DeepSeek V3.1
4967°
DeepSeek | 163,840 令牌上下文 | 输入 $0.25/千令牌，输出 $0.95/千令牌。DeepSeek-V3.1 是一款大型混合推理模型（671B 参数，37B 激活），支持通过提示模板切换思考与非思考模式。它在 DeepSeek-V3 基础上采用两阶段长上下文训练，支持最长 128K 令牌，并使用 FP8 微缩放实现高效推理。用户可通过 reasoning enabled 布尔值控制推理行为。详情请参阅我们的文档Opens in new tab。该模型提升了工具使用、代码生成和推理效率，在困难基准测试中表现与 DeepSeek-R1 相当但响应更快。支持结构化工具调用、代码代理和搜索代理，适合研究、编码和代理工作流。它是 DeepSeek V3-0324 模型的继任者，能胜任多种任务。
本模型的指南
全部指南
船长笔记
2026-10-13 的笔记
DeepSeek V3.1 是 DeepSeek 推出的 6710 亿参数混合专家模型，推理时激活 370 亿参数，支持单一权重集内的思考模式和非思考模式。其思考模式质量可与 DeepSeek R1 相媲美，响应速度更快，工具调用和代理能力较 V3 有显著提升。每百万输出令牌成本不足一美元，是预算有限且运行智能代理或长文档流程的严肃选项。
以……著称
- 通过聊天模板切换思考/非思考模式，无需独立模型。
- 工具调用和代理工作流较 DeepSeek V3 有显著改进。
- 128K 上下文窗口，采用两阶段长上下文训练。
- 思考模式质量媲美 DeepSeek R1，响应更快。
- 权重开源于 Hugging Face，支持 FP8 微缩放高效推理。
注意
- 6710 亿总参数量意味着本地部署需强大硬件，大多数用户会使用 API。
- 工具调用仅支持非思考模式，无法与推理模式结合。
- 聊天模板自 V3 版本起变更，现有提示和集成可能需更新。
推荐尝试的提示词
多步骤代码代理
你可以使用 Python 解释器。编写脚本从公共 API 获取美元、欧元和英镑的最新汇率，计算三种货币的交叉汇率，并打印格式化表格。使用工具调用执行每一步，检查输出并修正错误，最后返回结果。
复杂推理谜题
五位工程师分别在周一至周五加入项目。Alice 比 Bob 早加入。Carol 在 Dave 之后一天加入。Eve 在周三加入。Bob 不在周四加入。Dave 比 Carol 早加入，但比 Eve 晚。列出每位工程师的加入日期，并逐步展示推理过程。
长文档提取
我将粘贴一份长合同。请仔细阅读并输出：(1) 各方主要义务的简明英文段落总结，(2) 所有提及的截止日期或通知期限的项目符号列表，(3) 可能给买方带来意外责任的条款。标记任何模糊之处。[粘贴合同文本]
与……比较
- DeepSeek Flash Latest仅限API模型1,048,576 令牌上下文 · $0.04/M 输入，$0.68/M 输出
- DeepSeek V4 Flash Latest仅限API模型1,048,576 令牌上下文 · $0.01/M 输入，$1.28/M 输出
- DeepSeek Pro Latest仅限API模型1,048,576 令牌上下文 · $0.25/M 输入，$5.00/M 输出
- DeepSeek V4.1 Flash开源权重模型1,048,576 令牌上下文 · $0.04/M 输入，$0.68/M 输出
来自 deepseek 的更多文本模型
常见问题
- 我可以本地运行 DeepSeek V3.1 吗？
- 权重开源且可在 Hugging Face 获取，但模型总参数量达 6710 亿，完全精度运行需强大硬件，大多数人会使用量化版本或 API。
- 费用是多少，上下文窗口多大？
- API 价格为每百万输入令牌 0.25 美元，输出令牌 0.95 美元，上下文窗口为 163,840 令牌。
- V3.1 与 DeepSeek V3 和 DeepSeek R1 有何不同？
- V3.1 增加了混合思考模式（一个模型覆盖快速聊天和逐步推理），改进了工具调用和代理任务，并通过额外长上下文训练将上下文扩展至 128K；思考模式质量可与 R1 相媲美且响应更快。
船长评语一款罕见同时入选预算和智能工作流候选名单的模型——混合思考模式确实实用，而非营销噱头。
Hugging Face 上的模型卡
船长根据模型自身描述和模型卡撰写这些笔记。价格和上下文大小为撰写时提供商的数据，可能会变动。
Ranking badge
Updated Oct 22, 2026
Made this model? Show this badge on your page.
