DeepSeek V4 Pro 0813
9010°
Запустить модель
Предложения / Реклама
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.
Руководства по этой модели
Лучшие локальные LLM по задачам (октябрь 2026): подходящая открытая модель для каждой работы
Сколько VRAM мне действительно нужно для локального ИИ?
Открытые веса, открытый исходный код и только API: что тебе действительно разрешено делать
Что такое файл GGUF? Объяснение квантизированных моделей (Q4, Q8, fp8, NF4)
Заметки капитана
Заметки от 2026-10-13
DeepSeek V4 Pro 0813 — общедоступный релиз крупной модели mixture-of-experts от DeepSeek, превосходящий ранний превью по агентным и программным показателям. В комплекте модуль DSpark для спекулятивного декодирования и настраиваемый параметр усилия рассуждения, что делает её заметно быстрее и мощнее в производственных агентных циклах. Открытые веса доступны на Hugging Face, а цена API значительно ниже большинства конкурентов.
Известен
- Задачи агентного программирования: высокие результаты на SWE-bench и терминальных бенчмарках.
- Встроенный DSpark для спекулятивного декодирования снижает задержку при локальном запуске.
- Три уровня усилия рассуждения (низкий, высокий, максимальный) позволяют балансировать стоимость и тщательность.
- Контекстное окно более миллиона токенов.
- Открытые веса доступны, можно запускать на собственной инфраструктуре.
Остерегайтесь
- Нет стандартного шаблона Jinja для чата; нужно использовать предоставленные Python-скрипты кодирования для правильного форматирования входных данных.
- Как большая MoE-модель, локальное развёртывание требует серьёзного оборудования — точное количество параметров не опубликовано производителем.
- Бенчмарки проводятся DeepSeek самостоятельно; внутренние тесты (DSBench) требуют осторожного восприятия.
Лучше всего подходит для
Подсказки для проб
Отладка падающего набора тестов
У меня есть Python-функция, которая парсит ISO 8601 длительности и конвертирует их в секунды. Она проходит юнит-тесты для простых случаев типа PT1H, но падает на P1Y2M3DT4H5M6S. Пройдись по тому, что должен обрабатывать парсер, напиши исправленную реализацию и добавь три теста на крайние случаи, включая високосные годы и дробные секунды.
План многошаговой агентной задачи
Ты агент с доступом к bash-терминалу и веб-поиску. Воркфлоу GitHub Actions пользователя падает с 'exit code 137' на матричной сборке. Опиши точную последовательность вызовов инструментов для диагностики причины, какую информацию соберёшь на каждом шаге и какое исправление применишь, если причина — убийство процесса из-за нехватки памяти.
Рассуждение над задачей с жёсткими ограничениями
Пять инженеров должны быть распределены по трём проектам. В каждом проекте должен быть хотя бы один инженер. Алиса и Боб не хотят работать вместе. Кэрол должна быть в проекте 2. Дэйв и Ив должны быть в разных проектах. Перечисли все допустимые распределения и объясни, как исключил недопустимые.
Сравнить с
- DeepSeek V4.1 FlashМодель с открытыми весамиконтекст из 1,048,576 токенов · $0.04/M вход, $0.68/M выход
- DeepSeek V4 Flash 0731Модель с открытыми весамиконтекст из 1,048,576 токенов · $0.01/M вход, $1.28/M выход
- DeepSeek V4 Flash 0423Модель с открытыми весамиконтекст из 1,048,576 токенов · $0.09/M вход, $0.18/M выход
- DeepSeek V4 Pro 0423Модель с открытыми весамиконтекст из 1,048,576 токенов · $0.96/M вход, $1.91/M выход
Больше текстовых моделей от deepseek
Часто задаваемые вопросы
- Весы открыты, могу ли я запускать эту модель локально?
- Да — веса опубликованы на Hugging Face под deepseek-ai/DeepSeek-V4-Pro-0813. Это большая mixture-of-experts модель, поэтому локальное развёртывание требует серьёзного оборудования; точное количество параметров не опубликовано.
- Сколько стоит и какое контекстное окно?
- Через API цена $0.66 за миллион входных токенов и $1.98 за миллион выходных, с контекстным окном в 1 048 576 токенов.
- Чем отличается от DeepSeek V4 Pro Preview?
- Релиз 0813 добавляет модуль DSpark для спекулятивного декодирования с меньшей задержкой, значительно улучшенные агентные возможности и улучшения в бенчмарках, особенно заметные в производственных агентных задачах — превью набрало 12.8 на DeepSWE, этот релиз — 62.7.
