Разработчики обнаружили три идентификатора моделей, ранее не встречавшихся в официальном репозитории DeepSeek на GitHub под названием Harness: deepseek-v5, deepseek-v5-open и deepseek-v5-next. DeepSeek не анонсировал модель V5, и эти записи являются заполнителями в тестовом коде, а не моделями, доступными для использования.
Pandaily проверил репозиторий. Идентификаторы находятся в тестовом файле для провайдера аккаунта DeepSeek, packages/llm/llm-deepseek-account/tests/provider.spec.ts, на строках 154–156, рядом с существующей записью deepseek-v4-pro. История репозитория показывает, что они были добавлены в коммите от 24 сентября, когда каталог моделей аккаунта DeepSeek был перенесен в официальный список моделей. Тест проверяет, как клиент фильтрует модели по требованиям к версии: запись v5-open имеет минимальную клиентскую версию 0.0.1, в то время как v5-next требует 99.0.0-alpha.1, и тест ожидает, что в списке появятся только flash-модель и v5-open.
При таком прочтении кода видно, что Harness может включать новую модель с серверной стороны, либо для всех клиентов, либо только для клиентов, которые обновятся, без выпуска нового релиза. Это не означает, что модель V5 существует или когда она может появиться, и некоторые разработчики считают, что названия являются просто тестовыми заполнителями. По состоянию на 28 октября DeepSeek не публиковал никаких анонсов, карточек моделей или идентификаторов API для серии V5. Текущая линейка включает V4-Pro и V4.1-Flash, последняя была выпущена в сентябре с новой архитектурой, сохранив при этом название V4.
На той же неделе появились новые результаты бенчмарков для этой текущей модели. Artificial Analysis выпустила Intelligence Index v5, свою крупнейшую переработку со времен появления v4 в январе, при этом 60% веса теперь основано на частных тестовых наборах или скрытых ответах. Кодирование составляет 25% индекса, и 15 баллов из них приходится на FrontierCode 2.0 от Cognition, который оценивает изменения кода на основе 132 реальных задач с открытым исходным кодом, определяя, будет ли запрос на слияние (pull request) принят сопровождающими репозитория.
В FrontierCode 2.0 модель DeepSeek V4.1-Flash-1017 при максимальном усилии набрала 28%, что является самым высоким показателем среди всех моделей с опубликованными весами. Kimi K3.1 Pro набрала 25,5%, но ее полные веса еще не опубликованы. Gemini 4 Argon достигла 25,7%, а GPT-6 Luna — 25,2%.
Общий индекс менее впечатляет. DeepSeek V4.1-Flash набирает 32 балла, как и GLM-5.3, против 58 баллов у лидера Claude Opus 5.5. Artificial Analysis утверждает, что разрыв между лучшей опубликованной моделью с открытыми весами и вершиной таблицы увеличился с 3 пунктов при v4.3 до 12 при v5.
Всегда имейте в виду, что редакции могут придерживаться предвзятых взглядов в освещении новостей.
Автор – Pandaily
