Catálogo de toda a gama DeepSeek: os principais modelos atualmente à venda via API e os clássicos da geração anterior, todos compatíveis com o SDK OpenAI / Anthropic.
Dados atualizados em outubro de 2026 · A recomendação oficial é usar diretamente o deepseek-flash em novos projetos
A variante rápida mais recente da API (nome de invocação deepseek-flash): RLSF — aprendizagem por reforço com autorretroalimentação, DeepSWE v1.1 77.0%, cerca de $0.20 por tarefa; modo de raciocínio ativado por predefinição, concorrência de 2500.
Carro-chefe de 1.6T de parâmetros totais / 49B ativados: SWE-Bench Verified 80.6%, LiveCodeBench 93.5%, Terminal-Bench 2.0 67.9%, Codeforces 3206; concorrência de 500, não suporta visão.
552B MoE, lançamento a 09-10: entrada nativa de imagens, com resultados próximos da V4-Pro (0813) em várias avaliações; preço de saída reduzido em cerca de 70% face à V4-Flash, com acertos de cache a $0.003.
284B / 13B ativos: Putnam-200 Pass@8 81.0%, SWE-Bench 79.0%; pesos de cerca de 160GB, abertos sob licença MIT.
O principal modelo antes da V4: pioneiro da abordagem de atenção esparsa; a eficiência económica do 1M da V4 é medida tomando-o como referência (27% FLOPs / 10% KV).
O modelo de raciocínio open-source que abalou a indústria em 2025, ponto de partida da abordagem de treino puramente por RL; o seu paradigma de raciocínio foi integrado no modo de pensamento da série V4.
Representante da era dos modelos especializados em código, descontinuado com a chegada das capacidades de programação geral do V4 (LiveCodeBench 93.5%).
deepseek-flash (V4.1-Flash-1017): visão + contexto de 1M + capacidades de agente RLSF, $0.15/$0.60 fora de horas de ponta, concorrência de 2500 — a melhor relação custo-benefício para a maioria das aplicações.
deepseek-v4-pro: o modelo de topo de 1.6T para programação complexa em múltiplos ficheiros e raciocínio exigente; sem visão, concorrência de 500, ideal para processamento em lote offline e tarefas de elevada dificuldade.
Os pesos do V4-Pro / V4-Flash / V4.1-Flash foram disponibilizados abertamente no Hugging Face sob a licença MIT, podendo ser usados comercialmente e implementados em rede interna.
大模型网摘