Mensagem do Gate News, 22 de abril — o estudante de PhD da Princeton, Yifan Zhang, divulgou no X as especificações técnicas completas do DeepSeek V4, após um prévio em 19 de abril. O V4 tem 1,6 trilhão de parâmetros no total e uma variante leve, o V4-Lite, com 285 bilhões de parâmetros.
O modelo emprega o mecanismo de atenção DSA2, que combina a atenção esparsa DSA anterior do DeepSeek (DeepSeek Sparse Attention) da V3.2 e a NSA (Native Sparse Attention) com embeddings de cabeçalho de 512 dimensões, pareado com Sparse Multi-Query Attention (MQA) e Sliding Window Attention (SWA). A camada MoE (Mixture of Experts) contém 384 especialistas com 6 ativados por passagem direta, utilizando o Fused MoE Mega-Kernel. As conexões residuais usam a arquitetura Hyper-Connections.
Detalhes de treinamento revelados pela primeira vez incluem o uso do otimizador Muon (applying Newton-Schulz orthogonalization to momentum updates), uma janela de contexto de pré-treinamento de 32K tokens e GRPO (Group Relative Policy Optimization) com correção de divergência KL durante o aprendizado por reforço. A janela de contexto final se estende até 1 milhão de tokens. O modelo é apenas texto.
Zhang não é empregado pela DeepSeek, e a empresa não comentou oficialmente as informações divulgadas.
Aviso: As informações nesta página podem ser provenientes de terceiros e não representam as opiniões ou pontos de vista da Gate. O conteúdo exibido nesta página é apenas para referência e não constitui aconselhamento financeiro, de investimento ou jurídico. A Gate não garante a exatidão ou integridade das informações e não será responsável por quaisquer perdas decorrentes do uso dessas informações. Os investimentos em ativos virtuais apresentam altos riscos e estão sujeitos a uma volatilidade de preços significativa. Você pode perder todo o capital investido. Por favor, compreenda completamente os riscos envolvidos e tome decisões prudentes com base em sua própria situação financeira e tolerância ao risco. Para mais detalhes, consulte o
Aviso Legal.
Related Articles
OpenClaw, Hermes e SillyTavern Confirmados como Suporte no GLM Coding Plan
O gerente de produto da Zhipu AI, Li, anuncia o OpenClaw, o Hermes e o SillyTavern como projetos compatíveis no GLM Coding Plan; outras ferramentas serão avaliadas caso a caso. Não compartilhe credenciais nem use assinaturas como acesso à API; entre em contato com o suporte para o erro 1313.
O gerente de produto da Zhipu AI, Li, anunciou que o OpenClaw, o Hermes e o SillyTavern são oficialmente compatíveis no GLM Coding Plan, com outras ferramentas avaliadas caso a caso. A nota alerta contra o compartilhamento de credenciais ou o uso de assinaturas como acesso à API e orienta os usuários com o erro 1313 a entrarem em contato com o suporte.
GateNews3m atrás
CEO da Google Cloud: Gemini vai alimentar o lançamento da Siri personalizada da Apple em 2026
Resumo: O Gemini vai alimentar uma Siri personalizada da Apple em 2026, construída com os Modelos de Fundação da Apple e a colaboração com o Gemini; a Apple testa uma Siri estilo chat no iOS 27/macOS 27, prevista para a WWDC 2026.
Resumo: O Gemini da Google Cloud está programado para alimentar uma Siri personalizada da Apple até 2026, combinando Gemini com os Modelos de Fundação da Apple sob uma colaboração de aproximadamente $1 bilhão. A Apple está testando uma Siri redesenhada e estilo chat no iOS 27/macOS 27, com uma interface do Dynamic Island e novos recursos, antes de um anúncio na WWDC 2026 em 8 de junho.
GateNews35m atrás
A parceria $60B billion SpaceX-Cursor fornece novas evidências para os argumentos de perdão de SBF
Resumo
A SpaceX anuncia uma parceria $60 bilhão com a Cursor, com uma opção de aquisição, moldando a proposta de perdão de SBF, já que a participação inicial da Alameda na Cursor valeria cerca de $3 bilhão hoje. A matéria pesa as alegações de insolvência de SBF, a campanha dos pais, as objeções dos credores e as poucas chances de perdão.
Resumo
A parceria SpaceX-Cursor impulsiona a proposta de perdão de SBF; a participação da Alameda $200k valeria cerca de $3B hoje (15,000x). SBF alega insolvência da FTX; os mercados mostram baixas chances de perdão; Trump dificilmente perdoará.
GateNews42m atrás
Ações da Chegg despencam 99% à medida que a IA perturba o mercado de tecnologia educacional
Resumo: A Chegg disparou com a demanda por educação online, depois as ferramentas de IA desestabilizaram seu modelo, desencadeando demissões em massa e uma queda para abaixo de $2, com mudanças mais amplas impulsionadas por IA atingindo também mineradoras de cripto e empresas de tecnologia financeira.
Resumo: Este artigo examina a ascensão da Chegg como queridinha da edtech na era da pandemia e seu subsequente declínio diante da rápida adoção de IA generativa, que oferece respostas rápidas e reduz o apelo da proposta de valor da Chegg. Ele documenta demissões em 2025 e a queda das ações em direção ao cancelamento de listagem, e enquadra a experiência da Chegg dentro de uma disrupção mais ampla impulsionada por IA que está remodelando tecnologia e cripto: mineradoras de Bitcoin fazem a transição para operações com IA, e estratégias nativas de IA redefinem a competitividade em tecnologia financeira e além.
CryptoFrontier52m atrás
OpenAI lança modelo de Filtro de Privacidade open-source para detecção e remoção de PII
Resumo: O Filtro de Privacidade da OpenAI é um modelo de código aberto, executável localmente, que detecta e remove dados pessoais (PII) no texto. Ele oferece suporte a contextos grandes, identifica muitas categorias de PII e é destinado a fluxos de trabalho que preservam a privacidade, como preparação de dados, indexação, registro (logging) e moderação.
O Filtro de Privacidade da OpenAI é um modelo de código aberto executado localmente (128k-token context) que detecta e remove PII no texto, cobrindo dados de contato, financeiros e de credenciais para fluxos de trabalho de privacidade.
GateNews1h atrás
A OpenAI Planeja Implantar 30GW de Capacidade de Computação até 2030
A OpenAI mira 30GW de capacidade de computação até 2030 para atender à crescente demanda por IA, com 8GW já concluídos de uma meta de 10GW para 2025. A expansão sinaliza uma estratégia para ampliar a infraestrutura para o desenvolvimento e a implantação de IA de próxima geração.
A OpenAI pretende atingir 30GW de capacidade de computação até 2030 para acomodar a crescente demanda por IA, tendo já concluído 8GW de uma meta de 10GW para 2025. A medida reflete uma expansão estratégica da infraestrutura para apoiar o desenvolvimento e a implantação de IA de próxima geração.
GateNews1h atrás
