DeepSeek V4 Pro 0813
9010°
Chạy mô hình này
Ưu đãi / Quảng cáo
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.
Hướng dẫn cho mô hình này
LLM cục bộ tốt nhất theo từng trường hợp sử dụng (Tháng 10 năm 2026): mô hình mở phù hợp cho mọi công việc
Mình thực sự cần bao nhiêu VRAM cho AI cục bộ?
Mở weights vs mã nguồn mở vs chỉ API: bạn thực sự được phép làm gì
Tệp GGUF là gì? Giải thích về các mô hình lượng tử hóa (Q4, Q8, fp8, NF4)
Ghi chú của thuyền trưởng
Ghi chú từ 2026-10-13
DeepSeek V4 Pro 0813 là phiên bản phát hành chính thức của mô hình mixture-of-experts lớn DeepSeek, thay thế bản xem trước trước đó với hiệu suất agentic và mã hóa mạnh hơn đáng kể. Nó đi kèm với mô-đun giải mã suy đoán DSpark và tham số điều chỉnh mức độ suy luận, giúp nó nhanh hơn và có khả năng hơn trong các vòng agent sản xuất so với phiên bản trước. Trọng số mở có sẵn trên Hugging Face, và giá API thấp hơn hầu hết các đối thủ tiên phong.
Nổi tiếng với
- Tác vụ mã hóa agentic: điểm số mạnh trên các benchmark kiểu SWE-bench và terminal.
- DSpark speculative decoding tích hợp sẵn, giảm độ trễ khi triển khai tự lưu trữ.
- Ba mức độ suy luận (thấp, cao, tối đa) cho phép đánh đổi chi phí và độ kỹ lưỡng.
- Cửa sổ ngữ cảnh hơn một triệu token.
- Trọng số mở có sẵn, có thể chạy trên hạ tầng của bạn.
Cẩn thận với
- Không có mẫu chat Jinja chuẩn; bạn phải dùng script mã hóa Python được cung cấp để định dạng đầu vào đúng.
- Là mô hình MoE lớn, triển khai tại chỗ đòi hỏi phần cứng nghiêm túc — nhà sản xuất không công bố chính xác số tham số.
- So sánh benchmark do DeepSeek tự thực hiện; nên hoài nghi với bộ test nội bộ (DSBench).
Lời nhắc để thử
Gỡ lỗi bộ kiểm thử thất bại
Tôi có một hàm Python phân tích các khoảng thời gian ISO 8601 và chuyển đổi sang giây. Nó vượt qua kiểm thử đơn vị cho các trường hợp đơn giản như PT1H nhưng thất bại với P1Y2M3DT4H5M6S. Hãy phân tích những gì parser cần xử lý, viết lại hàm đúng, và thêm ba bài kiểm thử các trường hợp đặc biệt bao gồm năm nhuận và giây phân số.
Lập kế hoạch tác vụ agent đa bước
Bạn là một agent có quyền truy cập terminal bash và công cụ tìm kiếm web. Workflow GitHub Actions của người dùng bị lỗi 'exit code 137' trên một build ma trận. Mô tả chính xác chuỗi các lần gọi công cụ bạn sẽ thực hiện để chẩn đoán nguyên nhân, thông tin bạn thu thập ở mỗi bước, và cách sửa nếu nguyên nhân là bị kill do thiếu bộ nhớ.
Suy luận qua bài toán ràng buộc khó
Năm kỹ sư phải được phân công cho ba dự án. Mỗi dự án cần ít nhất một kỹ sư. Alice và Bob không làm cùng dự án. Carol phải ở Dự án 2. Dave và Eve phải ở các dự án khác nhau. Liệt kê mọi phân công hợp lệ và giải thích cách bạn loại bỏ các phân công không hợp lệ.
So sánh với
- DeepSeek V4.1 FlashMô hình mở trọng sốngữ cảnh 1,048,576 token · Đầu vào $0.04/M, đầu ra $0.68/M
- DeepSeek V4 Flash 0731Mô hình mở trọng sốngữ cảnh 1,048,576 token · Đầu vào $0.01/M, đầu ra $1.28/M
- DeepSeek V4 Flash 0423Mô hình mở trọng sốngữ cảnh 1,048,576 token · Đầu vào $0.09/M, đầu ra $0.18/M
- DeepSeek V4 Pro 0423Mô hình mở trọng sốngữ cảnh 1,048,576 token · Đầu vào $0.96/M, đầu ra $1.91/M
Thêm mô hình văn bản từ deepseek
Câu hỏi thường gặp
- Trọng số có mở và tôi có thể chạy cái này tại chỗ không?
