DeepSeek 的 V4 Flash 非思考模式別名 — 1M 上下文，強大的指令遵循和程式碼能力（舊的別名，預計將被棄用）。
DeepSeek V3 是一個來自 DeepSeek 的混合專家文本模型，專為需要理解與生成超長上下文內容的任務而設計。其 1,048,576 個 token 的上下文窗口，可一次處理整本書籍、大型程式碼庫或長篇對話記錄。該模型最多可輸出 384,000 個 token，適合生成報告、文章或複雜的結構化資料。它針對需要高容量語言理解但無需多模態能力的開發者、研究人員和企業而設計。MoE…
DeepSeek V3 擅長於長上下文推理，得益於其100萬token的窗口。它能在數百頁的文字中保持連貫性，因此非常適合總結整份文檔、跟進複雜敘事或分析大型程式碼庫。MoE 架構允許它將任務的不同部分委派給專業的「專家」子網路，從而提高效率。它也支援高達384k token的輸出上限，能夠生成冗長的報告、書籍或具有詳盡回覆的多輪對話。在數學推理和程式碼生成方面尤其強大，這些是 DeepSeek 專注訓練的領域。
對於簡單任務，如短問答、分類或輕量摘要，較小的模型（例如 Llama 3.1 8B 或 GPT-4o mini）可能更具成本效益且速度更快。DeepSeek V3 在長上下文和高輸出方面進行了最佳化；將其用於生成100個token的回答會浪費其能力。如果即時延遲至關重要且上下文較短，請考慮開銷較低的模型。此外，如果您需要多模態輸入，DeepSeek V3 不適合。
最佳使用情境包括處理極長的文檔（例如法律合約、研究論文、整本書籍），其中必須考慮完整的上下文。此功能也適用於維持多達 1M 個 token 對話歷史的多輪聊天應用，例如進階客戶支援或互動式說故事。跨大型程式碼庫的程式碼生成與分析可受益於廣大的上下文。此外，需要長篇生成的任務，如報告撰寫、文章創作或結構化數據生成（例如 JSON、XML），可充分利用 384k 的輸出上限。
此清單中未提供 DeepSeek V3 的具體基準測試分數。然而，DeepSeek 公開的資訊顯示，V3 在推理基準（如 MATH、GSM8K）、程式碼基準（如 HumanEval、MBPP）以及語言理解任務（如 MMLU）上均取得了具有競爭力的成績。其 MoE 架構使其能夠達到與總參數更多的密集模型相似的表現，同時每個 token 使用的計算資源更少。使用者應查閱官方 DeepSeek 論文以獲取詳細數據。
延遲取決於輸入長度、輸出長度及當前負載。由於DeepSeek V3採用混合專家（Mixture-of-Experts）架構，每個token僅會啟動一部分參數，這通常使其生成速度比同等參數量的密集模型更快。在OrcaRouter上，延遲同時受網路條件與負載平衡影響。對於較短語境，模型回應迅速；處理長語境時，初始編碼時間會隨輸入長度增加。雖然未提供具體延遲數據，但使用者可預期其效能與同規模模型相比表現合理。
優勢包括巨大的上下文視窗（1M tokens）、高輸出限制（384k tokens）、MoE效率帶來的較低成本每token，以及強大的推理/編碼表現。限制：僅支援文字輸入（無圖像、音訊），與較大的密集模型相比，知識深度可能不足，且此模型可能不適合非常簡短的任務（會顯得大材小用）。此外，在高度細膩的任務（如創意寫作、情感語氣）中的表現可能有所差異；建議使用者進行測試。
定價為每100萬輸入代幣0.14美元，每100萬輸出代幣0.28美元。這些費率按供應商費率計費，OrcaRouter不收取額外加成。輸入代幣包括提示；輸出代幣為模型生成的文本。例如，一個500,000代幣的輸入和100,000代幣的輸出將花費0.07美元（輸入）+ 0.028美元（輸出）= 0.098美元。請注意，代幣由供應商的代幣化器計數。
考慮到其龐大的上下文窗口，如果總是使用完整的100萬個token，成本可能會累積。不過，對於許多使用場景來說，平均輸入大小其實更小。每個token的成本具有競爭力，尤其是與類似能力的密集模型相比。由於它是MoE模型，每個token的計算成本更低，而OrcaRouter以零加成的方式將此優勢傳遞給用戶。如果你的任務只需要幾百個token，使用較便宜的模型可能更經濟。對於長上下文任務，DeepSeek V3通常提供最佳的成本效益比。
OrcaRouter 不會單獨為 DeepSeek V3 宣傳快取折扣。若有快取機制，將遵循供應商 (DeepSeek) 的政策，但該政策可能適用也可能不適用。使用者應假設按標準每代幣計費。為優化成本，請考慮透過剪除不必要的輸入來有效重複使用上下文窗口。
使用 OrcaRouter 的 OpenAI 相容 API，基礎 URL 為 https://api.orcarouter.ai/v1。將模型 ID 設定為 "deepseek/deepseek-chat"。您可以使用官方的 OpenAI Python 客戶端或任何支援 OpenAI 聊天完成功能的函式庫。Python 範例： ```python import openai client = openai.OpenAI(base_url="https://api.orcarouter.ai/v1", api_key="YOUR_ORCAROUTER_API_KEY") response = client.chat.completions.create(model="deepseek/deepseek-chat", messages=[{"role":"user","content":"Hello"}]) ```
