Kan ik DeepSeek V3 0324 lokaal draaien?

Ja, de weights zijn open en gehost op Hugging Face onder deepseek-ai/DeepSeek-V3-0324. Met 685B parameters is het een groot model, dus je hebt realistisch gezien een multi-GPU server of een gequantiseerde versie nodig om het op consumentenhardware te draaien.

Wat kost DeepSeek V3 0324 via API?

DeepSeek rekent $0,29 per miljoen input tokens en $1,14 per miljoen output tokens, met een contextvenster van 163.840 tokens.

Hoe verschilt V3 0324 van de originele DeepSeek V3?

De 0324-update verbetert de redeneringsbenchmarks aanzienlijk (AIME bijna 20 punten omhoog), lost bugs bij functie-aanroepen op, produceert betere front-end code en verhoogt de kwaliteit van Chineestalig schrijven en vertalen.

DeepSeek V3 0324

2116°

#llm #deepseek #coderen #redeneren #schrijven #meertalig

Voer dit model uit

Aanbiedingen / Advertenties

OpenRouter Terminal / API

Betaal per token

Chat met dit model in de browser of roep het aan vanuit je code met één API-sleutel.

DeepSeek | 163.840 token context | $0,29/M input, $1,14/M output. DeepSeek V3, een 685 miljard parameter mixture-of-experts model, is de nieuwste iteratie van de vlaggenschip chatmodelfamilie van het DeepSeek-team. Het is de opvolger van het DeepSeek V3-model en presteert uitstekend op diverse taken.

Gidsen voor dit model

Beste lokale LLM per gebruik (oktober 2026): het juiste open model voor elke klus

Ollama vs LM Studio (2026): welke lokale AI-app gebruik je, en welke topmodellen draaien ze

Hoeveel VRAM heb ik eigenlijk nodig voor lokale AI?

Wat is een GGUF-bestand? Uitleg over gekwantiseerde modellen (Q4, Q8, fp8, NF4)

Alle gidsen

Aantekeningen van de kapitein

Geschreven door Captain, de huisredacteur

Aantekeningen van 2026-10-13

DeepSeek V3 0324 is een 685-miljard-parameter mixture-of-experts chatmodel van DeepSeek, een geüpdatete release van hun vlaggenschip V3-lijn. Het boekt betekenisvolle vooruitgang ten opzichte van zijn voorganger in redenering, coderen en Chineestalig schrijven, terwijl het goedkoop blijft via API. Met minder dan $1,15 per miljoen output tokens en open weights beschikbaar, concurreert het ruim boven zijn prijsklasse.

Bekend om

Sterke verbeteringen in redenering: AIME-score steeg bijna 20 punten ten opzichte van de vorige V3.
Front-end webontwikkeling: schonere, beter uitvoerbare code en mooiere UI's.
Verbeterde nauwkeurigheid bij functie-aanroepen, bugs uit eerdere V3 opgelost.
Verbeterde kwaliteit van Chineestalig schrijven, afgestemd op DeepSeek R1-stijl.
Open weights gepubliceerd op Hugging Face voor lokaal of zelf-gehost gebruik.

Let op

685B parameters betekent dat lokale deployment serieuze hardware vereist; de meeste gebruikers zullen de API gebruiken.
Context is 163.840 tokens — capabel, maar kwalificeert niet als lang-context model volgens frontlinie-standaarden.
DeepSeek heeft hier geen gedetailleerde licentiesamenvatting gepubliceerd; controleer de Hugging Face repo voor commercieel gebruik.

Het beste voor

Prompts om te proberen

Debug een lastige functie

Hier is een JavaScript-functie die een async API-call zou moeten debouncen, maar meerdere keren afvuurt bij snelle invoer. Leg precies uit waarom het faalt, herschrijf het dan zodat alleen de laatste call in een burst doorgaat met 300ms vertraging. Toon de verbeterde code en leg elke wijziging uit.

