Jsou váhy otevřené a mohu model spustit lokálně?

Ano — DeepSeek-V3.1-Terminus je vydán pod licencí MIT a váhy jsou na Hugging Face na deepseek-ai/DeepSeek-V3.1-Terminus. Struktura modelu je stejná jako DeepSeek-V3, takže platí stejné nástroje pro lokální inferenci, i když model je velký a vyžaduje výkonný hardware.

Kolik to stojí a jak dlouhý je kontext?

Cena přes API je 0,27 USD za milion vstupních tokenů a 1,00 USD za milion výstupních tokenů, s kontextovým oknem 163 840 tokenů.

Čím se Terminus liší od DeepSeek V3.1?

Terminus je opravná verze, nikoli nový model — cílí na dvě slabiny: jazykovou konzistenci (méně smíšeného čínsko-anglického výstupu) a výkon agentů (Code Agent a Search Agent). Většina benchmarků je blízko V3.1, ale agentní úlohy jako SWE-bench a Terminal-bench vykazují nejvýraznější zlepšení.

DeepSeek V3.1 Terminus

1961°

#llm #deepseek #uvažování #agenti #programování #lokální

Spustit model

Nabídky / Reklamy

OpenRouter Terminál / API

Platba za token

Chatuj s tímto modelem v prohlížeči nebo ho zavolej ze svého kódu s jedním API klíčem.

DeepSeek | kontext 163 840 tokenů | 0,27 $/M vstup, 1,00 $/M výstup. DeepSeek-V3.1 Terminus je aktualizace [DeepSeek V3.1](/deepseek/deepseek-chat-v3.1), která zachovává původní schopnosti modelu a zároveň řeší problémy hlášené uživateli, včetně jazykové konzistence a schopností agentů, dále optimalizující model...

Návody k tomuto modelu

Nejlepší lokální LLM podle použití (říjen 2026): správný otevřený model pro každou práci

Kolik VRAM vlastně potřebuji pro lokální AI?

Otevřené váhy vs open source vs pouze API: co vlastně smíš dělat

Co je soubor GGUF? Vysvětlení kvantovaných modelů (Q4, Q8, fp8, NF4)

Všechny návody

Poznámky kapitána

Napsal Captain, hlavní redaktor

Poznámky z 2026-10-13

DeepSeek-V3.1-Terminus je cílená aktualizace DeepSeek V3.1 od DeepSeek, která řeší dva konkrétní problémy: smíšený jazykový výstup a slabý výkon agentů. Zlepšení v benchmarku jsou mírná u většiny úloh, ale významná u agentních úloh — SWE-bench, BrowseComp a Terminal-bench všechny vykazují posun nahoru. Hodí se pro vývojáře budující kódové nebo vyhledávací agenty, kteří již používali V3.1 a narazili na tyto problémy.

Známý pro

Silnější výkon kódového a vyhledávacího agenta oproti V3.1
Snížený smíšený čínsko-anglický výstup a méně cizích znaků
Solidní skóre na SWE-bench: 68,4 % ověřeno, 57,8 % vícejazyčně
Licence MIT — váhy jsou otevřené a volně použitelné komerčně
Kontextové okno 163 840 tokenů za cenu výrazně pod 1,50 USD za milion tokenů

Dej pozor na

Známý problém s FP8 škálováním dat v self_attn.o_proj; DeepSeek uvádí, že oprava přijde.
Model je velký — lokální spuštění vyžaduje výkonný hardware; před stažením zkontrolujte požadavky na VRAM.
Hodnocení na Codeforces mírně kleslo oproti V3.1, takže uživatelé čistě soutěžního kódování nemusí vidět zlepšení.

Nejlepší pro

Agenti a používání nástrojů

Programování

Uvažování

Běží lokálně

Promptů k vyzkoušení

Agent pro úkoly v terminálu

Máte přístup k terminálu. Python projekt v /app neprochází testy. Spusťte testy, přečtěte výstup, identifikujte příčinu, opravte příslušný soubor a znovu spusťte testy, abyste potvrdili opravu. Ukažte každý příkaz a vysvětlete své kroky mezi nimi.

