DeepSeek-V3.1 Terminus — это обновление DeepSeek V3.1, которое сохраняет исходные возможности модели, одновременно устраняя проблемы, о которых сообщали пользователи, включая языковую согласованность и возможности агентов, а также дополнительно оптимизируя производительность модели в кодировании и поисковых агентах. Это большая гибридная модель рассуждений (671B параметров, 37B активных), которая поддерживает как режимы мышления, так и не-мышления. Она расширяет базовую модель DeepSeek-V3 двухфазным процессом обучения с длинным контекстом, достигая до 128K токенов, и использует микромасштабирование FP8 для эффективного вывода. Пользователи могут управлять поведением рассуждений с помощью логического параметра reasoning enabled.
Модель улучшает использование инструментов, генерацию кода и эффективность рассуждений, достигая производительности, сравнимой с DeepSeek-R1 на сложных бенчмарках, при этом отвечая быстрее. Она поддерживает структурированный вызов инструментов, кодовых агентов и поисковых агентов, что делает ее подходящей для исследований, кодирования и агентских рабочих процессов.
Провайдер для DeepSeek: DeepSeek V3.1 Terminus
Hubris маршрутизирует запросы к лучшему доступному провайдеру с автоматическим fallback при сбоях.
Модальности
Провайдеры
Запросы обслуживает один из провайдеров ниже — маршрутизация автоматически выбирает оптимального по доступности и скорости в момент запроса. Итоговая стоимость зависит от того, какой провайдер обслужил запрос, и от попадания в кэш: при повторяющемся контексте вход тарифицируется по цене чтения кэша — до 60–80 % дешевле. Цены — в рублях за 1 млн токенов.
SiliconFlow | 34,08 ₽ | 126,24 ₽ | — | — | 100,0 % |
Поддерживаемые параметры
Сравнить с…
выбрать любую модель →Другие модели от deepseek
DeepSeek: DeepSeek V4.1 Flash
DeepSeek V4.1 Flash — это разреженная модель Mixture-of-Experts от DeepSeek, представляющая собой экономичный уровень семейства V4.1. DeepSeek сообщает, что она превосходит V4 Pro по производительности, скорости и времени выполнения задач, поэтому она находится выше предыдущего флагмана, а не ниже. Она подходит для кодирования, рассуждений и агентских рабочих процессов, и особенно сильна в долгосрочных задачах, которые должны быть выполнены до конца за множество шагов.
DeepSeek: DeepSeek V4 Flash 0731
DeepSeek V4 Flash 0731 — это разреженная модель mixture-of-experts от DeepSeek с 13 миллиардами активных параметров из 284 миллиардов общих. Эта переобученная версия подходит для кодирования, рассуждений и рабочих процессов агентов.
DeepSeek: DeepSeek V4 Pro 0423
DeepSeek V4 Pro — это крупномасштабная модель Mixture-of-Experts от DeepSeek с общим количеством параметров 1,6T и 49B активированных параметров, поддерживающая контекстное окно в 1M токенов. Она разработана для продвинутого рассуждения, кодирования и рабочих процессов агентов с длительным горизонтом, демонстрируя высокую производительность в тестах по знаниям, математике и разработке программного обеспечения. Построенная на той же архитектуре, что и DeepSeek V4 Flash, она представляет гибридную систему attention для эффективной обработки длинного контекста. Поддерживаются уровни рассуждения high и xhigh; xhigh соответствует максимальному уровню рассуждения. Модель хорошо подходит для сложных рабочих нагрузок, таких как анализ всей кодовой базы, многошаговая автоматизация и крупномасштабный синтез информации, где критически важны как возможности, так и эффективность.
DeepSeek: DeepSeek V4.1 Flash 1017
DeepSeek V4.1 Flash 1017 — это снимок DeepSeek V4.1 Flash от 17 октября 2026 года, предоставляемый DeepSeek под именем API-модели deepseek-flash. V4.1 Flash — это разреженная модель mixture-of-experts от DeepSeek, первая, построенная на архитектуре Causal Encoder-Decoder (CED) компании. Она активирует 8B параметров на входе и 16B на выходе из основы в 552B параметров, асимметричное разделение, которое поддерживает низкие вычислительные затраты на токен относительно общего размера модели. Понимание изображений является родным для архитектуры, с визуальными и текстовыми embedding'ами, совместно обученными с самого начала предварительного обучения, а не добавленными позже, как в более ранней экспериментальной V4 Flash Vision Exp. Она подходит для кодирования, терминальных и компьютерных агентов, а также для долгосрочных задач, которые должны быть выполнены за множество шагов, и для анализа длинных контекстов. Сжатое KV-кэширование сокращает память кэша примерно до четверти по сравнению с предыдущим поколением Flash, значительно снижая затраты на агентские рабочие нагрузки. DeepSeek позиционирует ее как экономичный уровень семейства V4.1 и сообщает, что она превосходит V4 Pro по производительности, скорости и времени выполнения задач.
DeepSeek: DeepSeek Pro Latest
Эта модель всегда перенаправляется на последнюю модель семейства DeepSeek Pro.
DeepSeek: DeepSeek Flash Latest
Эта модель всегда перенаправляется на новейшую модель семейства DeepSeek Flash.