DeepSeek V4 Pro 0813
9010°
इस मॉडल को चलाएं
ऑफर / विज्ञापन
DeepSeek | 1,048,576 token context | $1.32/M input, $3.96/M output. DeepSeek V4 Pro 0813 is a large-scale mixture-of-experts model from DeepSeek. This is the GA release of DeepSeek V4 Pro.
इस मॉडल के लिए गाइड
उपयोग के अनुसार सर्वश्रेष्ठ स्थानीय LLM (अक्टूबर 2026): हर काम के लिए सही खुला मॉडल
स्थानीय AI के लिए मुझे वास्तव में कितनी VRAM चाहिए?
ओपन वेट्स, ओपन सोर्स और केवल API: आप वास्तव में क्या कर सकते हैं
GGUF फ़ाइल क्या है? क्वांटाइज़्ड मॉडल समझाया (Q4, Q8, fp8, NF4)
कैप्टन के नोट्स
2026-10-13 के नोट्स
DeepSeek V4 Pro 0813 DeepSeek के बड़े mixture-of-experts मॉडल का सामान्य-उपलब्धि संस्करण है, जो पूर्वावलोकन की तुलना में काफी मजबूत एजेंटिक और कोडिंग प्रदर्शन प्रदान करता है। यह DSpark स्पेकुलेटिव डिकोडिंग मॉड्यूल और समायोज्य reasoning-effort पैरामीटर के साथ आता है, जो इसे उत्पादन एजेंट लूप्स में अपने पूर्ववर्ती से तेज़ और अधिक सक्षम बनाता है। खुले वज़न Hugging Face पर उपलब्ध हैं, और API की कीमत अधिकांश फ्रंटियर प्रतिस्पर्धियों से काफी कम है।
के लिए जाना जाता है
- एजेंटिक कोडिंग कार्य: SWE-bench-शैली और टर्मिनल बेंचमार्क पर मजबूत स्कोर।
- DSpark स्पेकुलेटिव डिकोडिंग अंतर्निहित, स्वयं-होस्टेड तैनाती में विलंबता कम करता है।
- तीन reasoning-effort स्तर (कम, उच्च, अधिकतम) जो लागत और गहराई के बीच संतुलन देते हैं।
- एक मिलियन से अधिक टोकन संदर्भ विंडो।
- खुले वज़न उपलब्ध, अपनी खुद की इन्फ्रास्ट्रक्चर पर चलाने योग्य।
सावधान रहें
- कोई मानक Jinja चैट टेम्पलेट नहीं; आपको इनपुट सही ढंग से फॉर्मेट करने के लिए प्रदान किए गए Python एन्कोडिंग स्क्रिप्ट का उपयोग करना होगा।
- एक बड़े MoE मॉडल के रूप में, स्थानीय तैनाती के लिए गंभीर हार्डवेयर की आवश्यकता होती है — निर्माता ने सटीक पैरामीटर संख्या प्रकाशित नहीं की है।
- बेंचमार्क तुलना DeepSeek द्वारा स्वयं संचालित; आंतरिक टेस्ट सेट (DSBench) के प्रति उचित संदेह रखें।
के लिए सबसे अच्छा
प्रयास करने के लिए प्रॉम्प्ट
फेल हो रहे टेस्ट सूट का डिबग करें
मेरे पास एक Python फ़ंक्शन है जो ISO 8601 अवधि को पार्स करता है और उन्हें सेकंड में बदलता है। यह PT1H जैसे सरल मामलों के लिए यूनिट टेस्ट पास करता है लेकिन P1Y2M3DT4H5M6S पर फेल होता है। बताएं कि पार्सर को क्या संभालना चाहिए, एक सही कार्यान्वयन लिखें, और तीन एज केस टेस्ट जोड़ें जो लीप वर्ष और भिन्नात्मक सेकंड को कवर करें।
मल्टी-स्टेप एजेंट कार्य की योजना बनाएं
