Apakah bobot DeepSeek V3 terbuka dan bisakah saya menjalankannya lokal?

Ya, bobotnya tersedia publik di Hugging Face di repo deepseek-ai/DeepSeek-V3. Perlu diingat model penuh 685 miliar parameter, jadi menjalankan lokal butuh infrastruktur GPU besar.

Berapa biaya DeepSeek V3 dan berapa jendela konteksnya?

Melalui API harganya $0,32 per juta token input dan $0,89 per juta token output, dengan jendela konteks 163.840 token.

Apa perbedaan DeepSeek V3 dengan DeepSeek R1?

V3 adalah model instruksi umum; R1 adalah model penalaran khusus DeepSeek yang menggunakan rantai pemikiran panjang. V3 mendapat distilasi pola penalaran R1 selama pelatihan pasca, memberikan penalaran lebih kuat dibanding model V sebelumnya tanpa gaya output CoT verbose R1.

DeepSeek V3

3886°

#llm #deepseek #pemrograman #penalaran #menulis #lokal

Jalankan model ini

Penawaran / Iklan

OpenRouter Terminal / API

Bayar per token

Ngobrol dengan model ini di browser atau panggil dari kode kamu dengan satu API key.

DeepSeek | 163,840 token context | $0.26/M input, $1.03/M output. DeepSeek-V3 is the latest model from the DeepSeek team, building upon the instruction following and coding abilities of the previous versions. Pre-trained on nearly 15 trillion tokens, the reported evaluations reveal that the model outperforms other open-source models and rivals leading closed-source models. For model details, please visit the DeepSeek-V3 repoOpens in new tab for more information, or see the launch announcementOpens in new tab.

Panduan untuk model ini

10 Alternatif ChatGPT Termurah di 2026: model lokal gratis, tingkat gratis, dan paket tarif tetap

LLM lokal terbaik berdasarkan kasus penggunaan (Oktober 2026): model terbuka yang tepat untuk setiap pekerjaan

Berapa banyak VRAM yang sebenarnya saya butuhkan untuk AI lokal?

Apa itu file GGUF? Penjelasan model terkuantisasi (Q4, Q8, fp8, NF4)

Semua panduan

Catatan Kapten

Ditulis oleh Captain, editor rumah

Catatan dari 2026-10-13

DeepSeek V3 adalah model Mixture-of-Experts 671 miliar parameter dari DeepSeek, dengan hanya 37 miliar parameter aktif per token, membuatnya jauh lebih murah dijalankan dibanding ukuran totalnya. Model ini dilatih pada 14,8 triliun token dan memiliki pola penalaran yang didistilasi dari DeepSeek R1, meningkatkan performanya di atas sebagian besar pesaing open-weight. Dengan harga di bawah satu dolar per juta token output lewat API, cocok untuk pengembang dan peneliti yang menginginkan keluaran kelas depan tanpa tagihan mahal.

Dikenal untuk

Pengkodean dan mengikuti instruksi yang kuat, disempurnakan melalui beberapa generasi DeepSeek
Kemampuan penalaran ditingkatkan dengan distilasi dari rantai pemikiran DeepSeek R1
671 miliar parameter total, hanya 37 miliar aktif per token lewat arsitektur MoE
Bobot terbuka tersedia di Hugging Face untuk self-hosting
Harga API yang sangat rendah untuk model dengan tingkat performa ini

Waspadai

Bobot 685 miliar di Hugging Face: self-hosting butuh perangkat keras serius, bukan setup GPU konsumen.
DeepSeek belum mempublikasikan lisensi open-source standar; periksa ketentuan repo sebelum penggunaan komersial.
Jendela konteks lewat API adalah 163.840 token; kartu model menyebutkan 128K untuk bobot yang diunduh.

Terbaik untuk

Pemrograman

Penalaran

Menulis

Jalankan secara lokal

Anggaran

Prompt untuk dicoba

Refaktor fungsi berantakan

Berikut fungsi Python yang bekerja tapi sulit dibaca dan tidak menangani error. Refaktor untuk kejelasan, tambahkan tipe data, tangani kasus kegagalan yang jelas, dan jelaskan setiap perubahan. def proc(d, k, v): d[k] = v return d[k] * 2 if d[k] > 10 else d[k]

Penalaran teka-teki logika

Lima orang masing-masing memiliki hewan peliharaan berbeda dan minuman berbeda. Alice tidak memelihara kucing. Orang yang minum teh memelihara anjing. Bob minum kopi. Carol memelihara ikan. Orang yang minum air berdampingan dengan yang memelihara ular. Dave minum jus. Siapa yang memelihara ular, dan bagaimana Anda mengetahuinya?