Refaktorace do více souborů

Mám Flask aplikaci, kde jsou volání databáze rozptýlená v route handlerech. Refaktorujte ji tak, aby veškerý přístup k DB šel přes jednu vrstvu repository. Ukažte novou strukturu souborů, modul repository a dva příklady route handlerů přepsaných pro použití repository. Zachovejte stávající chování.

Obtížná logická hádanka

Pět inženýrů vlastní každý jiný programovací jazyk, pije jiný nápoj a sedí v řadě pěti stolů. Rust inženýr sedí vedle pijáka čaje. Python inženýr je na jednom konci. Piják kávy sedí dva místa od Go inženýra. TypeScript inženýr pije vodu. Kdo pije espresso a jaký jazyk používá? Ukažte své uvažování.

Porovnat s

DeepSeek V4.1 Flash
Model s otevřenými váhami
kontext 1,048,576 tokenů · $0.04/M vstup, $0.68/M výstup
DeepSeek V4 Flash 0731
Model s otevřenými váhami
kontext 1,048,576 tokenů · $0.01/M vstup, $1.28/M výstup
DeepSeek V4 Flash 0423
Model s otevřenými váhami
kontext 1,048,576 tokenů · $0.09/M vstup, $0.18/M výstup
DeepSeek V4 Pro 0813
Model s otevřenými váhami
kontext 1,048,576 tokenů · $1.32/M vstup, $3.96/M výstup

Více textových modelů od deepseek

Často kladené otázky

Jsou váhy otevřené a mohu model spustit lokálně?: Ano — DeepSeek-V3.1-Terminus je vydán pod licencí MIT a váhy jsou na Hugging Face na deepseek-ai/DeepSeek-V3.1-Terminus. Struktura modelu je stejná jako DeepSeek-V3, takže platí stejné nástroje pro lokální inferenci, i když model je velký a vyžaduje výkonný hardware.
Kolik to stojí a jak dlouhý je kontext?: Cena přes API je 0,27 USD za milion vstupních tokenů a 1,00 USD za milion výstupních tokenů, s kontextovým oknem 163 840 tokenů.
Čím se Terminus liší od DeepSeek V3.1?: Terminus je opravná verze, nikoli nový model — cílí na dvě slabiny: jazykovou konzistenci (méně smíšeného čínsko-anglického výstupu) a výkon agentů (Code Agent a Search Agent). Většina benchmarků je blízko V3.1, ale agentní úlohy jako SWE-bench a Terminal-bench vykazují nejvýraznější zlepšení.

Verdikt kapitána
Rozumná oprava pro uživatele V3.1, kteří narazili na problémy s jazykovým mixem nebo potřebovali lepší spolehlivost agentů — není důvod přecházet, pokud jste s V3.1 spokojeni.

Modelová karta na Hugging Face

Kapitán píše tyto poznámky na základě popisu modelu a modelové karty. Ceny a velikosti kontextu jsou od poskytovatele v době psaní a mohou se změnit.

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.

Change colors / personalize / get code

Not this creator?

Get your own badge

Jak se toto skóre sčítá

Tento model zatím nemá žádná data o popularitě z žádného zdroje, takže má náhradní číslo pod 7,000°, které udržuje seznamy kompletní. Nikdy se neumístí výš než model s daty. Rozpis se tu objeví, jakmile ho nějaký zdroj nahlásí.