- Có — trọng số được công bố trên Hugging Face trong deepseek-ai/DeepSeek-V4-Pro-0813. Đây là mô hình mixture-of-experts lớn, nên triển khai tại chỗ cần phần cứng lớn; nhà sản xuất không công bố số tham số chính xác.
- Giá bao nhiêu và cửa sổ ngữ cảnh lớn cỡ nào?
- Qua API, giá là 0,66 USD cho mỗi triệu token đầu vào và 1,98 USD cho mỗi triệu token đầu ra, với cửa sổ ngữ cảnh 1.048.576 token.
- Nó khác gì so với DeepSeek V4 Pro Preview?
- Phiên bản 0813 bổ sung mô-đun giải mã suy đoán DSpark giảm độ trễ, nâng cao đáng kể khả năng agentic, và cải thiện benchmark rõ rệt trong môi trường agent sản xuất — bản preview đạt 12,8 trên DeepSWE; bản này đạt 62,7.
Phán quyết của thuyền trưởngNếu bạn chạy agent trên các kho mã thực, đây là công cụ sắc bén nhất của DeepSeek đến nay — và giá cả khiến nó khó bị bỏ qua.
Thẻ mô hình trên Hugging Face
Thuyền trưởng viết những ghi chú này dựa trên mô tả và thẻ mô hình của mô hình. Giá cả và kích thước ngữ cảnh là của nhà cung cấp tại thời điểm viết và có thể thay đổi.
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
Xu hướng phổ biến của DeepSeek V4 Pro 0813
Điểm nhiệt từ 12 Aug 2026
Điểm nhiệt
9,010°
Tuần này
▲
29.0%
8,976° lúc đó, 9,010° bây giờ
Tháng này
▲
287%
8,831° lúc đó, 9,010° bây giờ
Năm qua
n/a
Chưa phát hành/được theo dõi
7,000°
Điểm sàn
Thang điểm chạy từ 0° đến 9.999°. Mọi thứ dưới 7,000° dành cho các mô hình chưa có nguồn nào báo cáo, chúng mang một số thay thế ở đó để danh sách luôn đầy đủ. 7,000° là nơi bắt đầu dữ liệu đo được: một mô hình có dữ liệu thật nhưng gần như không có lượt tải sẽ đứng ở điểm sàn, và các số đo sẽ cộng dồn trên đó. Điểm sàn không nói gì về mô hình; chỉ có các độ trên nó mới phân biệt được các mô hình với nhau.
+1,695°
Token OpenRouter
4,479,902,661,686 token mô hình này xử lý qua OpenRouter trong 30 ngày qua, bao gồm cả lời nhắc và câu trả lời. Mỗi 10,000,000 token tính là một lượt tải trong điều kiện tải xuống, tổng cộng 447,990; token của ngày cuối cùng được tính vào tỷ lệ sử dụng. Nguồn: OpenRouter (openrouter.ai/rankings).
+315°
Tỷ lệ áp dụng
Khoảng 15,819 lượt tải mỗi ngày, đo giữa hai lần đọc nguồn, không đoán dựa trên trung bình cả đời. Tốc độ chiếm một phần tư thành phần lượt tải, nên một đợt tăng mới sẽ hiện rõ mà không để một đỉnh một ngày vượt qua nhiều năm sử dụng.
Hiển thị phân tích chi tiết
Mọi con số trên trang này đều có thể kiểm tra được. Điểm nhiệt của mô hình này là 9,010°, và đây là cách nó được xây dựng từng thành phần một, với tổng điểm chạy sau mỗi bước: điểm sàn, số độ mà mỗi nguồn đóng góp, điểm thưởng cho loại mô hình và điểm trừ theo tuổi của trọng số. Màu sắc tương ứng với các dải trên biểu đồ phía trên. Phần chú giải ở cuối định nghĩa mọi thuật ngữ.