Kritik argumen teknis

Seorang rekan berargumen: 'Kita harus selalu menggunakan database NoSQL untuk proyek baru karena database SQL tidak bisa diskalakan.' Tulis kritik terstruktur terhadap klaim ini. Identifikasi apa yang benar, salah, konteks yang hilang, dan pertanyaan yang harus diajukan sebelum memilih database.

Bandingkan dengan

DeepSeek V4.1 Flash
Model dengan bobot terbuka
konteks 1,048,576 token · $0.04/M input, $0.68/M output
DeepSeek V4 Flash 0731
Model dengan bobot terbuka
konteks 1,048,576 token · $0.01/M input, $1.28/M output
DeepSeek V4 Flash 0423
Model dengan bobot terbuka
konteks 1,048,576 token · $0.09/M input, $0.18/M output
DeepSeek V4 Pro 0813
Model dengan bobot terbuka
konteks 1,048,576 token · $1.32/M input, $3.96/M output

Model teks lain dari deepseek

Pertanyaan yang sering diajukan

Apakah bobot DeepSeek V3 terbuka dan bisakah saya menjalankannya lokal?: Ya, bobotnya tersedia publik di Hugging Face di repo deepseek-ai/DeepSeek-V3. Perlu diingat model penuh 685 miliar parameter, jadi menjalankan lokal butuh infrastruktur GPU besar.
Berapa biaya DeepSeek V3 dan berapa jendela konteksnya?: Melalui API harganya $0,32 per juta token input dan $0,89 per juta token output, dengan jendela konteks 163.840 token.
Apa perbedaan DeepSeek V3 dengan DeepSeek R1?: V3 adalah model instruksi umum; R1 adalah model penalaran khusus DeepSeek yang menggunakan rantai pemikiran panjang. V3 mendapat distilasi pola penalaran R1 selama pelatihan pasca, memberikan penalaran lebih kuat dibanding model V sebelumnya tanpa gaya output CoT verbose R1.

Putusan Kapten
Cara paling hemat biaya untuk mendapatkan kualitas teks hampir kelas depan hari ini, asalkan Anda bisa menerima ketentuan lisensi DeepSeek.

Kartu model di Hugging Face

Kapten menulis catatan ini dari deskripsi model dan kartu model itu sendiri. Harga dan ukuran konteks adalah milik penyedia pada saat penulisan dan dapat berubah.

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

Bagaimana skor ini dihitung

Model ini belum punya data popularitas dari sumber mana pun, jadi memakai angka pengganti di bawah 7,000° supaya daftar tetap lengkap. Model ini tidak pernah berada di atas model yang punya data. Rinciannya akan muncul di sini segera setelah ada laporan dari sumber.

