Ты когда-нибудь пробовал попросить языковую модель сгенерировать работающий трехмерный механизм? Если да, то наверняка помнишь предсказуемый результат: оси перекашиваются, шестеренки вращаются в одну сторону, зубья врезаются друг в друга, а стрелки часов двигаются с произвольной скоростью. Долгое время в сообществе разработчиков бытовало мнение, что чисто текстовые авторегрессионные сети принципиально не способны к пространственному воображению (Spatial Awareness). Модели оперируют токенами, а не физическими телами, поэтому трехмерный мир для них остается темным лесом.
Но выход обновленной модели DeepSeek V4.1 Flash (включая свежий производственный чекпоинт Flash-1017) перевернул это представление. Разработчики соединили две вещи, которые раньше считались взаимоисключающими: экстремальную скорость инференса (более 1200 токенов в секунду на специализированном железе) и качественный рывок в моделировании физического пространства прямо в весах внимания. В предыдущем материале о DeepSeek V4.1 Flash 1017 и движке DeepInfer мы уже касались рекордных таймингов кодинга, а сегодня независимый исследователь Мэттью Берман устроил новинке настоящий краш-тест на пространственное мышление.
Механические часы с послойным разбором: экзамен по кинематике
Самым сложным испытанием для DeepSeek V4.1 Flash стало задание спроектировать интерактивный 3D-механизм механических часов в одном самодостаточном HTML-файле на Three.js.
Условия задачи были предельно жесткими:
- Создать функционирующий часовой механизм: шестереночную передачу, балансир, секундную, минутную и часовую стрелки;
- Обеспечить математически точное передаточное отношение зубьев: часовая стрелка обязана совершать один оборот ровно за 12 оборотов минутной;
- Внедрить интерактивный ползунок послойного разбора (exploded view slider), раздвигающий механизм на отдельные слои вдоль оси Z.
Большинство топовых моделей на этом тесте ломаются: стрелки начинают крутиться в обратную сторону, а при попытке раздвинуть детали механизм разлетается в хаотичный мусор. V4.1 Flash выдала рабочий код с первой попытки без единой правки синтаксиса. При перемещении ползунка корпус, стекло циферблата, мосты, стрелки и шестеренки плавно разъезжаются в стороны, не теряя соосности, а зубчатые колеса продолжают кинематически зацепляться и крутиться в реальном времени. Модель доказала, что способна удерживать в оперативной памяти трехмерную систему координат целого механизма.
«Пирамида макаронов» и расчет скрытых объемов
Второй тест Мэттью Бермана был направлен на проверку так называемого скрытого пространственного вывода (Spatial Hidden Object Reasoning).
Модели показали фотографию плотной четырехгранной пирамиды, сложенной из кондитерских изделий — круглых пирожных макарон. Вопрос звучал просто: «Сколько макаронов спрятано внутри пирамиды и не видно снаружи?»
С этим тестом регулярно не справляются даже признанные лидеры вроде GPT-4o и Gemini 1.5 Pro. Они начинают механически пересчитывать кружочки на фотографии и заявляют, что в пирамиде всего 24 видимых пирожных.
DeepSeek V4.1 Flash развернула полноценную цепочку инженерных рассуждений:
- Модель определила квадратное основание пирамиды со стороной 5 на 5 элементов;
- Вспомнила математическую формулу суммы квадратов для ступенчатой пирамиды: 25 на нижнем ярусе, 16 на втором, 9 на третьем, 4 на четвертом и 1 на вершине — суммарно 55 макаронов;
- Посчитала количество видимых объектов на четырех наклонных гранях;
- Вычла видимые элементы из общего объема и безошибочно указала, что внутри скрыт ровно 21 несущий макарон, без которого конструкция физически обрушилась бы.
Это яркий пример того, как глубокий reasoning компенсирует отсутствие встроенного физического движка.
От кубика Рубика к браузерным играм: Bean Blitz за три секунды
Пространственная координация мгновенно находит применение в веб-разработке. Берман попросил модель собрать интерактивный кубик Рубика. Модель не просто сгенерировала 27 кубиков, но и корректно реализовала матричную математику вращения граней: клик по любой стороне разворачивает строго 9 прилегающих блоков с обновлением цветовой разметки.
Следом V4.1 Flash за один промпт сгенерировала браузерный трехмерный платформер «Bean Blitz» — динамичный аналог популярной игры Fall Guys. В игре появился управляемый персонаж-боб, процедурная полоса препятствий с вращающимися молотами, расчет гравитации и физика упругих столкновений. Все это было скомпилировано в работающий веб-интерфейс за несколько секунд.
Замеры скорости: 1200 токенов в секунду на боевых серверах
Скорость — второй киллер-фич релиза. В связке с передовыми решениями, о которых мы писали в статье об архитектуре ультрабыстрого инференса, модель показывает выдающиеся результаты:
- На специализированном кластере Lithos AI с оптимизацией Ultra Chat пиковая пропускная способность достигла 1286 токенов в секунду;
- В облаке Base10 в скоростном режиме (FAST) устойчивый темп генерации составляет 845–855 токенов в секунду при задержке первого токена (TTFT) всего 180 миллисекунд;
- В стандартных конфигурациях при максимальной глубине рассуждений (High Reasoning Effort) скорость удерживается на уровне 210–250 токенов/сек.
Гибкий переключатель усилий рассуждений позволяет инженеру выбирать стратегию: для простых правок форматирования ответ отдается мгновенно, а для кинематических 3D-расчетов модель берет 5–7 секунд на выстраивание геометрической матрицы перед началом генерации кода.
Ограничения и компромиссы браузерного 3D
Разумеется, в реальной разработке не обойтись без трезвой оценки ограничений:
- Модель по умолчанию тяготеет к стандартным материалам Three.js (
MeshStandardMaterial), поэтому без детального текстового ТЗ поверхности выглядят несколько однообразно и пластиково; - При попытке сгенерировать слишком плотные сетки с десятками тысяч полигонов браузер на смартфонах или офисных ноутбуках может испытывать просадку частоты кадров.
Тем не менее, DeepSeek V4.1 Flash доказывает: пространственное моделирование перестает быть прерогативой медленных тяжелых пакетов. Интеллектуальный расчет физики и геометрии теперь доступен на лету прямо в окне чата.