此模型支援標準的聊天完成參數：temperature、top_p、max_tokens、stop、frequency_penalty、presence_penalty 等。max_tokens 最高可設為 384,000。此模型僅支援文字，不接受圖片或音訊輸入。對於較長的上下文，您可以傳送大量的訊息陣列；請確保總 token 數不超過 1,048,576。tokenizer 與 DeepSeek 自身使用的相同；OrcaRouter 會根據提供者處理 token 計數。
將 base_url 改為 https://api.orcarouter.ai/v1，並將模型 ID 改為 "deepseek/deepseek-chat"。保留您現有的程式碼結構（messages, parameters）。如果您使用的是 OpenAI Python 客戶端或類似工具，則無需其他變更。請確保您的 API 金鑰對 OrcaRouter 有效。使用小型請求測試以驗證 token 限制和定價。對於使用串流的應用程式，回應格式與 OpenAI 的串流完全相同。
GPT-4o 支援文字、圖片和音訊輸入；DeepSeek V3 則僅限文字。GPT-4o 的上下文視窗為 128k，而 DeepSeek V3 支援 1M。GPT-4o 的定價因情況而異，但通常每個 token 較高。DeepSeek V3 的 MoE 架構在長上下文處理上可能帶來較低延遲。在推理與程式碼方面，兩者表現都很強，但 GPT-4o 擁有更廣泛的多模態能力。若你需要極長的上下文長度與高效的文字處理，請選擇 DeepSeek V3；若需執行多模態任務，則選擇 GPT-4o。
Claude 3.5 Sonnet 提供 200k 的上下文視窗，明顯小於 DeepSeek V3 的 1M。Claude 支援文字與圖片輸入；DeepSeek V3 僅限文字。Claude 的每 token 定價較高（例如，每百萬輸入 $3）。DeepSeek V3 較為便宜。Claude 以優秀的指令遵循能力與安全性著稱；DeepSeek V3 則擅長數學與程式碼。對於長上下文任務，DeepSeek V3 更具成本效益，且提供更大的容量。
Llama 3.1 405B 是一個密集模型，擁有 128k 上下文視窗；DeepSeek V3 的上下文則大得多。Llama 3.1 405B 同樣僅支援純文字。透過託管服務使用 Llama 3.1 405B 的定價通常高於 DeepSeek V3。DeepSeek V3 的 MoE 架構使用較少的活躍參數，可能更有利於生成速度。兩者在推理方面都很強；DeepSeek V3 因其更長的上下文視窗，可能在長上下文召回方面更具優勢。若需極長上下文長度，請選擇 DeepSeek V3；若需開放權重存取或特定微調變體，則選擇 Llama 3.1。
當你的任務需要處理非常長的上下文（例如整本書、大型程式碼庫）或產生長輸出（最多384k token）時，請使用DeepSeek V3。如果你的任務較短，像DeepSeek V2 Lite或Llama 3.1 8B這樣較小的模型會更快且更便宜。此外，若你需要多模態輸入，請考慮其他模型。對於任何上下文超過128k token或需要超出典型限制的輸出長度的任務，成本效益比傾向於使用DeepSeek V3。
相容 OpenAI——沿用你現有的 SDK
https://api.orcarouter.ai/v1from openai import OpenAI
client = OpenAI(
base_url="https://api.orcarouter.ai/v1",
api_key="$ORCAROUTER_API_KEY",
)
response = client.chat.completions.create(
model="deepseek/deepseek-chat",
messages=[{"role": "user", "content": "Hello"}],
)
print(response.choices[0].message.content)include_reasoninglogprobsmax_tokensreasoningresponse_formatstopstreamstream_optionstemperaturethinkingtool_choicetoolstop_logprobstop_puser_id| 輸入 / 1M tokens | $0.147 |
| 輸出 / 1M tokens | $0.295 |
| 快取讀取 / 1M | $0.020 |
| 貨幣 | USD |
基於標價的估算
僅為估算——實際 Token 數取決於供應商的分詞器。
@misc{orcarouter_deepseek_chat,
title = {DeepSeek V3 API},
author = {DeepSeek},
year = {2024},
howpublished = {OrcaRouter},
url = {https://www.orcarouter.ai/models/deepseek/deepseek-chat}
}DeepSeek. (2024). DeepSeek V3 API. OrcaRouter. https://www.orcarouter.ai/models/deepseek/deepseek-chat