搜索“DeepSeek”

DeepSeek 发布 DeepSeek-V4.1-Flash

DeepSeek 发布 DeepSeek-V4.1-Flash

查看事件：DeepSeek 发布 DeepSeek-V4.1-Flash

DeepSeek扩展V4.1-Flash部署支持

DeepSeek 计划支持并扩展部署选项 V4.1-Flash推理

查看事件：DeepSeek扩展V4.1-Flash部署

DeepSeek发布非对称MoE架构

DeepSeek 发布 552B参数非对称MoE架构

查看事件：DeepSeek发布552B参数非对称MoE架构

DeepSeek发布V4-Pro正式版

2026年8月13日,DeepSeek发布DeepSeek-V4-Pro正式版,主打智能体能力升级。据DeepSeek API更新日志,V4-Pro与V4-Flash均提供low、high、max三档推理强度,分别对应简单任务、日常智能体工作流和复杂任务。该模型原生支持OpenAI Responses API,针对Codex做了优化并支持一键配置,已上线app/web的Expert Mode和API,模型名称保持不变。随V4系列发布,API定价同步调整并引入高峰与低谷费率,低谷费率为高峰的50%,新定价于2026年8月16日16:00 UTC生效。目前尚无该发布之后的进一步有证据发展。

DeepSeek发布并开源V4预览版

2026年4月24日,DeepSeek发布并开源DeepSeek-V4预览版,包含V4-Pro与V4-Flash两个版本。据DeepSeek API更新日志,V4-Pro为1.6T总参数、49B激活,V4-Flash为284B总参数、13B激活;官方称V4-Pro在Agentic Coding基准上达到开源SOTA,世界知识仅次于Gemini-3.1-Pro。API当日可用,保留base_url并将模型改为deepseek-v4-pro或deepseek-v4-flash即可调用,两个模型均支持1M上下文与Thinking/Non-Thinking双模式,并兼容OpenAI ChatCompletions与Anthropic API。官方同时提示,deepseek-chat与deepseek-reasoner将于2026年7月24日15:59(UTC)后完全下线,目前相关请求会路由到deepseek-v4-flash的非思考/思考模式。

DeepSeek发布V3.2与V3.2-Speciale推理模型

2025年12月1日,DeepSeek发布DeepSeek-V3.2与DeepSeek-V3.2-Speciale两款面向智能体的推理优先模型。据官方信息,V3.2已在App、Web和API上线,定位日常使用、推理与长度更均衡,是DeepSeek首个将思考直接融入工具调用的模型,支持思考与非思考两种模式下的工具调用;Speciale暂仅提供API,主打极限推理能力,通过临时端点提供,价格与V3.2相同,不支持工具调用,可用至2025年12月15日15:59(UTC)。此前2025年9月29日,DeepSeek曾发布实验模型DeepSeek-V3.2-Exp,基于V3.1-Terminus构建,首次引入DeepSeek Sparse Attention(DSA),官方称基准测试显示其与V3.1-Terminus表现相当,同时API价格立即下调50%以上。

DeepSeek发布DeepSeek-V3开源模型及论文

2024年12月26日,DeepSeek发布DeepSeek-V3开源模型及论文。据DeepSeek API更新日志,该模型采用671B MoE参数、37B激活参数,基于14.8T高质量token训练,生成速度60 tokens/秒,比V2快3倍,API保持兼容并开源模型与论文。API定价在2月8日前与V2相同,此后调整。官方表示后续将支持多模态等功能。目前尚无进一步有证据的发展。

Fireworks评测DeepSeek新模型

2026年9月14日,Fireworks AI 发布并评测 DeepSeek-V4.1-Flash。据其公布结果,该模型在 DeepSWE 上 pass@1 为 74.34%,与 GPT-6-Astra 的 74.12% 处于同一水平;单任务成本 0.43 美元,约为 Astra 的 1/15。该模型为 552B 参数 MoE,采用输入 8B、输出 16B 的分离激活预算,KV Cache 的 HBM 占用降至上一代 V4 的 1/4。在 HLE 上它得分 34.52%,低于 Astra 的 50.40%,Fireworks 认为它更适合智能体编码而非高难推理。9月28日,Fireworks AI 发布首个缓存感知路由器 FireRouter with Opus,已在 CLI 上线并首次作为独立路由模型提供,可在 Claude Opus 5.5、GLM 5.3 和 GLM 5.3 Flash 之间按任务适配度、提示词缓存成本和切换代价选择模型;其一个多月内部 A/B 测试显示,编码任务每次会话成本从 15.36 美元降至 6.63 美元,降幅 57%(±19 个百分点),准确率为纯 O

