Hacker News · 05.08.2026 ·Оценка и бенчмарки

Анализ цензуры в модели DeepSeek V4-Flash-0731

Исследователи проанализировали новую версию модели DeepSeek V4-Flash-0731 и выявили рост уровня цензуры на 12 процентных пунктов по сравнению с превью-версией. Анализ показал, что ограничения носят избирательный характер и затрагивают специфические темы, что влияет на поведение модели при выполнении запросов, требующих нейтрального или объективного освещения спорных вопросов в рамках тестирования.

В ходе исследования использовалась методология оценки «отказа от ответа» (refusal rate) на наборах данных, имитирующих провокационные или чувствительные запросы. Авторы отмечают, что разработчики внесли корректировки в систему безопасности, которые привели к более частому срабатыванию фильтров. Это изменение демонстрирует тренд на ужесточение политики безопасности в последних итерациях моделей, что может ограничивать полезность инструмента в исследовательских задачах.

Данная работа подчеркивает проблему «дрейфа» поведения моделей после обновлений. Даже при сохранении архитектурных характеристик, изменения в процессе дообучения (RLHF) могут существенно менять границы допустимого контента. Для пользователей это означает необходимость повторной калибровки промптов и оценки надежности ответов при переходе на новые версии весов, так как модель становится более склонной к уклонению от прямых ответов.

Ключевые факты

Уровень цензуры в версии V4-Flash-0731 вырос на 12 процентных пунктов относительно превью-версии.
Изменения носят избирательный характер и сфокусированы на конкретных тематических категориях.
Исследование базируется на метрике частоты отказов (refusal rate) при обработке чувствительных запросов.
Наблюдаемый эффект связывают с корректировками в алгоритмах безопасности и процессах дообучения модели.

Источник: Hacker News

Обсудить с ИИ

Похожие материалы

The Decoder · Модели и релизы DeepSeek обновила модель V4 Flash: производительность на уровне лидеров при низкой цене Компания DeepSeek выпустила обновление «0731» для своей бюджетной модели V4 Flash, значительно повысив её вычислительные возможности. Согласно данным Artificial Analysis, модель набрала 50 баллов в Intelligence Index, вплотную приблизившись к показателям GPT-5.6 Luna от OpenAI. При этом стоимость выполнения задач с использованием новой версии снизилась примерно на 60% по сравнению с конкурентом. Hacker News · Безопасность и алайнмент Анализ механизмов отказа LLM в выполнении запросов Исследование поведения открытых языковых моделей при получении потенциально опасных запросов выявило, что механизмы отказа часто срабатывают избыточно. Автор проанализировал, как именно модели классифицируют промпты и в какой момент принимают решение об отказе, опираясь на архитектурные особенности и методы обучения, что позволяет лучше понять границы безопасности современных систем и способы их настройки. Hacker News · Модели и релизы Анализ производительности и стоимости модели DeepSeek-V4-Flash Аналитическая платформа Artificial Analysis опубликовала детальный разбор новой модели DeepSeek-V4-Flash. Исследование подтверждает высокую эффективность архитектуры, демонстрируя значительный прогресс в соотношении вычислительной мощности и стоимости инференса. Модель показывает конкурентные результаты в бенчмарках, сохраняя при этом низкие задержки, что делает её привлекательным решением для высоконагруженных систем, требующих быстрой обработки данных при ограниченном бюджете на API. Hacker News · Модели и релизы Релиз DeepSeek-V4-Flash-0731: новая итерация эффективной языковой модели Компания DeepSeek представила DeepSeek-V4-Flash-0731 — обновленную версию своей языковой модели, оптимизированную для высокой скорости работы и сниженных вычислительных затрат. Релиз ориентирован на задачи, требующие быстрого инференса при сохранении высокого качества генерации текста, что делает модель конкурентоспособным решением для масштабируемых агентных систем и приложений реального времени, работающих с большими объемами данных. Hacker News · Прогнозы и тренды DeepSeek V3 и V4 стремительно захватывают долю рынка агентных вычислений Аналитика OpenRouter показывает, что модели DeepSeek V3 и V4 демонстрируют взрывной рост популярности среди разработчиков агентных систем. Благодаря высокой производительности и низкой стоимости инференса, эти модели активно вытесняют конкурентов в задачах, требующих многократных вызовов API. Переход пользователей на DeepSeek отражает глобальный тренд на оптимизацию затрат при сохранении высокого качества логических рассуждений. Simon Willison's Weblog · Модели и релизы Релиз DeepSeek-V4-Flash: новая модель с улучшенными агентными способностями Компания DeepSeek представила DeepSeek-V4-Flash-0731 — новую модель из серии V4, ориентированную на выполнение сложных агентных задач. При 304 миллиардах параметров модель демонстрирует высокую производительность, превосходя по ряду бенчмарков более крупные аналоги, такие как MiniMax M3. Эффективная архитектура и агрессивная ценовая политика делают её одним из самых конкурентоспособных решений на рынке LLM. Hacker News · Бизнес и инвестиции DeepSeek вводит динамическое ценообразование на API в часы пиковой нагрузки Китайская компания DeepSeek изменила стратегию монетизации своего API, введя дополнительные сборы за использование сервиса в периоды максимального спроса. Ранее компания спровоцировала ценовую войну на рынке LLM, предлагая крайне низкие тарифы. Теперь пользователи столкнутся с динамическим ценообразованием, призванным сбалансировать нагрузку на вычислительные мощности и обеспечить стабильность работы инфраструктуры в часы пиковой активности. Hacker News · Безопасность и алайнмент Исследование ограничений лексики современных LLM Исследователи проанализировали механизмы цензуры и фильтрации в популярных языковых моделях, пытаясь выявить системные запреты на использование определенных слов. Работа демонстрирует, как RLHF и системные промпты формируют границы допустимого контента, ограничивая генерацию ответов, содержащих специфическую лексику, даже если контекст запроса не является вредоносным или нарушающим правила безопасности. Hacker News · Бизнес и инвестиции Динамика ценообразования LLM: 14 изменений тарифов за полгода За последние шесть месяцев ведущие провайдеры ИИ-моделей, включая OpenAI, Anthropic и Google, внесли 14 значимых корректировок в свои тарифные сетки. Анализ показывает, что стратегия ценообразования стала крайне волатильной, что напрямую влияет на операционные расходы компаний, использующих API для масштабируемых продуктов. Понимание этих изменений критически важно для оптимизации затрат на инфраструктуру ИИ. Hacker News · Модели и релизы DeepSeek анонсировала выход модели V4 с новой моделью ценообразования Компания DeepSeek объявила о предстоящем в середине июля релизе своей новой флагманской модели V4. Ключевым изменением станет внедрение динамического ценообразования для API: стоимость запросов в часы пиковой нагрузки вырастет в два раза. Это решение направлено на оптимизацию вычислительных мощностей и управление трафиком в периоды максимального спроса на инфраструктуру компании.

← Все материалы