आप एक एजेंट हैं जिनके पास bash टर्मिनल और वेब सर्च टूल की पहुंच है। एक उपयोगकर्ता का GitHub Actions वर्कफ़्लो 'exit code 137' के साथ मैट्रिक्स बिल्ड पर फेल हो रहा है। उस कारण का निदान करने के लिए आप कौन-कौन से टूल कॉल करेंगे, प्रत्येक चरण में कौन सी जानकारी एकत्र करेंगे, और यदि कारण आउट-ऑफ-मेमोरी किल है तो आप क्या सुधार लागू करेंगे, विस्तार से बताएं।
कठिन प्रतिबंध समस्या पर तर्क करें
पांच इंजीनियरों को तीन प्रोजेक्ट्स में असाइन करना है। प्रत्येक प्रोजेक्ट में कम से कम एक इंजीनियर होना चाहिए। एलिस और बॉब एक ही प्रोजेक्ट पर काम करने से इनकार करते हैं। कैरोल प्रोजेक्ट 2 पर होनी चाहिए। डेव और ईव अलग-अलग प्रोजेक्ट्स पर होने चाहिए। सभी वैध असाइनमेंट सूचीबद्ध करें और बताएं कि आपने अवैध असाइनमेंट कैसे हटाए।
की तुलना करें
- DeepSeek V4.1 Flashओपन-वेट्स मॉडल1,048,576 टोकन संदर्भ · $0.04/M इनपुट, $0.68/M आउटपुट
- DeepSeek V4 Flash 0731ओपन-वेट्स मॉडल1,048,576 टोकन संदर्भ · $0.01/M इनपुट, $1.28/M आउटपुट
- DeepSeek V4 Flash 0423ओपन-वेट्स मॉडल1,048,576 टोकन संदर्भ · $0.09/M इनपुट, $0.18/M आउटपुट
- DeepSeek V4 Pro 0423ओपन-वेट्स मॉडल1,048,576 टोकन संदर्भ · $0.96/M इनपुट, $1.91/M आउटपुट
deepseek से और टेक्स्ट मॉडल
लोग जो सवाल पूछते हैं
- क्या वज़न खुले हैं और क्या मैं इसे स्थानीय रूप से चला सकता हूँ?
- हाँ — वज़न Hugging Face पर deepseek-ai/DeepSeek-V4-Pro-0813 के तहत प्रकाशित हैं। यह एक बड़ा mixture-of-experts मॉडल है, इसलिए स्थानीय तैनाती के लिए भारी हार्डवेयर की आवश्यकता होती है; निर्माता ने सटीक पैरामीटर संख्या प्रकाशित नहीं की है।
- इसकी कीमत क्या है और संदर्भ विंडो कितना बड़ा है?
- API के माध्यम से इसकी कीमत $0.66 प्रति मिलियन इनपुट टोकन और $1.98 प्रति मिलियन आउटपुट टोकन है, संदर्भ विंडो 1,048,576 टोकन है।
- यह DeepSeek V4 Pro Preview से कैसे अलग है?
- 0813 रिलीज़ में DSpark स्पेकुलेटिव डिकोडिंग मॉड्यूल जोड़ा गया है जो विलंबता कम करता है, एजेंटिक क्षमताएं काफी बढ़ाई गई हैं, और बेंचमार्क सुधार विशेष रूप से उत्पादन कोडिंग-एजेंट सेटिंग्स में स्पष्ट हैं — प्रीव्यू ने DeepSWE पर 12.8 स्कोर किया था; यह रिलीज़ 62.7 स्कोर करता है।
कैप्टन का निर्णययदि आप वास्तविक कोडबेस के खिलाफ एजेंट चलाते हैं, तो यह DeepSeek का सबसे तेज़ उपकरण है — और कीमत इसे नजरअंदाज करना मुश्किल बनाती है।
Hugging Face पर मॉडल कार्ड
कैप्टन ये नोट्स मॉडल के अपने विवरण और मॉडल कार्ड से लिखता है। कीमतें और संदर्भ आकार लेखन के समय प्रदाता के हैं और बदल सकते हैं।
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.
Also ranked: #25 Hottest Text / LLM model · #25 Hottest Text / LLM text model
Not this creator?
