Fireworks AI का कहना है कि DeepSeek V4 Pro 0813 ने उसके CyberGym मूल्यांकन में सुरक्षा से जुड़े कार्य पूरे किए। इस परीक्षण में वास्तविक कमजोरियों वाले कोडबेस का इस्तेमाल होता है और यह जांचा जाता है कि एक्सप्लॉइट काम करता है या नहीं और पैच लगाया गया या नहीं। 697 कार्यों की तुलना में Fireworks के अनुसार, मॉडल ने GPT-5.5 से ज़्यादा कार्य पूरे किए और हर सफलतापूर्वक ठीक की गई कमजोरी पर इसकी लागत एक-चौथाई रही।
Kimi K3 की तुलना में DeepSeek V4 Pro की प्रति सफलता बताई गई लागत कम थी, लेकिन K3 ने कुल मिलाकर ज़्यादा कार्य पूरे किए। Fireworks का यह भी कहना है कि DeepSeek V4 Pro ने ट्रेस किए गए सभी 840 कार्यों में टूल कॉल किए और न तो जवाब देने से इनकार किया, न ही आउटपुट बीच में कटे। ये कंपनी की ओर से किए गए परीक्षण के नतीजे हैं; स्रोत में स्वतंत्र सत्यापन नहीं दिया गया है।
यह क्यों मायने रखता है
ऑटोमेटेड कोड ऑडिट पर विचार कर रही सुरक्षा टीमों के लिए Fireworks के नतीजे बताते हैं कि GPT-5.5 की तुलना में DeepSeek V4 Pro से हर सफलतापूर्वक ठीक की गई कमजोरी की लागत कम हो सकती है। हालांकि, कंपनी के मूल्यांकन का स्वतंत्र सत्यापन नहीं हुआ है।