Вердикт капитанаЕсли вы запускаете агентов с реальными кодовыми базами, это самый острый инструмент DeepSeek — и цена делает его трудно игнорировать.
Карточка модели на Hugging Face
Капитан пишет эти заметки на основе описания модели и карточки модели. Цены и размеры контекста указаны на момент написания и могут измениться.
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
Тренд популярности DeepSeek V4 Pro 0813
Показатель популярности с 12 Aug 2026
Индекс популярности
9,010°
Эта неделя
▲
29.0%
8,976° тогда, 9,010° сейчас
Этот месяц
▲
287%
8,831° тогда, 9,010° сейчас
Прошлый год
n/a
Еще не выпущено/не отслеживается
7,000°
Базовый уровень
Шкала от 0° до 9 999°. Всё ниже 7,000° отведено моделям, по которым ещё нет данных от источников — им дают временное число, чтобы списки были полными. 7,000° — это начало измеренных данных: модель с реальными данными, но почти без скачиваний, стоит на этом уровне, а измерения добавляют градусы сверху. Базовый уровень ничего не говорит о модели; только градусы сверху её отличают.
+1,695°
Токены OpenRouter
4,479,902,661,686 токенов обработано этой моделью через OpenRouter за последние 30 дней, вместе с подсказками и ответами. Каждые 10,000,000 токенов считаются за одно скачивание в термине скачиваний, всего 447,990; токены последнего дня учитываются в коэффициенте роста. Источник: OpenRouter (openrouter.ai/rankings).
+315°
Темп внедрения
Около 15,819 скачиваний в день, измеряется между двумя замерами источников, не считается по среднему за всё время. Скорость считается как четверть от общего показателя скачиваний, чтобы свежий всплеск был виден, но однодневный пик не перебивал годы использования.
Показать подробности
Каждое число на этом сайте можно проверить. Рейтинг популярности этой модели — 9,010°, и здесь он построен по частям, с итогом после каждого шага: базовый уровень, градусы, добавляемые каждым источником, бонус за тип модели и вычет за возраст весов. Цвета соответствуют диапазонам на графике выше. В конце есть словарь, где объяснены все термины.
- 1Начинаем с базового уровня.Почему 7,000°, а не ноль: шкала от 0° до 9 999°, и часть ниже 7,000° отведена моделям без данных от источников — им дают временное число, чтобы списки были полными и они не обгоняли модели с данными. 7,000° — начало измеренных данных. Модель с реальными данными, но почти без скачиваний, стоит здесь; всё, что дальше, — измерения, а пространство выше базового уровня содержит десять десятикратных шагов скачиваний по 300° каждый. Базовый уровень одинаков для всех моделей, он ничего не решает; решают градусы сверху.7,000°текущий итог
- 2Добавь загрузки.447,990 эквивалентов загрузок всего, с Токены OpenRouter. Десятикратное увеличение загрузок добавляет те же 300°, так что размер важен, но не доминирует в оценке.+1,695°8,695°текущий итог
- 3Добавь темп внедрения.Примерно 15,819 загрузок в день сейчас, измерено между двумя замерами, с четвертью веса.+315°9,010°текущий итог
- =Итоговый показатель heat.Где эта модель находится в каждом списке на этом сайте. Ничто другое на него не влияет.9,010°
Глоссарий: используемые здесь термины
- Показатель heat
- Одно число, показывающее, насколько модель сейчас используется и востребована, от 0° до 9,999°. Все списки на сайте с пометкой hottest сортируются именно по нему.
- Минимум
- 7,000° — стартовая точка для каждой модели с реальными данными. Шкала от 0° до 9,999°; часть ниже минимума отведена для моделей без данных, чтобы модели с данными всегда были выше. Минимум одинаков для всех и ничего не решает; градусы выше него — это измерение.
- Эквиваленты загрузок
- Всё, что считается как загрузка в оценке, сложенное вместе: сами загрузки, каждый сид торрента считается за 1,000, каждое изображение AI Horde и каждый запуск на сайте генерации считаются за один.
- Логарифмическая шкала
- Счёт по десяткам, а не по единицам: переход от 1,000 к 10,000 загрузок добавляет столько же градусов, сколько от 10,000 к 100,000. Это не даёт гигантам заглушать всё остальное.