Paste it into your Hugging Face card or Civitai description.
这个评分是怎么计算的
这个模型还没有任何来源的流行度数据，所以它用一个低于 7,000° 的替代数值来保持列表完整。它永远不会排在有数据的模型前面。一旦有来源报告数据，分解就会显示在这里。
术语表：这里用到的术语
- 热度得分
- 一个数字，表示模型当前的使用和需求程度，范围从0°到9,999°。本站所有标注为最热门的榜单都按这个分数排序，别无他物。
- 基准线
- 所有有真实数据的模型起始于7,000°。分数范围是0°到9,999°；基准线以下的部分保留给无数据的替代模型，这样有数据的模型总是排在无数据模型之上。基准线对所有人相同，不影响排名；超过基准线的度数才是实际测量值。
- 下载等价量
- 得分中当作下载计算的所有项目总和：下载本身，每个种子上传者算1,000，每个AI Horde图片和每次生成网站的运行算一个。
- 对数刻度
- 以十为单位计数，而不是以一为单位：从1,000到10,000下载增加的热度和从10,000到100,000增加的热度相同。这样可以防止巨头压倒一切。
- 点赞
- 来自所有来源的点赞和竖起大拇指，每个点赞在对数刻度上价值半个下载。
- 采用率
- 模型当前每天的下载次数，基于两次读数的差值。权重是下载项的四分之一。
- 测量与估算
- 测量表示有两个来源的读数，且差异是真实的。估算表示只知道今天的总数，过去的数据是根据模型的生命周期分配的；网站会说明显示的是哪种。
- 做种者
- 指那些在线保存权重副本供他人通过种子下载的人，或者提供同样服务的托管镜像。每个做种者相当于1000次下载。
- AI Horde
- 一个志愿者网络，在捐赠的电脑上免费生成图片。它用某个模型生成的图片数量是公开的，每张图片算作一次下载。
- 生成网站
- 托管自己模型副本并允许用户生成的站点，比如PixAI、SeaArt和Yodayo。它们的下载计数和Civitai一样，每次生成算一次下载。
- OpenRouter 令牌
- 通过API提供的文本模型，如Claude或GPT，没有权重需要下载，因此其使用量以令牌计量：过去30天内通过OpenRouter（一种许多应用使用的网关）读取和生成的文本片段。每10,000,000个令牌计为一次下载。来源：OpenRouter (openrouter.ai/rankings)，CC BY 4.0。
- 完整模型（检查点）
- 权重文件本身，是能独立生成的文件。它会获得额外加分，因为附加组件依赖它。
- LoRA和嵌入
- 小型附加文件，用来引导别人的权重朝向某种风格、角色或概念。它们不能单独运行。
- 家族与权重
- 模型构建所基于的基础，比如SD 1.5、SDXL、Flux或Wan。每个模型继承其家族权重的发布日期。
- 年龄
- 根据家族权重发布多久，扣除的度数：每年150°，最多750°。它保留了那些积累了多年下载量的老模型，防止它们被挤出榜单顶部。
- 家族加成
- 对当前网站重点推广的某个家族的LoRA给予的小幅度限制性加分，总是在分数细目中列出。
- 替代分数
- 给还没有任何来源报告的模型一个稳定的最低分数，这样榜单才完整。它永远不会高于有数据的模型。
- 新模型！（宽限期）
- 不到7天的新模型显示“新模型！”而非分数，且不参与排名。其分数从第一天开始计算，但一天大的模型增长最快，若不等待，周榜#1总是昨天刚发布的模型，而非持续一周的。
- 趋势
- 模型在某段时间内的增长与同一时间段内典型模型增长的对比。比典型快表示上升，比典型慢表示下降。
- 典型模型
- 目录的中间值：一半有数据的模型增长比它快，一半比它慢。
DeepSeek V3.1 是 Text / LLM 系列的一个文本模型，收录于 ModelTrends.ai——一个只读的开源 AI 图像、视频和文本模型目录。你可以将它与其他 Text / LLM 模型比较，并查看热度分数了解趋势。
按模型系列浏览
Text / LLM 模型
434
Anima 模型
528
Chroma 模型
19
Fibo 模型
2
Flux 模型
1,496
Flux 2 / Klein 模型
1,239
Flux 3 模型
3
Moss 模型
3
Iris 模型
1
MiniMax H3 模型
364
Hunyuan 模型
204
Ideogram 模型
20
Krea2 模型
717
Qwen 模型
20
Qwen2 模型
47
Ltx2 模型
153