DeepSeek V3

Tekst og chatUtgåttIkke tilgjengelig
av DeepSeekModell-ID: deepseek-v3

Powerful open-weight model from DeepSeek. Strong at coding, math, and Chinese/English tasks.

Status
Ikke tilgjengelig
Kontekst
64 000 tokens
Maks. utdata
8 192 tokens
Input → output
Tekst → Tekst
Utvikler
DeepSeek
Oppdatert
23. september 2026

DeepSeek V3 er for øyeblikket utilgjengelig

Du kan fortsatt lese detaljene på denne siden. Velg ett av de tilgjengelige alternativene nedenfor for å kjøre en sammenlignbar modell med en gang.

Gå til alternativer

Leverandøren har faset ut denne modellen.

Nyere versjon tilgjengelig: DeepSeek V4.1 Flash

01

Sammenlignbare modeller

Alle i denne kategorien
02

Playground

Prøv DeepSeek V3

Chat

Ikke tilgjengelig for øyeblikket

Ikke tilgjengelig for øyeblikket.

Lekeplassen er deaktivert. Du finner sammenlignbare modeller i samme kategori: Se alternativer

Prøv DeepSeek V3

Send en melding. Svaret kommer fullstendig når modellen er ferdig (ingen streaming).

Systemprompt
Maks. svarslengde (tokens)

Denne kjøringen

Ingen pris – ikke tilgjengelig for øyeblikket.

Ny her?

10 gratis credits (0,10 USD) når du registrerer deg med Google

Kan brukes 24 timer etter registrering, opptil 5 kjøringer per dag og maksimalt 2 credits per kjøring. Andre påloggingsmetoder starter uten credits.

03

Om DeepSeek V3

Kort sagtPer 23. september 2026

DeepSeek V3 er en modell fra DeepSeek i kategorien Tekst og chat. DeepSeek V3 er for øyeblikket ikke tilgjengelig på Railwail. Kontekstvinduet inneholder 64 000 tokens, og ett svar kan være opptil 8 192 tokens langt. Nyere versjon: DeepSeek V4.1 Flash.

Bakgrunn

Om DeepSeek

Grunnlagt 2023 · Hangzhou, China

DeepSeek AI was founded in July 2023 in Hangzhou by Liang Wenfeng, who is also co-founder of the High-Flyer quantitative hedge fund. High-Flyer's GPU cluster (thousands of NVIDIA A100/H800 cards stockpiled before US export controls tightened) bootstrapped DeepSeek's training capacity. The lab gained global attention for highly efficient training recipes documented in transparent technical reports. Notable releases include DeepSeek Coder (Nov 2023), DeepSeek LLM 67B (Jan 2024), DeepSeekMath with GRPO reinforcement learning (Feb 2024), DeepSeek V2 introducing Multi-head Latent Attention and DeepSeekMoE (May 2024), DeepSeek V3 in December 2024 and DeepSeek R1 in January 2025. The V3/R1 releases triggered global discussion when DeepSeek reported that V3 was trained for approximately $5.6M of GPU-hour cost on 2.788M H800 GPU-hours, ten or more times cheaper than comparable Western frontier runs. All models are released under MIT license. The company is privately funded by High-Flyer rather than venture capital and employs roughly 200 researchers, mostly recent PhDs from Chinese universities.

Besøk DeepSeek

Arkitektur

Sparse Mixture-of-Experts Transformer (DeepSeekMoE + Multi-head Latent Attention)

DeepSeek V3 was released on 26 December 2024 with weights under MIT license. It is a Sparse Mixture-of-Experts Transformer with 671 billion total parameters and 37 billion active per token. The architecture combines DeepSeekMoE (fine-grained experts with shared experts for load balancing without auxiliary loss) and Multi-head Latent Attention (MLA), a low-rank KV-cache compression technique introduced in V2 that drastically reduces memory bandwidth during inference. V3 was pretrained on 14.8 trillion high-quality tokens spanning multilingual web text, code, books and scientific papers, using a total compute budget of 2.788 million H800 GPU-hours, which DeepSeek reports as approximately $5.576M at $2/GPU-hour. The training run introduced multi-token prediction (MTP) as an auxiliary objective and FP8 mixed-precision training with custom CUDA kernels for the MoE routing. Post-training included supervised fine-tuning on 1.5M curated examples plus a reinforcement learning stage using GRPO. V3 achieves performance competitive with GPT-4o and Claude 3.5 Sonnet on most text and code benchmarks while costing approximately 1/10th to operate, making it the highest-performing open-weight non-reasoning model at launch.

Parametere
671B total, 37B active per token
Kontekst
128 000 tokens

Evner

  • 671B-parameter MoE with 37B active per token
  • 128K context window
  • Pretrained on 14.8T tokens for ~$5.6M of compute
  • DeepSeekMoE routing without auxiliary loss
  • Multi-head Latent Attention for memory-efficient inference
  • FP8 mixed-precision training with custom kernels
  • Multi-token prediction (MTP) auxiliary objective
  • Strong code generation on HumanEval, MBPP, LiveCodeBench
  • Open weights under MIT license
  • Compatible with vLLM, SGLang, llama.cpp, HuggingFace
  • Best for: cost-efficient open-weight chat, coding, on-prem enterprise, research on MoE.