Los een logische puzzel op

Vijf ingenieurs zitten in een rij. Alice zit niet naast Bob. Carol zit direct rechts van Dave. Eve zit aan een van de uiteinden. Bob zit niet aan een van de uiteinden. Alice zit ergens links van Carol. Noem elke geldige zitopstelling en toon je redenering stap voor stap.

Bouw een landingspagina

Schrijf een enkele, zelfvoorzienende HTML-file voor een minimale SaaS-landingpage: een sticky navigatie, een hero-sectie met een kop en een call-to-action knop, een drie-koloms feature grid en een footer. Gebruik alleen inline CSS, geen frameworks. Het kleurenpalet moet donker marineblauw en amber zijn.

Vergelijk met

DeepSeek V4.1 Flash
Model met open gewichten
1,048,576 token context · $0.04/M invoer, $0.68/M uitvoer
DeepSeek V4 Flash 0731
Model met open gewichten
1,048,576 token context · $0.01/M invoer, $1.28/M uitvoer
DeepSeek V4 Flash 0423
Model met open gewichten
1,048,576 token context · $0.09/M invoer, $0.18/M uitvoer
DeepSeek V4 Pro 0813
Model met open gewichten
1,048,576 token context · $1.32/M invoer, $3.96/M uitvoer

Meer tekstmodellen van deepseek

Veelgestelde vragen

Kan ik DeepSeek V3 0324 lokaal draaien?: Ja, de weights zijn open en gehost op Hugging Face onder deepseek-ai/DeepSeek-V3-0324. Met 685B parameters is het een groot model, dus je hebt realistisch gezien een multi-GPU server of een gequantiseerde versie nodig om het op consumentenhardware te draaien.
Wat kost DeepSeek V3 0324 via API?: DeepSeek rekent $0,29 per miljoen input tokens en $1,14 per miljoen output tokens, met een contextvenster van 163.840 tokens.
Hoe verschilt V3 0324 van de originele DeepSeek V3?: De 0324-update verbetert de redeneringsbenchmarks aanzienlijk (AIME bijna 20 punten omhoog), lost bugs bij functie-aanroepen op, produceert betere front-end code en verhoogt de kwaliteit van Chineestalig schrijven en vertalen.

Oordeel van de kapitein
Een echt verbeterde V3 tegen een prijs die de meeste gesloten mid-tier modellen moeilijk rechtvaardigbaar maakt, vooral voor codeer- en redeneerwerk.

Modelkaart op Hugging Face

De kapitein schrijft deze aantekeningen op basis van de eigen beschrijving en modelkaart van het model. Prijzen en contextgroottes zijn die van de provider op het moment van schrijven en kunnen veranderen.

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

Hoe deze score wordt opgebouwd

Dit model heeft nog geen populariteitsgegevens van welke bron dan ook, dus het krijgt een tijdelijke waarde onder 7,000° om de lijsten compleet te houden. Het staat nooit hoger dan een model met data. De uitsplitsing verschijnt hier zodra een bron het rapporteert.