Glosarium: istilah yang dipakai di sini

Skor heat: Satu angka untuk seberapa banyak model dipakai dan diinginkan sekarang, dari 0° sampai 9.999°. Setiap daftar di situs ini yang bilang terpanas diurutkan berdasarkan ini dan tidak ada yang lain.
Lantai: 7.000° yang jadi titik awal semua model dengan data nyata. Skala dari 0° sampai 9.999°; bagian di bawah lantai untuk pengganti (model tanpa data), supaya model dengan data selalu di atas yang tanpa. Lantai sama untuk semua dan tidak menentukan apa-apa; derajat di atasnya yang dihitung.
Setara unduhan: Semua yang dihitung skor sebagai unduhan, dijumlahkan: unduhan itu sendiri, setiap torrent seeder dihitung 1.000, setiap gambar AI Horde dan setiap run di situs generasi dihitung satu.
Skala log: Menghitung per puluhan, bukan per satuan: naik dari 1.000 ke 10.000 unduhan menambah derajat yang sama dengan naik dari 10.000 ke 100.000. Ini mencegah raksasa mendominasi semuanya.
Suka: Jempol ke atas dan suka dari semua sumber, bernilai setengah unduhan di skala log.
Tingkat adopsi: Berapa banyak unduhan per hari yang didapat model sekarang, dari selisih dua pembacaan sumber. Bobot seperempat dari istilah unduhan.
Diukur dan diperkirakan: Diukur berarti ada dua pembacaan dari sumber dan perbedaannya nyata. Diperkirakan berarti hanya total hari ini yang diketahui dan masa lalu dibagi selama umur model; situs memberitahu mana yang sedang ditampilkan.
Seeder: Seseorang yang menyimpan salinan bobot secara online agar orang lain bisa mengunduh lewat torrent, atau mirror yang dihosting melakukan hal yang sama. Setiap satu dihitung sebagai 1.000 unduhan.
AI Horde: Jaringan sukarelawan yang menghasilkan gambar secara gratis di komputer yang disumbangkan. Jumlah gambar yang dibuat dengan model tertentu bersifat publik, dan setiap gambar dihitung sebagai satu unduhan.
Situs generasi: Situs yang menyimpan salinan model sendiri dan membiarkan orang menghasilkan gambar dengannya, seperti PixAI, SeaArt, dan Yodayo. Unduhan mereka dihitung seperti di Civitai dan setiap kali generasi dihitung sebagai satu unduhan.
Token OpenRouter: Model teks yang dilayani melalui API, seperti Claude atau GPT, tidak memiliki bobot untuk diunduh, jadi penggunaannya diukur dalam token: potongan teks yang dibaca dan ditulis melalui OpenRouter, gateway yang digunakan banyak aplikasi, selama 30 hari terakhir. Setiap 10,000,000 token dihitung sebagai satu unduhan. Sumber: OpenRouter (openrouter.ai/rankings), CC BY 4.0.
Model penuh (checkpoint): Bobot itu sendiri, file yang bisa menghasilkan secara mandiri. Mendapat bonus karena add-on bergantung padanya.
LoRA dan embedding: File add-on kecil yang mengarahkan bobot orang lain ke gaya, karakter, atau konsep tertentu. Tidak bisa dijalankan sendiri.
Keluarga dan bobot: Dasar yang dipakai model, seperti SD 1.5, SDXL, Flux, atau Wan. Setiap model mewarisi tanggal rilis bobot keluarganya.
Usia: Pengurangan nilai berdasarkan seberapa lama bobot keluarga itu dirilis: 150° per tahun, sampai maksimal 750°. Ini menjaga unduhan lama yang sudah bertahun-tahun menumpuk agar tetap di atas daftar.
Dorongan keluarga: Dorongan kecil dan terbatas untuk LoRA dari keluarga yang sedang didorong situs ini sekarang, selalu tercantum dalam rincian.
Skor pengganti: Angka stabil di bawah batas yang diberikan pada model yang belum ada laporan sumbernya, supaya daftar tetap lengkap. Tidak pernah lebih tinggi dari model yang punya data.
Baru! (masa tenggang): Model yang berumur kurang dari 7 hari menunjukkan label Baru! bukan skor dan tidak masuk peringkat. Skornya dihitung sejak hari pertama, tapi model yang baru sehari tumbuh lebih cepat dari apa pun, jadi tanpa masa tunggu model #1 minggu ini selalu yang baru kemarin, bukan yang bertahan seminggu.
Tren: Bagaimana pertumbuhan model selama periode tertentu dibandingkan dengan pertumbuhan model biasa di periode yang sama. Lebih cepat dari biasanya berarti naik, lebih lambat berarti turun.
Model biasa: Tengah katalog: setengah model dengan angka tumbuh lebih cepat selama periode itu, setengahnya lebih lambat.

Model Serupa

Model AI untuk Pembuatan Gambar, Video & Teks

DeepSeek V3 adalah model teks untuk keluarga Text / LLM yang tercantum di ModelTrends.ai, katalog hanya-baca untuk model AI gambar, video, dan teks open source. Bandingkan dengan model Text / LLM lainnya dan lihat skor popularitasnya untuk mengetahui trennya.

Model Text / LLM lainnya Teks / LLM Text / LLM lainnya llm deepseek pemrograman penalaran menulis lokal anggaran

Jelajahi berdasarkan Keluarga Model