Mensaje de Gate News, 25 de abril — DeepSeek lanzó versiones de vista previa de V4-Pro y V4-Flash el 24 de abril, ambos modelos de código abierto con ventanas de contexto de un millón de tokens. V4-Pro presenta 1,6 billones de parámetros totales, pero activa solo 49 mil millones por pasada de inferencia usando una arquitectura Mixture-of-Experts.

Mensaje de Gate News, 25 de abril — Baidu Intelligent Cloud ha llevado DeepSeek-V4 a su plataforma Qianfan, ofreciendo acceso mediante API al modelo de IA recién lanzado. DeepSeek-V4 viene en dos versiones—DeepSeek-V4-Pro y DeepSeek-V4-Flash—y cuenta con una ventana de contexto ampliada de un millón de tokens. Las empresas y

Gate 新闻消息，4月24日——DeepSeek V4-Pro 和 DeepSeek V4-Flash 已于 4月24日正式发布并开源；上下文处理长度从 128K 显著扩展至 1M，容量提升接近 10 倍。华为计算宣布其 Ascend 超级节点

Mensaje de Gate News, 24 de abril — Cambricon anunció hoy que ha completado la adaptación del Día 0 de DeepSeek-V4, el último modelo de lenguaje grande de DeepSeek, utilizando su ecosistema propietario de software NeuWare y el framework vLLM. El código de adaptación se ha publicado simultáneamente como código abierto, marcando el

Mensaje de Gate News, 24 de abril — DeepSeek V4 ha publicado resultados de evaluaciones de razonamiento matemático formal, logrando una puntuación perfecta de 120/120 en Putnam-2025, empatando con Axiom por el primer lugar. En el régimen práctico, usando LeanExplore y muestreo con restricciones, V4-Flash-Max obtuvo 81.00 en el

Mensaje de Gate News, 24 de abril — El informe técnico de V4 de DeepSeek revela que V4-Flash y V4-Pro fueron preentrenados con 32T y 33T tokens, respectivamente, duplicando los aproximadamente 15T tokens usados para V3. El informe reconoce haber encontrado "retos importantes de inestabilidad" durante el entrenamiento, con picos de pérdida que ocurren repetidamente debido a anomalías en la capa Mixture-of-Experts MoE; el mecanismo de enrutamiento en sí mismo agrava estas anomalías, y un simple rollback no puede resolver el problema.

Mensaje de Gate News, 24 de abril — DeepSeek ha lanzado la serie V4 de modelos de código abierto bajo la Licencia MIT, con pesos ahora disponibles en Hugging Face y ModelScope. La serie incluye dos modelos (MoE) de mezcla de expertos: V4-Pro con 1,6 billones de parámetros totales y 49 mil millones activados por token, con

Noticias de Gate, 23 de abril — DeepSeek ha hecho de código abierto TileKernels bajo la licencia MIT, una biblioteca de kernels de GPU escrita en TileLang para el entrenamiento y la inferencia de modelos de lenguaje de gran tamaño. TileLang es un lenguaje específico de dominio desarrollado por el equipo tile-ai para expresar kernels de GPU de alto rendimiento en

DeepSeek寻求超过$20B 的融资方案，腾讯/阿里巴巴讨论投资；Nvidia警告称，美国的芯片优势可能会被华为削弱；随着Vast Data的$1B 轮融资以及OpenAI/Anthropic/xAI的投资，AI资金继续激增。 DeepSeek计划在与腾讯和阿里巴巴的沟通中，将估值推高至超过$20 十亿美元，同时Nvidia警告称，如果将AI模型转向华为芯片，可能会削弱美国的领先地位。该报道还提到，全球AI融资出现激增，包括Vast Data的$1 十亿美元轮融资，估值为$30 十亿美元，以及对OpenAI、Anthropic和xAI的重大投资。

Mensaje de Gate News, 22 de abril: el estudiante de doctorado de Princeton, Yifan Zhang, divulgó en X las especificaciones técnicas completas de DeepSeek V4, después de un adelanto el 19 de abril. V4 cuenta con 1.6 billones de parámetros totales y una variante liviana, V4-Lite, con 285 mil millones de parámetros. El modelo emplea el mecanismo de atención DSA2