Get your own badge
DeepSeek V4 Pro 0813 लोकप्रियता रुझान
12 Aug 2026 से हीट स्कोर
हीट स्कोर
9,010°
इस सप्ताह
▲
29.0%
8,976° तब, 9,010° अब
इस महीने
▲
287%
8,831° तब, 9,010° अब
पिछला साल
n/a
अभी जारी/ट्रैक नहीं हुआ
7,000°
फर्श
स्केल 0° से 9,999° तक चलता है। 7,000° से नीचे सब उन मॉडलों के लिए रखा गया है जिन पर अभी तक कोई स्रोत रिपोर्ट नहीं करता, जो वहाँ एक स्टैंड-इन नंबर रखते हैं ताकि सूचियाँ पूरी रहें। 7,000° वह जगह है जहाँ मापा गया डेटा शुरू होता है: एक मॉडल जिसके पास असली डेटा है लेकिन लगभग कोई डाउनलोड नहीं है, वह फर्श पर बैठता है, और माप ऊपर के डिग्री भरते हैं। फर्श मॉडल के बारे में कुछ नहीं कहता; केवल ऊपर के डिग्री कहते हैं, और वही एक मॉडल को दूसरे से अलग करते हैं।
+1,695°
OpenRouter टोकन
पिछले 30 दिनों में इस मॉडल ने OpenRouter के माध्यम से 4,479,902,661,686 टोकन संसाधित किए, प्रॉम्प्ट और उत्तर दोनों मिलाकर। हर 10,000,000 टोकन डाउनलोड अवधि में एक डाउनलोड के रूप में गिने जाते हैं, कुल 447,990; अंतिम दिन के टोकन अपनाने की दर में शामिल होते हैं। स्रोत: OpenRouter (openrouter.ai/rankings)।
+315°
अपनाने की दर
लगभग 15,819 डाउनलोड प्रति दिन, स्रोतों के दो रीडिंग के बीच मापा गया, कभी भी जीवनकाल औसत से अनुमानित नहीं। स्पीड डाउनलोड टर्म का एक चौथाई वजन रखती है, इसलिए एक ताजा उछाल दिखता है बिना एक दिन के स्पाइक को वर्षों के उपयोग से ऊपर रखे।
विस्तृत विवरण दिखाओ
इस साइट पर हर नंबर की जांच की जा सकती है। इस मॉडल का हीट स्कोर 9,010° है, और इसे एक-एक घटक के हिसाब से बनाया गया है, हर एक के बाद कुल योग के साथ: फर्श, हर स्रोत द्वारा जोड़े गए डिग्री, मॉडल के प्रकार के लिए बोनस और इसके वज़न की उम्र जो घटाती है। रंग ऊपर के चार्ट के बैंड हैं। अंत में शब्दावली हर शब्द को परिभाषित करती है।
- 1फर्श से शुरू करें।क्यों 7,000° और शून्य नहीं: स्केल 0° से 9,999° तक चलता है, और 7,000° से नीचे का हिस्सा उन मॉडलों के लिए आरक्षित है जिन पर अभी तक कोई स्रोत रिपोर्ट नहीं करता, जो वहाँ एक स्टैंड-इन नंबर रखते हैं ताकि सूचियाँ पूरी रहें और कभी भी डेटा वाले मॉडल से ऊपर न रहें। 7,000° वह जगह है जहाँ मापा गया डेटा शुरू होता है। एक मॉडल जिसके पास असली डेटा है लेकिन लगभग कोई डाउनलोड नहीं है, वह यहाँ बैठता है; इसके बाद सब माप है, और फर्श के ऊपर जगह में दस दस गुना कदम होते हैं, हर एक 300° के। फर्श हर मॉडल के लिए एक जैसा है, इसलिए यह कुछ तय नहीं करता; ऊपर के डिग्री तय करते हैं।7,000°चल रहा कुल
- 2डाउनलोड जोड़ें।कुल 447,990 डाउनलोड-बराबर, OpenRouter टोकन से। दस गुना डाउनलोड से वही 300° बढ़ता है, इसलिए साइज मायने रखता है लेकिन स्कोर को कभी भी ज्यादा नहीं बढ़ाता।+1,695°8,695°चल रहा कुल