Slovníček: pojmy používané zde

Heat skóre: Jedno číslo, které ukazuje, jak moc se model teď používá a chce, od 0° do 9 999°. Každý seznam na tomto webu, který říká nejžhavější, je podle toho seřazený a nic jiného.
Minimum: 7 000° je základ, od kterého začíná každý model s reálnými daty. Měřítko je od 0° do 9 999°; část pod minimem je vyhrazena pro zástupce (modely bez dat), aby model s daty byl vždy výš než ten bez. Minimum je stejné pro všechny a nic nerozhoduje; stupně nad ním jsou měření.
Ekvivalenty stažení: Všechno, co skóre počítá jako stažení, sečtené: samotná stažení, každý torrent seeder jako 1 000, každý obrázek z AI Horde a každý běh na generujícím webu jako jedno.
Logaritmická škála: Počítá se po desítkách, ne po jednotkách: přechod z 1 000 na 10 000 stažení přidá stejný počet stupňů jako z 10 000 na 100 000. Zabraňuje, aby obři přebili všechno ostatní.
Lajky: Palce nahoru a lajky ze všech zdrojů, každý za polovinu váhy stažení na logaritmické škále.
Rychlost přijetí: Kolik stažení denně model právě teď má, podle rozdílu mezi dvěma odečty zdroje. Čtvrtina váhy oproti termínu stažení.
Měřené a odhadované: Měřené znamená, že existují dva záznamy zdroje a rozdíl je skutečný. Odhadované znamená, že je znám jen dnešní celkový údaj a minulost je rozložena přes životnost modelu; stránka uvádí, který typ zobrazuje.
Seeder: Někdo, kdo drží kopii vah online, aby si ji ostatní mohli stáhnout přes torrent, nebo hostovaný zrcadlový server, který dělá totéž. Každý takový počítá jako 1 000 stažení.
AI Horde: Dobrovolnická síť, která zdarma generuje obrázky na darovaných počítačích. Počet obrázků vytvořených s modelem je veřejný a každý se počítá jako jedno stažení.
Generační stránky: Stránky, které hostují vlastní kopie modelu a umožňují lidem generovat s ním, například PixAI, SeaArt a Yodayo. Jejich stažení se počítají stejně jako u Civitai a každý běh generování jako jedno stažení.
OpenRouter tokeny: Textový model poskytovaný přes API, jako Claude nebo GPT, nemá žádné váhy ke stažení, takže jeho využití se měří tokeny: kusy textu, které přečetl a napsal přes OpenRouter, bránu, kterou používá mnoho aplikací, za posledních 30 dní. Každých 10,000,000 tokenů se počítá jako jedno stažení. Zdroj: OpenRouter (openrouter.ai/rankings), CC BY 4.0.
Plný model (checkpoint): Samotné váhy, soubor, který generuje sám o sobě. Má bonus, protože na něm závisí doplňky.
LoRA a embedding: Malé doplňkové soubory, které nasměrují váhy někoho jiného k určitému stylu, postavě nebo konceptu. Samy o sobě nemohou běžet.
Rodina a váhy: Základ, na kterém je model postavený, například SD 1.5, SDXL, Flux nebo Wan. Každý model dědí datum vydání vah své rodiny.
Věk: Stupně odečtené podle toho, jak dávno vyšla váha rodiny: 150° za rok, až do 750°. Staré stažení, která měla roky na nashromáždění, zůstávají nahoře na seznamu.
Boost rodiny: Malý, omezený posun pro LoRA rodiny, kterou tato stránka právě podporuje, vždy uvedený v rozpisu.
Náhradní skóre: Stabilní číslo pod minimem dané modelu, o kterém zatím žádný zdroj nehlásí, aby seznamy zůstaly kompletní. Nikdy není výše než model s daty.
Nové! (ochranná lhůta): Model mladší než 7 dní ukazuje místo skóre Nové! a nezískává místo v žebříčku. Jeho skóre se počítá od prvního dne, ale model starý jeden den roste rychleji než cokoli jiného, takže bez čekání by #1 týdne byl vždy model, který vyšel včera, místo toho, co vydrželo týden.
Trend: Jak růst modelu za určité období odpovídá typickému růstu modelu za stejné období. Rychlejší než obvyklé znamená vzestup, pomalejší pokles.
Typický model: Střed katalogu: polovina modelů s číslem rostla rychleji za dané období, polovina pomaleji.

Podobné modely

AI modely pro generování obrázků, videa a textu

DeepSeek V3.1 Terminus je textový model pro rodinu Text / LLM uvedený na ModelTrends.ai, katalogu open source AI modelů pro obrázky, video a text určeném jen ke čtení. Porovnejte ho s dalšími modely Text / LLM a podívejte se na jeho skóre žhavosti.

Další modely Text / LLM llm deepseek uvažování agenti programování lokální

Procházet podle rodiny modelů