Anthropic julkaisi Sonnet 5.5:n: lähes huipputasoa puolella listahinnasta

Kiinalainen DeepSeek on julkaissut päivitetyn version avoimesta tekoälymallistaan V4.1 Flash. Malli lukee tekstiä ja kuvia sekä kirjoittaa koodia. Hinta on niin alhainen, että edistyneestä tekoälystä tulee realistinen resurssi yksityishenkilöille, pienyrityksille ja yhdistyksille.

Uuden version nimi on DeepSeek-V4.1-Flash-1017. Numerot tarkoittavat sen julkaisupäivää 17. lokakuuta. Mallikortin mukaan kyseessä on pieni päivitys V4.1 Flashiin, ja siinä on parannuksia päättelyssä, koodauksessa, agenttitehtävissä ja kuvatesteissä. Yhtiö sanoo myös, että malli suorittaa tehtävät nopeammin ja lyhyemmillä vastauksilla, mikä alentaa tehtäväkohtaisia kustannuksia.

Mallin painot – itse koulutettu malli – on julkaistu MIT-lisenssillä, joka on yksi sallivimmista saatavilla olevista lisensseistä. Kuka tahansa voi ladata, ajaa, muokata ja rakentaa niiden pohjalta, myös kaupallisiin tarkoituksiin.

Kuvien ymmärtäminen oli saatavilla jo syyskuun versiossa. Uutta on DeepSeekin mukaan se, että samasta yleiskäyttöisestä mallista on tullut sekä kyvykkäämpi että nopeampi.

DeepSeek kirjoittaa X:ssä, että päivitys tarjoaa "vahvempia testituloksia, nopeamman tehtävien suorittamisen ja lyhyempiä vastauksia kuin edellinen versio – Pareto-parannus suorituskyvyssä ja kustannuksissa". Tällä yhtiö tarkoittaa, että malli on parantunut ilman, että mikään muu on huonontunut.

Malli on jo saatavilla yhtiön verkkosivuilla, sen sovelluksessa ja sen API-rajapinnan kautta.

Voittaa amerikkalaiset kilpailijat useissa testeissä

DeepSeek vertaa 1017-versiota OpenAI:n GPT-5.6 Soliin ja Anthropicin Opus 5:een. Kaikkein uusimmat amerikkalaiset mallit, GPT-6 ja Opus 5.5, eivät ole mukana taulukossa. Luvut ovat myös yhtiön omia, eikä toimitus ole vahvistanut niitä.

Se inlägget på X

Agenttitehtävissä ja ohjelmoinnissa tulokset ovat silti silmiinpistäviä. DeepSWE-koodaustestissä 1017 saa 77,0 pistettä, kun GPT-5.6 Sol saa 73,0 ja Opus 5 saa 74,0 pistettä. Automation Benchissä ero on suurempi: 60,5 pistettä vastaan 45,8 ja 50,3 pistettä vastaavasti.

Katso julkaisu X:ssä

Sama kaava toistuu Agents' Last Exam- ja Apex Bench -testeissä. Niissä DeepSeek-malli johtaa 35,4 ja 72,1 pisteellä, mikä on selkeä parannus edeltäjän 31,8 ja 64,6 pisteeseen.

Malli ei voita jokaista testiä. Terminal Bench 4:ssä, jossa tehtävät ratkaistaan komentorivipäätteessä, Opus 5 saa 51,8 pistettä DeepSeekin 42,3 pistettä vastaan. ProgramBenchissä Opus johtaa pistein 37 vastaan 29,1. Humanity's Last Exam -tietotestissä ilman työkaluja ero on vielä suurempi: 42,6 DeepSeekille vastaan 56,3 Opukselle.

Kuvatesteissä 1017 on samalla tasolla kilpailijoidensa kanssa. Chartographyssa se saa 83 pistettä, kun GPT-5.6 Sol saa 79,9 ja Opus 5 saa 84 pistettä. BabyVisionissa se sijoittuu kahden amerikkalaismallin väliin ja ZeroBenchissä hieman molempien alapuolelle.

DeepSeek's own table shows improvements over its predecessor, but also tests where the American comparison models lead. Image: DeepSeek.