- 3अपनाने की दर जोड़ो।अभी लगभग 15,819 डाउनलोड रोज़ाना, दो माप के बीच मापा गया, जो वजन का एक चौथाई है।+315°9,010°चल रहा कुल
- =हीट स्कोर।इस मॉडल का इस साइट की हर सूची में स्थान। इसे कुछ और नहीं बदलता।9,010°
शब्दावली: यहाँ इस्तेमाल हुए शब्द
- हीट स्कोर
- एक नंबर जो बताता है कि मॉडल अभी कितना इस्तेमाल हो रहा है और कितना पसंद किया जा रहा है, 0° से 9,999° तक। इस साइट की हर 'सबसे गर्म' सूची इसी के हिसाब से सॉर्ट होती है।
- फ्लोर
- 7,000° जो हर मॉडल को असली डेटा के साथ मिलता है। स्केल 0° से 9,999° तक चलता है; फ्लोर से नीचे का हिस्सा बिना डेटा वाले मॉडल के लिए रखा गया है, ताकि डेटा वाला मॉडल हमेशा ऊपर रहे। फ्लोर सबके लिए एक जैसा है और कुछ तय नहीं करता; इससे ऊपर के डिग्री माप हैं।
- डाउनलोड-बराबर
- स्कोर जो कुछ भी डाउनलोड मानता है, उसका जोड़: खुद डाउनलोड, हर टोरेंट सीडर को 1,000, हर AI Horde इमेज और हर जनरेशन साइट पर रन को 1 माना जाता है।
- लॉग स्केल
- दस के हिसाब से गिनती, एक-एक करके नहीं: 1,000 से 10,000 डाउनलोड जाना उतना ही डिग्री बढ़ाता है जितना 10,000 से 100,000 जाना। इससे बड़े मॉडल बाकी सबको दबाते नहीं।
- लाइक्स
- हर स्रोत से अंगूठा ऊपर और लाइक्स, जो लॉग स्केल पर आधे डाउनलोड के बराबर हैं।
- अपनाने की दर
- अभी मॉडल को रोजाना कितने डाउनलोड मिल रहे हैं, दो माप के बीच के अंतर से। डाउनलोड के वजन का एक चौथाई।
- मापा और अनुमानित
- मापा मतलब किसी स्रोत के दो रीडिंग मौजूद हैं और उनका अंतर असली है। अनुमानित मतलब केवल आज का कुल पता है और पिछला डेटा मॉडल के जीवनकाल में फैला हुआ है; साइट बताती है कि कौन सा दिखा रही है।
- सीडर
- कोई जो वज़न की कॉपी ऑनलाइन रखता है ताकि दूसरे टोरेंट के जरिए डाउनलोड कर सकें, या होस्टेड मिरर जो ऐसा करता है। हर एक को 1,000 डाउनलोड माना जाता है।
- AI हॉरड
- एक स्वयंसेवी नेटवर्क जो दान किए गए कंप्यूटरों पर मुफ्त में इमेज बनाता है। किसी मॉडल के साथ बनाई गई इमेज की संख्या सार्वजनिक होती है, और हर एक को एक डाउनलोड माना जाता है।
- जनरेशन साइट्स
- ऐसी साइट्स जो अपने मॉडल की कॉपी होस्ट करती हैं और लोगों को उससे जनरेट करने देती हैं, जैसे PixAI, SeaArt और Yodayo। इनके डाउनलोड Civitai की तरह गिने जाते हैं और हर जनरेशन रन को एक डाउनलोड माना जाता है।
- OpenRouter टोकन
- Claude या GPT जैसे API के माध्यम से सेवा प्राप्त टेक्स्ट मॉडल के लिए डाउनलोड करने के लिए कोई वज़न नहीं होता, इसलिए इसका उपयोग टोकन में मापा जाता है: वे टेक्स्ट के टुकड़े जो इसने OpenRouter के माध्यम से पढ़े और लिखे, जो कई ऐप्स द्वारा उपयोग किया जाने वाला एक गेटवे है, पिछले 30 दिनों में। हर 10,000,000 टोकन एक डाउनलोड के रूप में गिने जाते हैं। स्रोत: OpenRouter (openrouter.ai/rankings), CC BY 4.0।