Woordenlijst: de gebruikte termen

Heat-score: Één getal voor hoe veel een model nu gebruikt en gewenst wordt, van 0° tot 9.999°. Elke lijst op deze site die zegt heetste is gesorteerd op deze score en niets anders.
Vloer: De 7.000° waar elk model met echte data mee begint. De schaal loopt van 0° tot 9.999°; het deel onder de vloer is gereserveerd voor plaatsvervangers (modellen zonder data), zodat een model met data altijd hoger scoort dan een zonder. De vloer is voor iedereen gelijk en beslist niets; de graden erboven zijn de meting.
Download-equivalenten: Alles wat de score als een download telt, bij elkaar opgeteld: downloads zelf, elke torrent seeder als 1.000, elke AI Horde-afbeelding en elke run op een generatie-site als één.
Logaritmische schaal: Tellen per tien, niet per één: van 1.000 naar 10.000 downloads voegt evenveel graden toe als van 10.000 naar 100.000. Zo verdringen grote spelers niet alles.
Likes: Duimen omhoog en likes van elke bron, elk de helft van een download waard op de log-schaal.
Adoptiesnelheid: Hoeveel downloads een model nu per dag krijgt, uit het verschil tussen twee metingen van een bron. Een kwart van het gewicht van de downloadterm.
Gemeten en geschat: Gemeten betekent dat er twee metingen van een bron zijn en het verschil echt is. Geschat betekent dat alleen het totaal van vandaag bekend is en het verleden over de levensduur van het model wordt verdeeld; de site geeft aan welke het toont.
Seeder: Iemand die een kopie van de gewichten online houdt zodat anderen die via een torrent kunnen downloaden, of een gehoste mirror die hetzelfde doet. Elk telt als 1.000 downloads.
AI Horde: Een vrijwilligersnetwerk dat gratis beelden genereert op gedoneerde computers. Het aantal beelden dat het met een model heeft gemaakt is openbaar, en elk telt als één download.
Generatiesites: Sites die hun eigen kopieën van een model hosten en mensen laten genereren, zoals PixAI, SeaArt en Yodayo. Hun downloads tellen net als die van Civitai en elke generatie telt als één download.
OpenRouter tokens: Een tekstmodel dat via een API wordt aangeboden, zoals Claude of GPT, heeft geen gewichten om te downloaden, dus het gebruik wordt gemeten in tokens: de tekststukken die het las en schreef via OpenRouter, een gateway die veel apps gebruiken, in de afgelopen 30 dagen. Elke 10,000,000 tokens telt als één download. Bron: OpenRouter (openrouter.ai/rankings), CC BY 4.0.
Volledig model (checkpoint): De gewichten zelf, het bestand dat zelfstandig genereert. Het krijgt een bonus omdat add-ons ervan afhangen.
LoRA en embedding: Kleine add-on bestanden die iemands gewichten sturen naar een stijl, een personage of een concept. Ze kunnen niet zelfstandig draaien.
Familie en gewichten: De basis waarop een model is gebouwd, zoals SD 1.5, SDXL, Flux of Wan. Elk model erft de releasedatum van de gewichten van zijn familie.
Leeftijd: Graden afgetrokken voor hoe lang geleden de gewichten van de familie uitkwamen: 150° per jaar, tot 750°. Het houdt oude downloads die jaren hadden om op te lopen door de top van de lijst te bevriezen.
Familie boost: Een kleine, begrensde duw voor LoRA's van een familie die deze site nu naar voren schuift, altijd vermeld in de uitsplitsing.
Stand-in score: Een stabiel getal onder de vloer gegeven aan een model waar nog geen bron over rapporteert, zodat lijsten compleet blijven. Het staat nooit hoger dan een model met data.
Nieuw! (gratieperiode): Een model dat minder dan 7 dagen oud is, toont Nieuw! in plaats van een score en neemt geen plaats in de ranglijst in. De score wordt vanaf dag één berekend, maar een model van één dag oud groeit sneller dan wat dan ook, dus zonder de wachttijd zou de #1 van de week altijd het model zijn dat gisteren uitkwam in plaats van wat een week standhield.
Trend: Hoe de groei van een model over een periode zich verhoudt tot de typische groei van een model over dezelfde periode. Sneller dan typisch betekent stijging, langzamer betekent daling.
Typisch model: Het midden van de catalogus: de helft van de modellen met een cijfer groeide sneller over de periode, de andere helft langzamer.

Vergelijkbare modellen

Llama 3.1 70B Instruct

TEXT / LLM

Auto Router

TEXT / LLM

AI-modellen voor het genereren van afbeeldingen, video en tekst

DeepSeek V3 0324 is een tekstmodel voor de Text / LLM-familie, vermeld op ModelTrends.ai, een alleen-lezen catalogus van open source AI-modellen voor afbeeldingen, video en tekst. Vergelijk het met andere Text / LLM-modellen en bekijk de populariteitsscore om de trend te zien.

Meer Text / LLM-modellen Meer Text / LLM Tekst / LLM llm deepseek coderen redeneren schrijven meertalig lokaal

Bladeren op modelfamilie