng nhật ký phát hành thông qua tài liệu API, thông báo API bản chính thức DeepSeek-V4-Flash bắt đầu thử nghiệm công khai. Các nền tảng benchmark AI như @ArtificialAnlys và @arena hôm nay (1 tháng 8) cũng đồng bộ cập nhật kết quả benchmark liên quan.
@ArtificialAnlys (Artificial Analysis) là một tổ chức độc lập quốc tế hàng đầu về benchmark và phân tích AI, chuyên đánh giá không thiên vị hiệu năng và chi phí vận hành trong nhiều lĩnh vực như mô hình ngôn ngữ lớn (LLM), tạo video và âm nhạc AI.
Trong đó, Artificial Analysis Intelligence Index (Chỉ số thông minh) là benchmark công nghệ tổng hợp cốt lõi, được dùng để đo lường toàn diện mức độ thông minh tuyệt đối của các mô hình AI và theo dõi sự phát triển của công nghệ.
Báo cáo cho biết DeepSeek V4 Flash 0731 đạt 50 điểm trong Artificial Analysis Intelligence Index (AII), cao hơn 10 điểm so với DeepSeek V4 Flash (phát hành vào tháng 4 năm 2026) và cao hơn 6 điểm so với DeepSeek V4 Pro.
Chỉ số thông minh của DeepSeek V4 Flash 0731 thấp hơn 1 điểm so với GPT-5.6 Luna (tối đa 51 điểm). Ngay cả khi OpenAI giảm 80% giá GPT-5.6 Luna hôm nay, chi phí cho mỗi tác vụ của DeepSeek V4 Flash 0731 trên API riêng vẫn thấp hơn khoảng 60% so với GPT-5.6 Luna (tối đa 51 điểm).
Yếu tố then chốt tạo ra khác biệt này là DeepSeek cung cấp mức chiết khấu khoảng 98% cho lượt truy cập bộ nhớ đệm trên API riêng, vượt xa mức chiết khấu 90% cho lượt truy cập bộ nhớ đệm mà phần lớn nhà cung cấp trong ngành đưa ra.
@arena (Arena.ai) là nền tảng đấu đối kháng và đánh giá mô hình ngôn ngữ lớn theo “sở thích của con người” uy tín nhất hiện nay trong ngành AI toàn cầu. Nền tảng này bắt nguồn từ đội ngũ LMSYS Chatbot Arena nổi tiếng, áp dụng hệ thống điểm Elo tương tự cờ vua quốc tế và xếp hạng các mô hình AI toàn cầu thông qua các trận đấu loại trực tiếp với hình thức kiểm thử mù đôi A/B thuần túy do các nhà phát triển đánh giá.
Trong các bảng xếp hạng chuyên biệt, Frontend Code Arena (đấu trường mã frontend, còn gọi là WebDev Arena) là tiêu chuẩn vàng và chỉ báo xu hướng của ngành trong việc đánh giá năng lực phát triển web, kỹ thuật frontend và lập trình tự động ở cấp độ Agent của các mô hình ngôn ngữ lớn.
Báo cáo cho biết DeepSeek-V4-Flash-High đã định hình lại bảng xếp hạng Frontend Code Arena với 1586 điểm.
Giá mỗi MToken là 0.14 đô la Mỹ (lưu ý: theo tỷ giá hiện tại tương đương khoảng 0.95 nhân dân tệ)/0.28 đô la Mỹ (theo tỷ giá hiện tại tương đương khoảng 1.9 nhân dân tệ), là sản phẩm có hiệu quả chi phí cao nhất trong cùng loại.
Trong lĩnh vực mã frontend, mẫu này xếp hạng tổng thể thứ 7 và xếp hạng thứ 3 ở hạng mục mở! Trong từng hạng mục, mẫu xếp thứ 4 ở lĩnh vực sản phẩm tiêu dùng, thứ 6 ở các lĩnh vực thiết kế dựa trên tham chiếu, dữ liệu và phân tích, trò chơi, và thứ 7 ở lĩnh vực thương hiệu và tiếp thị.
So với DeepSeek-V4-Flash-High-Preview, đây là một bước tiến đáng kể, với hiệu năng tăng 154 điểm. So với DeepSeek-V4-Pro-Preview, mức cải thiện còn lớn hơn, đạt 121 điểm.
IT之家 tra cứu nền tảng X và phát hiện nhiều nhà phát triển đã chia sẻ video so sánh khi sử dụng bản chính thức DeepSeek-V4-Flash: