Чи відкриті ваги і чи можу я запускати цю модель локально?

Так — ваги опубліковані на Hugging Face під deepseek-ai/DeepSeek-V4-Pro-0813. Це велика mixture-of-experts модель, тому локальне розгортання вимагає серйозного обладнання; виробник не опублікував точну кількість параметрів.

Скільки коштує і яке контекстне вікно?

Через API ціна $0.66 за мільйон вхідних токенів і $1.98 за мільйон вихідних токенів, з контекстним вікном 1 048 576 токенів.

Чим відрізняється ця версія від DeepSeek V4 Pro Preview?

Реліз 0813 додає модуль DSpark speculative decoding для зниження затримки, значно покращені агентні можливості і бенчмаркові результати, особливо в продуктивних агентних сценаріях — прев’ю мало 12.8 на DeepSWE, ця версія — 62.7.

▲

29.0%

цього тижня

DeepSeek V4 Pro 0813

9010°

#llm #deepseek #логіка #кодування #агенти #довгий контекст

Запустити модель

Пропозиції / Реклама

OpenRouter Термінал / API

Платити за токен

Спілкуйся з цією моделлю у браузері або викликай її з коду за допомогою одного API ключа.

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.

Посібники до цієї моделі

Найкращі локальні LLM за випадками використання (жовтень 2026): правильна відкрита модель для кожного завдання

Скільки VRAM мені справді потрібно для локального ШІ?

Відкриті ваги проти відкритого коду проти лише API: що тобі насправді дозволено робити

Що таке файл GGUF? Пояснення квантизованих моделей (Q4, Q8, fp8, NF4)

Усі посібники

Нотатки капітана

Написано Captain, головним редактором

Нотатки від 2026-10-13

DeepSeek V4 Pro 0813 — це загальнодоступна версія великої моделі mixture-of-experts від DeepSeek, що замінює попередній прев’ю з суттєво кращими агентними та кодувальними показниками. Вона постачається з модулем DSpark speculative decoding і регульованим параметром зусиль логічного мислення, що робить її значно швидшою і потужнішою в продуктивних агентних циклах, ніж попередник. Відкриті ваги доступні на Hugging Face, а ціни API значно нижчі за більшість конкурентів.

Відомий за

Агентні завдання кодування: високі бали на SWE-bench-стилі та термінальних бенчмарках.
Вбудований DSpark speculative decoding для зниження затримки в самостійних розгортаннях.
Три рівні зусиль логічного мислення (низький, високий, максимальний) для балансу вартості та ретельності.
Контекстне вікно понад один мільйон токенів.
Відкриті ваги, які можна запускати на власній інфраструктурі.

Зверніть увагу на

Немає стандартного шаблону Jinja для чату; потрібно використовувати надані Python-скрипти кодування для правильного форматування вводу.
Як велика MoE модель, локальне розгортання вимагає серйозного обладнання — виробник не опублікував точну кількість параметрів.
Порівняння бенчмарків проводить DeepSeek; внутрішні тестові набори (DSBench) слід сприймати з обережністю.

Найкраще для

Кодування

Агенти та використання інструментів

Міркування

Довгий контекст

Працює локально

Підказки для спроби

Відлагодження тестового набору, що падає

У мене є Python-функція, що парсить ISO 8601 тривалості і конвертує їх у секунди. Вона проходить юніт-тести для простих випадків, як PT1H, але падає на P1Y2M3DT4H5M6S. Розглянь, що має обробляти парсер, напиши виправлену реалізацію і додай три тести крайніх випадків, що охоплюють високосні роки і дробові секунди.

План багатокрокового агентного завдання

Ви агент з доступом до bash-терміналу і веб-пошуку. Робочий процес GitHub Actions користувача падає з 'exit code 137' на матричній збірці. Опишіть точну послідовність викликів інструментів для діагностики причини, яку інформацію збираєте на кожному кроці і яке виправлення застосуєте, якщо причина — вбивство через нестачу пам’яті.

Логічне розв’язання задачі з жорсткими обмеженнями

П’ять інженерів мають бути призначені на три проєкти. Кожен проєкт потребує щонайменше одного інженера. Еліс і Боб відмовляються працювати разом. Керол має бути в Проєкті 2. Дейв і Ів мають бути на різних проєктах. Перелічте всі допустимі призначення і поясніть, як ви виключили недопустимі.

Порівняти з

DeepSeek V4.1 Flash
Модель з відкритими вагами
контекст 1,048,576 токенів · $0.04/M вхід, $0.68/M вихід
DeepSeek V4 Flash 0731
Модель з відкритими вагами
контекст 1,048,576 токенів · $0.01/M вхід, $1.28/M вихід
DeepSeek V4 Flash 0423
Модель з відкритими вагами
контекст 1,048,576 токенів · $0.09/M вхід, $0.18/M вихід
DeepSeek V4 Pro 0423
Модель з відкритими вагами
контекст 1,048,576 токенів · $0.96/M вхід, $1.91/M вихід

Більше текстових моделей від deepseek

Питання, які задають люди

Чи відкриті ваги і чи можу я запускати цю модель локально?: Так — ваги опубліковані на Hugging Face під deepseek-ai/DeepSeek-V4-Pro-0813. Це велика mixture-of-experts модель, тому локальне розгортання вимагає серйозного обладнання; виробник не опублікував точну кількість параметрів.
Скільки коштує і яке контекстне вікно?: Через API ціна $0.66 за мільйон вхідних токенів і $1.98 за мільйон вихідних токенів, з контекстним вікном 1 048 576 токенів.
Чим відрізняється ця версія від DeepSeek V4 Pro Preview?: Реліз 0813 додає модуль DSpark speculative decoding для зниження затримки, значно покращені агентні можливості і бенчмаркові результати, особливо в продуктивних агентних сценаріях — прев’ю мало 12.8 на DeepSWE, ця версія — 62.7.

Вердикт капітана
Якщо ви запускаєте агентів на реальних кодових базах, це найпотужніший інструмент DeepSeek — і ціна робить його важко ігнорувати.

Картка моделі на Hugging Face

Капітан пише ці нотатки на основі опису моделі та картки моделі. Ціни та розміри контексту вказані на момент написання і можуть змінюватися.

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

Also ranked: #25 Hottest Text / LLM model · #25 Hottest Text / LLM text model

Not this creator?

Get your own badge

Тренд популярності DeepSeek V4 Pro 0813

Показник популярності з 12 Aug 2026

Оцінка популярності

9,010°

Цього тижня

▲

29.0%

8,976° тоді, 9,010° зараз

Цього місяця

▲

287%

8,831° тоді, 9,010° зараз

За минулий рік

n/a

Ще не випущено/не відстежується

7,000°

Основний рівень

Шкала йде від 0° до 9 999°. Все, що нижче за 7,000°, відведено для моделей, про які жодне джерело ще не повідомляло, і вони мають замінне число, щоб списки були повними. 7,000° — це початок виміряних даних: модель з реальними даними, але майже без завантажень, стоїть на цьому рівні, а вимірювання додають градуси вище. Основний рівень нічого не говорить про модель; тільки градуси вище його відрізняють одну модель від іншої.

+1,695°

Токени OpenRouter

4,479,902,661,686 токенів ця модель обробила через OpenRouter за останні 30 днів, разом підказки та відповіді. Кожні 10,000,000 токенів рахується як одне завантаження в терміні завантажень, всього 447,990; токени останнього дня додаються до коефіцієнта прийняття. Джерело: OpenRouter (openrouter.ai/rankings).

+315°

Швидкість прийняття

Приблизно 15,819 завантажень на день, виміряно між двома зчитуваннями джерел, ніколи не вгадується за середнім за весь час. Швидкість важить чверть показника завантажень, тому свіжий сплеск видно, але одноденний стрибок не перевищить роки використання.

Показати детальний розподіл

Кожне число на цьому сайті можна перевірити. Оцінка популярності цієї моделі становить 9,010°, і тут вона побудована по одному інгредієнту за раз, з поточним підсумком після кожного: основа, градуси, які додає кожне джерело, бонус за тип моделі та віднімання за вік ваг. Кольори відповідають діапазонам на діаграмі вище. Глосарій в кінці пояснює кожен термін.

1
Почни з основного рівня.
Чому 7,000°, а не нуль: шкала йде від 0° до 9 999°, і частина нижче за 7,000° відведена для моделей, про які жодне джерело ще не повідомляло, які мають замінне число, щоб списки були повними і ніколи не перевищували модель з даними. 7,000° — це початок виміряних даних. Модель з реальними даними, але майже без завантажень, стоїть тут; все, що далі, — це вимірювання, а простір вище основного рівня містить десять десятикратних кроків у завантаженнях по 300° кожен. Основний рівень однаковий для всіх моделей, тому він нічого не вирішує; градуси вище нього — ось що вирішує.
7,000°
поточний підсумок
2
Додай завантаження.
Всього 447,990 еквівалентів завантажень з Токени OpenRouter. Десятикратне збільшення завантажень додає ті ж 300°, тож розмір важливий, але не домінує у рейтингу.
+1,695°
8,695°
поточний підсумок
3
Додай швидкість прийняття.
Приблизно 15,819 завантажень на день зараз, виміряно між двома замірами, вагою в чверть від завантаження.
+315°
9,010°
поточний підсумок
=
Оцінка популярності.
Де ця модель стоїть у кожному списку на цьому сайті. Нічого іншого не впливає на цю оцінку.
9,010°