DeepSeek on julkaissut myös videoesittelyn, jossa malli yhtiön mukaan rakentaa kokonaisia projekteja tyhjästä, "pelin luomisesta 3D-mallinnukseen". Yksi klippi näyttää kameran liikkuvan kolmiulotteisessa palatsimiljöössä, jossa on keltaiset katot ja punaiset seinät. Esittely on yhtiön oma, ei riippumaton testi.

Se inlägget på X

Käyttäjät ovat jo alkaneet esitellä omia tuloksiaan. Eräs X-käyttäjä postasi Sun Garden -nimisen ensimmäisen persoonan pelin, jossa on muinaisia raunioita, valaistustehosteita ja kohteita, joita voi ampua, ja sanoo, että koodi on 1017-mallin kirjoittamaa.

Malli ei toisin sanoen generoi videota. Se kirjoittaa koodin, joka rakentaa pelin.

Hinta tekee eron

DeepSeekin oman API:n kautta malli maksaa 0,30 dollaria miljoonaa syötetytokenia (input tokens) kohden ja 1,20 dollaria miljoonaa tulostetokenia (output tokens) kohden. Tokeni on sanan osa, suunnilleen se yksikkö, jota malli lukee ja kirjoittaa.

Ruuhka-aikojen ulkopuolella hinta puolittuu 0,15 ja 0,60 dollariin. Välimuistissa jo oleva teksti maksaa vain 0,006 dollaria miljoonaa tokenia kohden ruuhka-aikoina ja 0,003 dollaria niiden ulkopuolella. Ruuhka-aikojen ulkopuolinen hinnoittelu on voimassa koko viikonlopun.

DeepSeek's separate cost chart compares DeepSWE results at different settings and also includes newer American models than the table above. The figures are the company's reported results, not the editorial team's own measurements. Image: DeepSeek.

Malli voi pitää muistissaan miljoona tokenia yhden keskustelun sisällä. Se riittää pitkien sopimusten, tutkimusraporttien tai kokonaisten koodikantojen lataamiseen kerralla.

Työkalut tavoittavat tavalliset ihmiset

Todellinen vaikutus koskee sitä, kuka pääsee käsiksi työkaluihin. Yhdistys voi antaa mallin tarkastaa kokouspöytäkirjoja ja skannattuja asiakirjoja. Ammatinharjoittaja voi analysoida valokuvia ja piirustuksia, ja pienyritys voi rakentaa omia sisäisiä työkalujaan.

Mikään tästä ei vaadi kallista tilausta, joka sitoo käyttäjät amerikkalaiseen teknologiajättiin.

Avoimet painot tarkoittavat, ettei mikään yksittäinen palveluntarjoaja voi sulkea ovea. Jos pilvipalvelu nostaa hintojaan tai muuttaa ehtojaan, käyttäjät voivat vaihtaa toiseen, joka ajaa samaa mallia. Työkalut ovat myös vaihdettavissa keskenään ja ne voidaan yhdistää eri malleihin.

Rajoitukset säilyvät. 763 miljardilla parametrilla malli on aivan liian suuri tavalliselle kannettavalle tietokoneelle, joten useimmat ihmiset käyttävät sitä pilven kautta. Laskentateho maksaa ja tekee käyttäjistä riippuvaisia palvelinten ylläpitäjistä.

Samalla kiinalainen toimija tuo kilpailukykyisen mallin yleisön saataville, kun taas OpenAI:n ja Anthropicin parhaita amerikkalaisia malleja voi vain vuokrata. Avoimet kiinalaiset mallit ovat aiemmin haastaneet johtavia amerikkalaisia nimiä myös kuvien generoinnissa.

Moottori, työpaja ja isäntäpalvelu

Aloittamista harkitsevalle auttaa kolmen asian erottaminen toisistaan. Malli on moottori, joka ajattelee. Työympäristö, jota usein kutsutaan valjaiksi (harness) tai agentiksi, on työpaja, joka antaa moottorille kädet: se lukee tiedostoja, ajaa komentoja ja suunnittelee työtä. Isäntäpalvelu (hosting provider) ajaa mallia palvelimillaan ja laskuttaa siitä.