Trening og lisens

Pretrained on 14.8 trillion tokens of curated multilingual web text, code repositories, books and scientific papers. Knowledge cutoff is approximately mid-2024. Post-training uses 1.5M-example SFT followed by GRPO reinforcement learning on preference and verifiable-reward data.

Lisens: MIT license for model weights, code and tokenizer. Commercial use permitted without restrictions.

Sikkerhetstesting: Limited published safety evaluation. The model filters politically sensitive topics in line with Chinese regulations but otherwise has a relatively low refusal rate on technical dual-use queries.

Kjente begrensninger

  • Refuses or evades certain political topics (Tiananmen, Taiwan)
  • Large memory footprint (~1.3TB FP8 weights) limits self-hosting to multi-GPU clusters
  • Text-only base; no native vision input
  • Knowledge cutoff mid-2024
  • Less battle-tested in production than GPT-4o/Claude
04

Priser

Ikke tilgjengelig for øyeblikket. Det er ingen pris for denne modellen for øyeblikket, så den kan ikke kjøres.

05

API

Ring DeepSeek V3 med din Railwail API-nøkkel. Bruk denne modell-IDen i forespørselen:

Ikke tilgjengelig for øyeblikket

Modellen har ingen verifisert pris eller er deaktivert; API-kall blir avvist.

06

Spesifikasjoner

Modell-ID
deepseek-v3
Utvikler
DeepSeek
Inndata
Tekst
Utdata
Tekst
Kontekstvindu
64 000 tokens
Maks. utdata
8 192 tokens
Livssyklus
Utgått
Modellstørrelse
671B total, 37B active per token
Lisens
MIT license for model weights, code and tokenizer. Commercial use permitted without restrictions.
Katalogoppføring oppdatert
23. september 2026

Merkelapper

  • affordable
  • coding
07

Eksempelprompts

Eksempler fra Railwail-katalogen. De ble ikke generert live på denne siden.
  • Algorithm Explanation

    Explain how a hash map works internally, including collision handling
    Vis eksempelsvar

    A hash map stores key-value pairs by computing a hash of the key to determine which 'bucket' (array index) the pair belongs in. When you insert a key, the hash function converts it to an integer, which is then mapped to an index via modulo with the array size. Collisions—when two keys map to the same index—are handled through chaining (storing a linked list at each bucket) or open addressing (probing for the next empty slot). Load factor triggers resizing: when the ratio of entries to buckets exceeds a threshold (typically 0.75), the array doubles in size and all entries are rehashed.

  • Bilingual Task

    Translate this Chinese proverb and explain its meaning: 三人行,必有我师焉
    Vis eksempelsvar

    Translation: 'Among three people walking together, there must be one who can be my teacher.' This proverb comes from Confucius' Analerta (Lunyu) and conveys that everyone you meet has something valuable to teach you. It encourages humility and lifelong learning—no matter how knowledgeable you are, others possess skills, perspectives, or experiences worth learning from. It's a cornerstone of Chinese educational philosophy.

08

Brukstilfeller

Hva det brukes til

  • Cost-efficient open-weight chat
  • Coding assistants and copilots
  • On-prem enterprise deployments
  • RAG over enterprise documents
  • Multilingual document processing
  • MoE research and ablations
09

Ofte stilte spørsmål

Hva er DeepSeek V3?

DeepSeek V3 er en modell fra DeepSeek i kategorien Tekst og chat. Den er oppført på Railwail, men kan ikke kjøres for øyeblikket.

Hvor mye koster DeepSeek V3 på Railwail?

DeepSeek V3 kan ikke kjøres på Railwail for øyeblikket, så det finnes ingen gjeldende pris. Tilgjengelige alternativer med priser er oppført lenger ned på denne siden.

Hvor stort er kontekstvinduet til DeepSeek V3?

Kontekstvinduet til DeepSeek V3 inneholder 64 000 tokens. Ett svar kan være opptil 8 192 tokens langt.

Hvor rask er DeepSeek V3?

Det finnes ennå ikke nok målte kjøringer av DeepSeek V3 på Railwail til å angi en kjøretid. Det avhenger av inndataene, innstillingene og belastningen hos leverandøren.

Er DeepSeek V3 bedre enn DeepSeek V4.1 Flash?

Det avhenger av oppgaven. DeepSeek V3 (DeepSeek) og DeepSeek V4.1 Flash (DeepSeek) er begge modeller i kategorien Tekst og chat. Sammenligningssiden viser prisene og spesifikasjonene deres side ved side.

Sammenlign DeepSeek V3 og DeepSeek V4.1 Flash

Kan jeg bruke DeepSeek V3 akkurat nå?

Ikke tilgjengelig for øyeblikket. Siden forblir online; tilgjengelige alternativer fra samme kategori er oppført lenger ned.

Alle modeller gjennom én API

Én API-nøkkel for alle modeller på Railwail. Bruk belastes fra forhåndsbetalt kreditt, 1 kreditt = 0,01 USD.