Глосарій: терміни, що тут використовуються

Оцінка популярності: Одне число, що показує, наскільки модель зараз використовується і потрібна, від 0° до 9,999°. Кожен список на цьому сайті, який називається найгарячішим, відсортований саме за цим числом.
Початкова оцінка: 7,000° — це стартова оцінка для кожної моделі з реальними даними. Шкала від 0° до 9,999°; частина нижче початкової оцінки відведена для моделей без даних, щоб модель з даними завжди була вище. Початкова оцінка однакова для всіх і нічого не вирішує; градуси вище неї — це власне вимірювання.
Еквіваленти завантажень: Все, що оцінка рахує як завантаження, підсумовано: самі завантаження, кожен торрент-сідер як 1,000, кожне зображення AI Horde і кожен запуск на сайті генерації як один.
Логарифмічна шкала: Рахунок по десятках, а не по одиницях: перехід від 1,000 до 10,000 завантажень додає ті ж градуси, що й від 10,000 до 100,000. Це не дає гігантам витіснити все інше.
Лайки: Вподобання і лайки з усіх джерел, вартістю половини завантаження на логарифмічній шкалі.
Швидкість прийняття: Скільки завантажень на день модель отримує зараз, за різницею між двома замірами джерела. Чверть ваги від терміну завантажень.
Виміряно та оцінено: Виміряно означає, що є два показники джерела, і різниця справжня. Оцінено означає, що відомий лише загальний показник за сьогодні, а минуле розподілено на весь час існування моделі; сайт показує, який саме варіант відображається.
Сідер: Хтось, хто тримає копію вагів онлайн, щоб інші могли завантажувати через торрент, або хостинг-дзеркало, що робить те саме. Кожен такий рахується як 1000 завантажень.
AI Horde: Добровільна мережа, яка безкоштовно генерує зображення на пожертвуваних комп’ютерах. Кількість зображень, створених з моделлю, публічна, і кожне рахується як одне завантаження.
Сайти генерації: Сайти, які розміщують власні копії моделі і дозволяють людям генерувати з нею, наприклад PixAI, SeaArt і Yodayo. Їхні завантаження рахується так само, як у Civitai, а кожен запуск генерації — як одне завантаження.
Токени OpenRouter: Текстова модель, що обслуговується через API, як Claude або GPT, не має ваг для завантаження, тому її використання вимірюється токенами: частинами тексту, які вона прочитала і написала через OpenRouter, шлюз, який використовують багато додатків, за останні 30 днів. Кожні 10,000,000 токенів рахується як одне завантаження. Джерело: OpenRouter (openrouter.ai/rankings), CC BY 4.0.
Повна модель (чекпойнт): Самі ваги, файл, який генерує самостійно. Має бонус, бо від нього залежать додатки.
LoRA та embedding: Малі додаткові файли, які направляють чужі ваги в певний стиль, персонажа чи концепцію. Вони не можуть працювати самі по собі.
Сімейство та ваги: База, на якій побудована модель, наприклад SD 1.5, SDXL, Flux або Wan. Кожна модель успадковує дату виходу вагів свого сімейства.
Вік: Віднімається градус за те, як давно вийшли ваги сімейства: 150° за рік, максимум 750°. Це зберігає старі завантаження, які мали роки, щоб накопичитись, заморожуючи їх на верху списку.
Підсилення сімейства: Невеликий, обмежений поштовх для LoRA сімейства, яке цей сайт зараз просуває, завжди вказується в розподілі.
Оцінка заміщення: Стабільне число нижче мінімуму, яке дають моделі, про яку ще немає даних, щоб списки були повними. Воно ніколи не вище за модель з даними.
Новинка! (період очікування): Модель віком менше 7 днів показує Новинка! замість оцінки і не займає місце в рейтингах. Її оцінка обчислюється з першого дня, але модель віком один день росте швидше за все, тому без очікування #1 тижня завжди була б та, що вийшла вчора, а не та, що трималась тиждень.
Тренд: Як зростання моделі за період порівнюється зі звичайним зростанням моделей за той самий період. Швидше за звичайне — це підйом, повільніше — спад.
Типова модель: Середина каталогу: половина моделей з показником зросла швидше за цей період, половина повільніше.

Як популярність цієї моделі змінювалась у порівнянні з рештою каталогу: її зростання за кількістю завантажень, лайків і використання за кожен період, порівняно зі звичайним зростанням моделей за той же час, з урахуванням її рейтингу популярності на той момент. Вище звичайного зростання означає підйом, нижче — спад. Минуле відновлюється з сьогоднішніх підсумків, першого дня моделі та швидкості завантажень, якщо є два заміри; модель, якої не було на початку періоду, показує n/a.

Схожі моделі

Моделі ШІ для генерації зображень, відео та тексту

DeepSeek V4 Pro 0813 — це текстова модель для сімейства Text / LLM, представлена на ModelTrends.ai, каталозі лише для читання відкритих моделей ШІ для зображень, відео та тексту. Порівняйте її з іншими моделями Text / LLM і перевірте бал популярності, щоб побачити тренд.

Більше моделей Text / LLM Більше Text / LLM Текст / LLM llm deepseek логіка кодування агенти довгий контекст локально

Перегляд за сімейством моделей