- Лайки
- Одобрения и лайки со всех источников, каждый стоит половину загрузки на логарифмической шкале.
- Темп внедрения
- Сколько загрузок в день получает модель сейчас, по разнице между двумя замерами источника. Четверть веса от термина загрузки.
- Измерено и оценено
- Измерено значит, что есть два показания источника, и разница реальна. Оценено значит, что известна только сегодняшняя сумма, а прошлое распределено по жизни модели; сайт показывает, что именно отображается.
- Сидер
- Кто-то, кто хранит копию весов онлайн, чтобы другие могли скачать через торрент, или размещённое зеркало, делающие то же самое. Каждый такой считается за 1000 загрузок.
- AI Horde
- Волонтёрская сеть, которая бесплатно генерирует изображения на пожертвованных компьютерах. Количество изображений, созданных с моделью, публично, и каждое считается за одну загрузку.
- Сайты генерации
- Сайты, которые хранят свои копии модели и позволяют людям генерировать с ней, например PixAI, SeaArt и Yodayo. Их загрузки считаются как у Civitai, и каждый запуск генерации — за одну загрузку.
- Токены OpenRouter
- Текстовая модель, обслуживаемая через API, такая как Claude или GPT, не имеет весов для скачивания, поэтому её использование измеряется токенами: кусочками текста, которые она прочитала и написала через OpenRouter, шлюз, который используют многие приложения, за последние 30 дней. Каждые 10,000,000 токенов считаются за одно скачивание. Источник: OpenRouter (openrouter.ai/rankings), CC BY 4.0.
- Полная модель (чекпоинт)
- Сами веса, файл, который генерирует самостоятельно. Получает бонус, потому что от него зависят дополнения.
- LoRA и эмбеддинг
- Небольшие файлы-дополнения, которые направляют чужие веса в сторону стиля, персонажа или концепции. Они не могут работать сами по себе.
- Семейство и веса
- База, на которой построена модель, например SD 1.5, SDXL, Flux или Wan. Каждая модель наследует дату выпуска весов своего семейства.
- Возраст
- Градусы снимаются за то, как давно вышли веса семейства: 150° в год, максимум 750°. Старые загрузки, которые успели накопиться за годы, остаются вверху списка.
- Буст семейства
- Небольшой ограниченный толчок для LoRA из семейства, которое этот сайт сейчас продвигает, всегда указан в разбивке.
- Оценка-замена
- Стабильное число ниже минимального, даваемое модели, о которой ещё нет данных, чтобы списки были полными. Никогда не выше модели с данными.
- Новинка! (период ожидания)
- Модель младше 7 дней показывает Новинка! вместо оценки и не занимает место в рейтинге. Её оценка вычисляется с первого дня, но модель в один день растёт быстрее всего, поэтому без ожидания #1 недели всегда была бы модель, вышедшая вчера, а не та, что держалась неделю.
- Тренд
- Как рост модели за период сравнивается с типичным ростом модели за тот же период. Быстрее типичного — рост, медленнее — падение.
- Типичная модель
- Средина каталога: половина моделей с цифрой росли быстрее за период, половина медленнее.
Как менялась популярность этой модели по сравнению с остальным каталогом: её рост по загрузкам, лайкам и использованию за каждый период, измеренный относительно типичного роста моделей за тот же период, с учётом её текущего показателя heat score. Если выше типичного роста — значит рост, если ниже — спад. Прошлое восстанавливается по сегодняшним итогам, первому дню модели и скорости загрузок, если есть два замера; если модель не существовала в начале периода, показывается n/a.
DeepSeek V4 Pro 0813 — это текстовая модель для семейства Text / LLM, представленная на ModelTrends.ai, каталоге открытых ИИ-моделей для изображений, видео и текста, доступном только для чтения. Сравните её с другими моделями Text / LLM и посмотрите индекс популярности, чтобы оценить тренд.
Другие модели Text / LLMДругие Текст / LLM Text / LLMllmdeepseekлогикапрограммированиеагентыдлинный контекстлокально
Обзор по семействам моделей
Модели Text / LLM
434
Модели Anima
528
Модели Chroma
19
Модели Fibo
2
Модели Flux
1,496
Модели Flux 2 / Klein
1,239
Модели Flux 3
3
Модели Moss
3
Модели Iris
1
Модели MiniMax H3
364
Модели Hunyuan
204
Модели Ideogram
20
Модели Krea2
717
Модели Qwen
20
Модели Qwen2
47
Модели Ltx2
153