★
القائمة
الرئيسية كيف يُبنى قائمة المراقبة المنظومة
الأجهزة الشرائحمقارنة الرقائق الخوادم والأنظمةالشبكات الذاكرةالمصانع والتغليف التبريد
المنشآت مراكز البياناتالطاقة المشاريعالحوسبة السحابية وحوسبة GPU
الذكاء نماذج الذكاء الاصطناعيالبرمجيات منتجات الذكاء الاصطناعيمعايير الأداء أوراق بحثيةمجموعات البيانات المفاهيم
النظام البيئي الشركاتالأسهم الأشخاصالجدول الزمني الاتجاهاتمستقبل الذكاء الاصطناعي
تعلّم الأخبار استفسر عن البيانات وكلاء الذكاء الاصطناعي
حول من نحن المنهجية البيانات وواجهة API إخلاء المسؤولية
الخيارات
البيانات وواجهة API

وصول مجاني للقراءة فقط بصيغة JSON إلى البيانات المخزّنة مؤقتاً في الموقع.

الوضع الداكن

العرض الإرشادي
هل مصطلحات الرقائق ومراكز البيانات والنماذج جديدة عليك؟ نشرح المصطلحات الرئيسية أثناء تصفحك بلغة واضحة ومبسطة. البيانات نفسها، مع الشرح مدمجاً فيها.

عرض الخبراء
أنت تعرف المنظومة بالفعل. البيانات فقط: نظيفة وسريعة ومدمجة، دون شروح إضافية. هذا هو العرض الافتراضي.

لغة الواجهة
‹ رجوع

DeepSeek-V4

نموذج ذكاء اصطناعي اللغة الحالي

The efficiency school scales up: 1.6T parameters, MIT license, 1M context.

أنت تطّلع على سجل نموذج AI: من بناه، وما الذي يستطيع فعله، والأجهزة والبيانات التي تقف وراءه.

DeepSeek-V4 went live in preview on April 24, 2026 in Pro and Flash variants with API access and open weights under MIT. V4 Pro is a 1.6-trillion-parameter mixture-of-experts activating 49B per token, pairing MoE with sparse attention for a 1M-token context — and posting 80.6% on SWE-bench Verified (as reported in launch coverage), frontier-class coding from an open model. It extends the V3/R1 lineage's argument that engineering efficiency, not raw compute access, sets the pace under export controls.

المواصفات والحقائق الرئيسية

كل رقم مُصنَّف بحسب أساسه: مواصفة المورّد، أو ادعاء المورّد، أو مُبلَّغ عنه، أو تقدير، أو رسمي. "غير مُفصَح عنه علناً" تعني ذلك تماماً — لا نخترع أي قيم.

Overview

Architecture MoE + sparse attention; 1.6T total / 49B activeReported
Coding 80.6% SWE-bench VerifiedReported

كيف يرتبط هذا ببقية المنظومة

روابط هذا السجل في لمحة — انقر على أي مجموعة للانتقال إليها.

طوّره

تم قياس الأداء على

مبني على

خلف لـ

المصادر

Open-source LLM landscape 2026 (V4 details) ↗ · DeepSeek ↗

السجل مراجَع بتاريخ 2026-08-31 — عرض المنهجية.