Verzeichnis der gesamten DeepSeek-Serie: aktuelle API-Hauptmodelle und Klassiker der Vorgängergeneration, alle kompatibel mit dem OpenAI / Anthropic SDK.
Daten aktualisiert im Oktober 2026 · Offizielle Empfehlung: Für neue Projekte direkt deepseek-flash verwenden
Die aktuell neueste Schnellstufe der API (Aufrufname: deepseek-flash): RLSF-Verstärkungslernen mit Selbstfeedback, DeepSWE v1.1 77.0%, ca. $0.20 pro Aufgabe; Denkmodus standardmäßig aktiviert, Parallelität 2500.
Flaggschiff mit 1.6T Gesamtparametern / 49B aktiven Parametern: SWE-Bench Verified 80.6%, LiveCodeBench 93.5%, Terminal-Bench 2.0 67.9%, Codeforces 3206; Parallelität 500, keine Vision-Unterstützung.
552B MoE, veröffentlicht am 09-10: native Bildeingabe, erreicht in mehreren Benchmarks nahezu das Niveau von V4-Pro (0813); Ausgabepreis gegenüber V4-Flash um ca. 70% gesenkt, Cache-Treffer $0.003.
284B / 13B aktiviert: Putnam-200 Pass@8 81.0%, SWE-Bench 79.0%; Gewichte ca. 160GB, offen unter MIT verfügbar.
Das Arbeitspferd vor V4: Pionier des Sparse-Attention-Ansatzes; die 1M-Effizienz von V4 wurde an ihm als Benchmark gemessen (27% FLOPs / 10% KV).
Das Open-Source-Reasoning-Modell, das 2025 die Branche erschütterte und den Ausgangspunkt des reinen RL-Trainingswegs bildete; sein Reasoning-Paradigma ist im Denkmodus der V4-Serie aufgegangen.
Vertreter der code-spezialisierten Ära, ging mit der allgemeinen Codierfähigkeit von V4 (LiveCodeBench 93.5%) in den Ruhestand.
deepseek-flash (V4.1-Flash-1017): Vision + 1M Kontext + RLSF-Agentenfähigkeiten, außerhalb der Spitzenzeiten $0.15/$0.60, 2500 gleichzeitige Anfragen – die optimale Preis-Leistungs-Lösung für die meisten Anwendungen.
deepseek-v4-pro: Das 1.6T-Flaggschiff für komplexe Codierung über mehrere Dateien und anspruchsvolles Reasoning; ohne Vision, 500 gleichzeitige Anfragen, geeignet für Offline-Batchverarbeitung und hochkomplexe Aufgaben.
Die Gewichte von V4-Pro / V4-Flash / V4.1-Flash sind alle unter der MIT-Lizenz auf Hugging Face verfügbar – frei zur kommerziellen Nutzung und für Deployment im Intranet.
大模型网摘