DeepSeek-V4 får ny post-training på Ascend

DeepSeek-V4 får ny post-training på Ascend

En fersk arXiv-rapport gjør DeepSeek-V4 litt mer interessant enn den allerede var. Ikke fordi det plutselig finnes enda en modell å teste. Det gjør det alltid. Det interessante er at forskerne beskriver full-parameter post-training av DeepSeek-V4-familien på Ascend SuperPOD, med konkrete tall for utnyttelse, treningsoppsett og domenespesialisering.

Rapporten heter SLAI T-Rex: Full-Parameter Post-training of the DeepSeek-V4 Family on Ascend SuperPOD. Den ble sendt inn 22. juli 2026 og beskriver et end-to-end optimaliseringsløp for trillion-parameter MoE-modeller på NPU-infrastruktur. Kortversjonen: forskerne hevder 34,22 prosent Model FLOPs Utilization, en 2,93 ganger forbedring mot en åpen baseline-oppskrift, og en spesialisert DeepSeek-V4-Flash-variant for operasjonsanalyse som slår både base-modellen og GPT-5.4-Mini på deres nullskudds Pass@1-måling.

Det er ikke en vanlig produktlansering. Det er mer et glimt inn i neste fase av modellkappløpet: mindre prat om hvem som har den største generelle modellen, mer arbeid med hvordan sterke modeller kan post-trenes, spesialiseres og kjøres effektivt på alternative maskinvareplattformer. For norske virksomheter er det der saken begynner å bli relevant.

Hva rapporten faktisk sier

DeepSeek-V4-familien ligger allerede som preview på Hugging Face, blant annet med DeepSeek-V4-Pro på 1,6 billioner parametere og DeepSeek-V4-Flash på 284 milliarder parametere. Begge er Mixture-of-Experts-modeller, og Flash-varianten aktiverer langt færre parametere per token. Modellkortet beskriver støtte for én million tokens kontekst og MIT-lisens for repository og vekter.

SLAI T-Rex-rapporten bygger videre på denne familien. Forskerne peker på tre harde problemer i full-parameter post-training av trillion-parameter MoE-modeller: minnepress, kommunikasjon som ikke overlapper godt nok med beregning, og ineffektiv kernel-kjøring. Det er akkurat slike problemer som avgjør om en modellstrategi blir et regneark eller faktisk produksjon.

Løsningen de beskriver er hierarkisk optimalisering på flere nivåer: modellparallellisering, koordinering av beregning og kommunikasjon, og lavnivå kernel-arbeid. Poenget er ikke bare å få modellen til å kjøre. Poenget er å få den til å trenes videre med høy nok utnyttelse til at domenespesialisering blir økonomisk mulig.

Deretter etablerer de et CPT- og SFT-løp for operasjonsanalyse. Datasettene består blant annet av solver-verifiserte syntetiske optimaliseringsdokumenter, med 10 000 SFT-eksempler fordelt på fire oppgavetyper og tre problemrepresentasjoner. Resultatet er en spesialisert DeepSeek-V4-Flash-modell som i rapporten får 71,81 prosent gjennomsnittlig zero-shot Pass@1. Det skal være 11,27 prosentpoeng bedre enn base DeepSeek-V4-Flash og 3,98 prosentpoeng bedre enn GPT-5.4-Mini i deres eval.

Hvorfor dette betyr noe for CIO og CISO

Denne typen arbeid flytter diskusjonen fra modellnavn til operasjonell kontroll. Hvis åpne eller delvis åpne modeller kan post-trenes effektivt på ikke-NVIDIA-stakker, endrer det leverandørbildet. Det gir flere aktører mulighet til å bygge spesialiserte modeller uten å være låst til én sky, ett akseleratormarked eller én lukket API.

For CIO handler det om kost, kapasitet og arkitektur. Mange AI-programmer starter med enkel API-bruk, men treffer raskt veggen når volum, kontekstlengde, datakrav og domenekrav øker. Da blir spørsmålet ikke bare hvilken modell som er smartest, men hvem som kan tilpasse den billig nok, kontrollert nok og nært nok virksomhetens data.

For CISO er vinkelen litt annen. Domenespesialisering av store modeller gir kraftige interne verktøy, men også nye risikoflater. Full-parameter post-training, syntetiske data, solver-verifisering og alternative treningsklynger må inn i styringsmodellen. Hvem eier datasettene? Hvem validerer evalene? Hvem sikrer at spesialiseringen ikke introduserer nye svakheter, lekkasjer eller uønsket adferd?

Dette er også en geopolitisk infrastrukturhistorie. Ascend SuperPOD betyr at rapporten ikke bare handler om modellkvalitet, men om evnen til å bygge AI-kapasitet utenfor den mest dominerende GPU-stakken. I praksis blir AI-strategi mer lik klassisk IT-strategi igjen: portefølje, leverandørrisiko, beredskap, kompetanse og kost per faktisk arbeidsflyt.

Ikke kjøp alle påstandene ukritisk

Det er verdt å være nøktern. Rapporten er teknisk, omfattende og konkret, men resultatene er fortsatt forskernes egne målinger. Zero-shot Pass@1 på et spesialisert operasjonsanalyseoppsett er ikke det samme som bred bedriftsnytte. Tallene må replikeres, og virksomheter bør skille mellom modellkort, forskningsrapport, uavhengig benchmark og egne tester.

Det praktiske rådet er derfor enkelt: legg saken i radaren for AI-plattform og infrastruktur, ikke nødvendigvis i innkjøpskurven i morgen. Hvis dere allerede vurderer åpne modeller, lokal inferens, regulert datahåndtering eller domenemodeller for planlegging, logistikk, økonomi eller analyse, er DeepSeek-V4-sporet verdt å følge tett.

Den store trenden er klarere enn enkelttallet: sterke modeller blir råmateriale. Konkurransefortrinnet flyttes gradvis til post-training, evals, dataflyt, sikker drift og evnen til å gjøre modellen nyttig i akkurat din virksomhet. Det er mindre glamorøst enn en lanseringsvideo. Det er også der pengene, risikoen og kontrollen ligger.

Kilder og medier

Primærkilde: arXiv, SLAI T-Rex: Full-Parameter Post-training of the DeepSeek-V4 Family on Ascend SuperPOD: https://arxiv.org/abs/2607.20145

Kontekst: DeepSeek-V4-Flash-modellkort på Hugging Face bekrefter MIT-lisens, én million tokens kontekst og DeepSeek-V4-familiens modelloppsett.

Thumbnail: OpenAI Image 2 / hogby.ai