DeepSeek扩展V4.1-Flash部署

2026年9月10日,DeepSeek在其API上线原生多模态模型V4.1-Flash,调用时需将模型名设为deepseek-flash。与此同时,V4-Flash与V4-Flash-Vision-Exp退役,其旧模型名暂时被路由至新模型。DeepSeek还表示,自9月14日04:00 UTC起,发往deepseek-v4-pro的请求也将按V4.1-Flash费率转发至该模型,直至V4.1-Pro上线。

DeepSeek发布552B参数非对称MoE架构

2026年9月10日,DeepSeek发布552B参数的非对称MoE架构,并推出该新架构模型族中最小的模型DeepSeek-V4.1-Flash。据DeepSeek介绍,该架构采用新的Causal Encoder–Decoder,输入仅激活8B参数,输出激活16B参数;其称新预训练方法与更大规模的RL后训练使该架构的基准测试成绩超过包括DeepSeek-V4-Pro在内的旗舰模型。DeepSeek-V4.1-Flash具备原生视觉理解能力,旨在增强能力、加快推理、提高吞吐量,并支持扩展至更大模型。目前尚无后续有合格事实证据的发展。

DeepSeek扩展多模态API能力

2026年8月21日,DeepSeek为API加入多模态支持,实验模型deepseek-v4-flash-vision-exp可接收文本与图像混合输入,并兼容Chat Completions、Messages和Responses接口。开发者可通过base64、外部URL或Files API提供图像,其中Files API支持图片上传及跨请求复用。每张图像最多按384 tokens计费,采用V4-Flash定价。当前材料未提供该能力转为正式模型或进一步扩展的进展。

DeepSeek发布V4-Pro正式版

DeepSeek 发布 DeepSeek-V4-Pro正式版

查看事件：DeepSeek发布V4-Pro正式版

DeepSeek发布V4预览版

DeepSeek 发布并开源 DeepSeek-V4-Pro和DeepSeek-V4-Flash预览版

查看事件：DeepSeek发布并开源V4预览版

DeepSeek发布V3.2系列模型

DeepSeek 发布 DeepSeek-V3.2与DeepSeek-V3.2-Speciale

查看事件：DeepSeek发布V3.2与V3.2-Speciale推理模型

DeepSeek 发布实验模型 V3.2-Exp

DeepSeek 发布 实验模型 DeepSeek-V3.2-Exp

查看事件：DeepSeek发布V3.2与V3.2-Speciale推理模型

DeepSeek 发布并开源 DeepSeek-R1 模型

2025年1月20日,DeepSeek 发布并开源 DeepSeek-R1 模型。据 DeepSeek API 更新日志,官方称该模型性能与 OpenAI-o1 相当,模型与技术报告完全开源,代码和模型采用 MIT 许可,可自由蒸馏和商用,网站与 API 已上线。同时开源 6 个从 DeepSeek-R1 蒸馏的小模型,其中 32B 和 70B 版本性能与 OpenAI-o1-mini 相当。API 通过 model=deepseek-reasoner 调用,定价为每百万输入 token 0.14 美元(缓存命中)、0.55 美元(缓存未命中),每百万输出 token 2.19 美元。目前尚无后续有证据的发展。

DeepSeek 发布并开源 DeepSeek-R1

DeepSeek 发布并开源 DeepSeek-R1 模型

查看事件：DeepSeek 发布并开源 DeepSeek-R1 模型

DeepSeek发布DeepSeek-V3

DeepSeek 发布 DeepSeek-V3开源模型及论文

查看事件：DeepSeek发布DeepSeek-V3开源模型及论文

Fireworks评测DeepSeek新模型

2026年9月14日,Fireworks AI 发布并评测 DeepSeek-V4.1-Flash。据其公布结果,该模型在 DeepSWE 上 pass@1 为 74.34%,与 GPT-6-Astra 的 74.12% 处于同一水平;单任务成本 0.43 美元,约为 Astra 的 1/15。该模型为 552B 参数 MoE,采用输入 8B、输出 16B 的分离激活预算,KV Cache 的 HBM 占用降至上一代 V4 的 1/4。在 HLE 上它得分 34.52%,低于 Astra 的 50.40%,Fireworks 认为它更适合智能体编码而非高难推理。9月28日,Fireworks AI 发布首个缓存感知路由器 FireRouter with Opus,已在 CLI 上线并首次作为独立路由模型提供,可在 Claude Opus 5.5、GLM 5.3 和 GLM 5.3 Flash 之间按任务适配度、提示词缓存成本和切换代价选择模型;其一个多月内部 A/B 测试显示,编码任务每次会话成本从 15.36 美元降至 6.63 美元,降幅 57%(±19 个百分点),准确率为纯 O

查看事件：Fireworks评测DeepSeek新模型

DeepSeek上线Files API

DeepSeek 上线 支持图片上传与跨请求复用的Files API

查看事件：DeepSeek扩展多模态API能力