- 1Bắt đầu từ điểm sàn.Tại sao là 7,000° chứ không phải 0: thang điểm chạy từ 0° đến 9.999°, và phần dưới 7,000° dành cho các mô hình chưa có nguồn báo cáo, mang số thay thế để danh sách đầy đủ và không bao giờ vượt trên mô hình có dữ liệu. 7,000° là nơi bắt đầu dữ liệu đo được. Một mô hình có dữ liệu thật nhưng gần như không có lượt tải đứng ở đây; mọi thứ tiếp theo là đo lường, và phần trên điểm sàn có mười bước tăng gấp mười lần lượt tải, mỗi bước 300°. Điểm sàn giống nhau cho mọi mô hình, nên nó không quyết định gì; chỉ có các độ trên nó mới quyết định.7,000°tổng đang chạy
- 2Thêm lượt tải về.447,990 lượt tải tương đương tổng cộng, từ Token OpenRouter. Mười lần lượt tải thêm cùng 300°, nên kích thước quan trọng nhưng không bao giờ chiếm hết điểm.+1,695°8,695°tổng đang chạy
- 3Thêm tỷ lệ áp dụng.Khoảng 15,819 lượt tải mỗi ngày hiện tại, đo giữa hai lần đọc, bằng một phần tư trọng số.+315°9,010°tổng đang chạy
- =Điểm nhiệt.Mô hình này đứng ở đâu trên mọi danh sách của trang này. Không có gì khác điều chỉnh nó.9,010°
Thuật ngữ: các từ dùng ở đây
- Điểm nhiệt
- Một số duy nhất cho biết mô hình được dùng và mong muốn thế nào hiện tại, từ 0° đến 9.999°. Mọi danh sách trên trang này nói về độ hot đều sắp xếp theo nó và không theo gì khác.
- Sàn điểm
- 7.000° là điểm bắt đầu cho mọi mô hình có dữ liệu thật. Thang điểm chạy từ 0° đến 9.999°; phần dưới sàn dành cho mô hình thay thế (mô hình không có dữ liệu), để mô hình có dữ liệu luôn xếp trên mô hình không có. Sàn điểm giống nhau cho tất cả và không quyết định gì; điểm trên sàn mới là thước đo.
- Tương đương lượt tải
- Tất cả những gì điểm số coi là lượt tải, cộng lại: lượt tải thật, mỗi người chia sẻ torrent tính 1.000, mỗi ảnh AI Horde và mỗi lượt chạy trên trang tạo ảnh tính một.
- Thang log
- Đếm theo chục, không phải theo đơn vị: từ 1.000 lên 10.000 lượt tải thêm cùng số điểm như từ 10.000 lên 100.000. Giúp tránh việc các mô hình lớn lấn át hết mọi thứ khác.
- Lượt thích
- Giơ ngón tay cái và lượt thích từ mọi nguồn, mỗi lượt bằng một nửa lượt tải trên thang log.
- Tỷ lệ áp dụng
- Bao nhiêu lượt tải mỗi ngày mà mô hình nhận được hiện tại, tính từ chênh lệch giữa hai lần đọc nguồn. Bằng một phần tư trọng số của lượt tải.
- Đã đo và ước tính
- Đã đo nghĩa là có hai lần đọc từ một nguồn và sự khác biệt là thật. Ước tính nghĩa là chỉ biết tổng số hôm nay và quá khứ được phân bổ trong suốt thời gian tồn tại của mô hình; trang web sẽ nói rõ đang hiển thị loại nào.
- Seeder
- Người giữ bản sao trọng số trực tuyến để người khác tải qua torrent, hoặc một bản sao lưu trữ làm điều tương tự. Mỗi người được tính là 1.000 lượt tải.
- AI Horde
- Một mạng lưới tình nguyện tạo ảnh miễn phí trên máy tính được hiến tặng. Số ảnh nó đã tạo với một mô hình được công khai, và mỗi ảnh được tính là một lượt tải.
- Trang tạo ảnh
- Các trang lưu trữ bản sao mô hình riêng và cho phép người dùng tạo ảnh, như PixAI, SeaArt và Yodayo. Lượt tải của họ được tính giống như Civitai và mỗi lần tạo ảnh được tính là một lượt tải.