- पूरा मॉडल (चेकपॉइंट)
- खुद जनरेट करने वाली फाइल, वज़न खुद में। इसे बोनस मिलता है क्योंकि एड-ऑन इसी पर निर्भर होते हैं।
- LoRA और एम्बेडिंग
- छोटे एड-ऑन फाइल जो किसी और के वज़न को एक स्टाइल, कैरेक्टर या कॉन्सेप्ट की ओर मोड़ते हैं। ये अकेले नहीं चल सकते।
- फैमिली और वज़न
- जिस बेस पर मॉडल बना है, जैसे SD 1.5, SDXL, Flux या Wan। हर मॉडल अपने फैमिली के वज़न की रिलीज़ तारीख विरासत में लेता है।
- उम्र
- कितने समय पहले फैमिली के वज़न आए थे उसके हिसाब से घटाई गई डिग्री: सालाना 150°, अधिकतम 750° तक। यह पुराने डाउनलोड्स को सूची के शीर्ष से फ्रीज करके रखता है।
- फैमिली बूस्ट
- इस साइट द्वारा अभी आगे बढ़ाए जा रहे फैमिली के LoRA के लिए एक छोटा, सीमित बढ़ावा, जो हमेशा ब्रेकडाउन में दिखता है।
- स्टैंड-इन स्कोर
- एक स्थिर संख्या जो उस मॉडल को दी जाती है जिसके लिए अभी कोई स्रोत रिपोर्ट नहीं है, ताकि सूचियाँ पूरी रहें। यह कभी भी डेटा वाले मॉडल से ऊपर रैंक नहीं करता।
- नया! (ग्रेस अवधि)
- एक मॉडल जो 7 दिनों से कम पुराना है, वह स्कोर के बजाय नया! दिखाता है और रैंकिंग में कोई स्थान नहीं रखता। इसका स्कोर पहले दिन से गणना किया जाता है, लेकिन एक दिन पुराना मॉडल सबसे तेज़ बढ़ता है, इसलिए बिना इंतजार के सप्ताह का #1 हमेशा कल निकला हुआ मॉडल होता बजाय उस मॉडल के जो एक सप्ताह तक टिके।
- ट्रेंड
- किसी अवधि में मॉडल की बढ़त की तुलना उसी अवधि में सामान्य मॉडल की बढ़त से। सामान्य से तेज़ बढ़त को उछाल माना जाता है, धीमी को गिरावट।
- सामान्य मॉडल
- कैटलॉग का मध्य: आधे मॉडल जिनके आंकड़े हैं, उन्होंने उस अवधि में तेज़ बढ़त की, आधे ने धीमी।
इस मॉडल की लोकप्रियता कैटलॉग के बाकी हिस्सों के मुकाबले कैसे बढ़ी है: हर अवधि में डाउनलोड, लाइक और उपयोग में इसका विकास, उसी अवधि में सामान्य मॉडल के विकास के मुकाबले मापा गया, और उस समय इसका हीट स्कोर। सामान्य विकास से ऊपर बढ़ोतरी दिखाती है, नीचे गिरावट। अतीत को आज के टोटल, मॉडल के पहले दिन और मापा गया डाउनलोड स्पीड से फिर से बनाया गया है जब दो रीडिंग्स मौजूद हों; अगर मॉडल उस अवधि की शुरुआत में मौजूद नहीं था तो n/a दिखता है।
DeepSeek V4 Pro 0813 Text / LLM फ़ैमिली का एक टेक्स्ट मॉडल है, जो ModelTrends.ai पर सूचीबद्ध है — ओपन सोर्स AI इमेज, वीडियो और टेक्स्ट मॉडल की एक केवल-पढ़ने योग्य सूची। इसकी तुलना अन्य Text / LLM मॉडल से करें और ट्रेंड देखने के लिए इसका हीट स्कोर देखें।
मॉडल फ़ैमिली के अनुसार ब्राउज़ करें
Text / LLM मॉडल
434
Anima मॉडल
528
Chroma मॉडल
19
Fibo मॉडल
2
Flux मॉडल
1,496
Flux 2 / Klein मॉडल
1,239
Flux 3 मॉडल
3
Moss मॉडल
3
Iris मॉडल
1
MiniMax H3 मॉडल
364
Hunyuan मॉडल
204
Ideogram मॉडल
20
Krea2 मॉडल
717
Qwen मॉडल
20
Qwen2 मॉडल
47
Ltx2 मॉडल
153