DeepSeek-V4-Flash Ra Mắt Ở Vị Trí Thứ 21 Trên Bảng Xếp Hạng Agent Arena
DeepSeek-V4-Flash-20260731 đã ra mắt ở vị trí thứ 21 toàn phần và thứ 3 trong số các mô hình mã nguồn mở trên bảng xếp hạng Agent Arena. Mô hình này xếp trên phiên bản DeepSeek-V4-Pro 6 bậc, đạt mức cải thiện ròng 1,98% dựa trên hơn 12.500 phiên hoạt động thực tế của tác nhân AI. Sự ra mắt này chứng minh rằng các mô hình "Flash" gọn nhẹ có thể vượt trội hơn các phiên bản "Pro" lớn hơn trong các quy trình làm việc phức tạp của tác nhân AI vốn đòi hỏi khả năng điều phối công cụ. Điều này làm nổi bật sự tiến bộ nhanh chóng của AI mã nguồn mở trong việc xử lý các tác vụ thực tế, thu hẹp khoảng cách với các mô hình độc quyền. Xét qua các chỉ số hiệu suất chính, mô hình đã đạt mức tăng 6,99% về tỷ lệ thành công được xác nhận và cải thiện 2,53% về khả năng phục hồi lệnh bash, mặc dù khả năng kiểm soát (steerability) giảm 2,31%. Mô hình cũng cho thấy mức cải thiện 1,2% trong việc giảm thiểu hiện tượng ảo giác công cụ (tool hallucination).
## KIẾN THỨC NỀN
Agent Arena là một hệ thống đánh giá (benchmark) đo lường mức độ hiệu quả của các mô hình AI trong việc điều phối các công cụ bên ngoài để hoàn thành các tác vụ thực tế. Hiện tượng ảo giác công cụ (tool hallucination) là một lỗi phổ biến khi các tác nhân AI tự bịa đặt hoặc sử dụng sai các API, dẫn đến việc thực thi tác vụ không chính xác.