OpenCode on ilmainen, avoimen lähdekoodin työympäristö, joka toimii terminaalissa. Ollama kuvailee, kuinka se lukee projektin, muokkaa tiedostoja, ajaa komentoja, jakaa työtä aliprosesseille, hakee verkkosivuja ja hyväksyy kuvia sekä näyttökuvia. Käyttäjät valitsevat oman tarjoajansa ja mallinsa käyttämällä omaa API-avaintaan tai OpenCoden valinnaisia Zen- ja Go-tilauksia.

DeepSeek Harness on yhtiön oma työympäristö, joka on julkaistu avoimena lähdekoodina MIT-lisenssillä ja rakennettu periaatteella, että "kaikki on liitännäistä", mikä tarkoittaa, että kaikki on lisäosaa.

Kun Node.js on asennettu, se käynnistetään komennolla npx @deepseek-ai/dsh web, joka avaa paikallisen käyttöliittymän selaimessa. Kohdassa Settings ja Models käyttäjät syöttävät API-avaimensa, valitsevat projektikansion ja kuvailevat tehtävän. Agentti lukee ja kirjoittaa tiedostoja, ajaa komentoja ja suunnittelee pyytäen hyväksyntää käyttäjän asettamien lupasääntöjen mukaisesti.

DeepSeekin mukaan 1017 on optimoitu erityisesti Harnessia sekä Tencentin CodeBuddy- ja WorkBuddy-työkaluja varten.

Ollama lupaa olla säilyttämättä sisältöä

Ollama Cloud tarjoaa V4.1 Flashia samaan hintaan kuin DeepSeek, ruuhka-aikojen ulkopuolisilla puoleen hintaan. Käyttäjät, joilla on ilmainen tili, voivat ostaa saldoa ilman palvelumaksua. Pro maksaa 20 dollaria kuukaudessa ja sisältää 60 dollarin edestä saldoa, mikä riittää ruuhka-aikoina 200 miljoonaan syötettyyn tokeniin tai 50 miljoonaan tulostettuun tokeniin.

Ollaman luettelo listaa malliperheen, mutta ei vahvista, että nimenomaan 1017-versio olisi otettu siellä käyttöön. Uuden version on vahvistettu olevan saatavilla suoraan DeepSeekiltä.

Ollaman tietosuojakäytännön mukaan kehotteita ja vastauksia käsitellään vain tilapäisesti palvelun tuottamiseksi, eikä niitä koskaan käytetä koulutukseen. Kumppaneiden on sovellettava niin sanottua nollatietojen säilytystä (zero data retention), mikä tarkoittaa, ettei mitään sisältöä tallenneta.

Tilitiedot, maksut, IP-osoitteet ja jotkin käyttötiedot voidaan kuitenkin tallentaa. Palvelimet sijaitsevat pääasiassa Yhdysvalloissa, ja Eurooppa toimii varajärjestelmänä suuren kysynnän aikana. Komento ollama launch opencode käynnistää OpenCoden yhdistettynä suoraan Ollaman malleihin.

Anna agentille mahdollisimman vähän oikeuksia

Agentit, joilla on lupa lukea ja kirjoittaa tiedostoja, voivat myös aiheuttaa vahinkoa. DeepSeek Harness on edelleen kehittäjäversio (developer preview), ja yhtiö varoittaa muutoksista, jotka rikkovat yhteensopivuuden.

Projektin turvallisuusohjeiden mukaan työkalulle ei ole tehty tietoturvatarkastusta eikä se ole valmis tuotantokäyttöön, ja liitännäiset sekä koodi voivat vahingoittaa tai vuotaa tietoja. Ohjeena on antaa agentille mahdollisimman vähän oikeuksia, ajaa sitä eristetyssä testiympäristössä ja pitää varmuuskopioita.

DeepSeek suosittelee Harness-versiota 0.2.1-rc.1 tai uudempaa. Pekingin aikaa 1. marraskuuta asti yhtiö tarjoaa integroidut palvelintyökalut maksutta, kun mallia käytetään Harnessin, Claude Coden tai Codexin kautta.