- Token OpenRouter
- Mô hình văn bản phục vụ qua API, như Claude hoặc GPT, không có trọng số để tải xuống, nên sử dụng token để đo lường: các đoạn văn bản nó đọc và viết qua OpenRouter, một cổng kết nối nhiều ứng dụng sử dụng, trong 30 ngày qua. Mỗi 10,000,000 token tính là một lượt tải. Nguồn: OpenRouter (openrouter.ai/rankings), CC BY 4.0.
- Mô hình đầy đủ (checkpoint)
- Chính là trọng số, file tự tạo ảnh. Nó được cộng thêm điểm vì các add-on phụ thuộc vào nó.
- LoRA và embedding
- Các file add-on nhỏ giúp điều chỉnh trọng số của người khác theo phong cách, nhân vật hoặc ý tưởng. Chúng không thể chạy riêng.
- Gia đình và trọng số
- Nền tảng mà mô hình xây dựng trên đó, như SD 1.5, SDXL, Flux hoặc Wan. Mỗi mô hình kế thừa ngày phát hành của trọng số gia đình nó.
- Tuổi
- Điểm trừ dựa trên thời gian trọng số gia đình được phát hành: 150° mỗi năm, tối đa 750°. Nó giữ lại lượt tải cũ đã tích tụ nhiều năm bằng cách đóng băng đầu danh sách.
- Tăng gia đình
- Một đẩy nhỏ có giới hạn cho LoRA của một gia đình mà trang này đang ưu tiên, luôn được liệt kê trong phần phân tích.
- Điểm thay thế
- Một số ổn định dưới mức tối thiểu dành cho mô hình chưa có báo cáo nguồn, để danh sách luôn đầy đủ. Nó không bao giờ xếp trên mô hình có dữ liệu.
- Mới! (giai đoạn thử nghiệm)
- Mô hình dưới 7 ngày tuổi hiển thị Mới! thay vì điểm số và không được xếp hạng. Điểm số được tính từ ngày đầu tiên, nhưng mô hình mới một ngày tăng trưởng nhanh nhất, nên nếu không chờ đợi thì #1 tuần này sẽ luôn là mô hình mới ra hôm qua thay vì mô hình giữ vững trong tuần.
- Xu hướng
- Tốc độ tăng trưởng của mô hình trong một khoảng thời gian so với tốc độ tăng trưởng trung bình của mô hình khác trong cùng khoảng thời gian. Nhanh hơn trung bình là tăng, chậm hơn là giảm.
- Mô hình điển hình
- Giữa danh mục: một nửa mô hình có số liệu tăng nhanh hơn trong khoảng thời gian, một nửa tăng chậm hơn.
Cách mà độ phổ biến của mô hình này thay đổi so với phần còn lại của danh mục: sự tăng trưởng về lượt tải xuống, lượt thích và sử dụng qua từng giai đoạn, so với sự tăng trưởng điển hình của mô hình trong cùng giai đoạn, cùng với điểm nhiệt của nó lúc đó. Cao hơn mức tăng trưởng điển hình là tăng, thấp hơn là giảm. Quá khứ được tái tạo từ tổng số hiện tại, ngày đầu tiên của mô hình và tốc độ tải xuống đo được khi có hai lần đọc; mô hình không tồn tại vào đầu giai đoạn sẽ hiển thị n/a.
DeepSeek V4 Pro 0813 là một mô hình văn bản thuộc họ Text / LLM được liệt kê trên ModelTrends.ai, danh mục chỉ đọc về các mô hình AI hình ảnh, video và văn bản mã nguồn mở. So sánh nó với các mô hình Text / LLM khác và xem điểm độ hot để biết xu hướng.
Thêm mô hình Text / LLMThêm Văn bản / LLM Text / LLMllmdeepseeklý luậnlập trìnhtác nhânngữ cảnh dàicục bộ
Duyệt theo họ mô hình
Mô hình Text / LLM
434
Mô hình Anima
528
Mô hình Chroma
19
Mô hình Fibo
2
Mô hình Flux
1,496
Mô hình Flux 2 / Klein
1,239
Mô hình Flux 3
3
Mô hình Moss
3
Mô hình Iris
1
Mô hình MiniMax H3
364
Mô hình Hunyuan
204
Mô hình Ideogram
20
Mô hình Krea2
717
Mô hình Qwen
20
Mô hình Qwen2
47
Mô hình Ltx2
153