deepseek
DeepSeek: DeepSeek V3
deepseek/deepseek-chat
Nuestro análisis
Análisis asistido por IA basado en las fuentes siguientes. La idoneidad es una valoración editorial; compruébala con tus propias tareas.
DeepSeek Chat es la entrada de OpenRouter para el modelo de chat DeepSeek-V3 de DeepSeek, identificado canónicamente como deepseek/deepseek-chat-v3. Según su ficha de modelo, es un modelo Mixture-of-Experts con 671B parámetros totales y 37B activados por token, preentrenado con 14,8T tokens y con posentrenamiento mediante destilación de razonamiento desde la serie DeepSeek-R1. Solo maneja entrada y salida de texto. Las evaluaciones publicadas por el proveedor destacan resultados en matemáticas y código, pero son cifras autorreportadas sin verificación independiente en este paquete de fuentes.[1][2]
Puntos fuertes
- Manejo de contexto largo: la ficha documenta una ventana de 128K con resultados reportados sólidos en Needle-in-a-Haystack, mientras que el catálogo indica una ventana algo mayor.[1][2]
- Los parámetros de API listados en el catálogo incluyen llamadas a herramientas y salidas estructuradas, lo que habilita integraciones orientadas a funciones.[1]
- Las evaluaciones reportadas por el proveedor afirman resultados líderes entre modelos abiertos en benchmarks de matemáticas y código.[2]
Limitaciones
- Solo entrada y salida de texto; el catálogo no lista otras modalidades.[1]
- La mayoría de la evidencia de capacidades proviene del proveedor; las entradas del design-arena de OpenRouter muestran posiciones intermedias en categorías de diseño y las fuentes discrepan sobre la longitud exacta del contexto, por lo que conviene validar con tu propia carga de trabajo.[1][2]
- El catálogo reporta una fecha de corte de conocimiento del 2024-07-31.[1]
Dónde utilizarlo
- Un candidato para asistencia en código y matemáticas, donde los resultados reportados por el proveedor son más sólidos; confirma primero con tus propias tareas.[2]
- Potencialmente adecuado para flujos de API con llamadas a herramientas o salidas estructuradas, dados los parámetros listados en el catálogo.[1]
- Podría servir para procesamiento de documentos largos dentro de su ventana de contexto documentada, según la ficha del modelo.[2]
Fuentes
- [1] OpenRouter catalog · DeepSeek: DeepSeek V3Fuentes consultadas: 13 nov 2026
- [2] Model documentation · DeepSeek: DeepSeek V3Fuentes consultadas: 13 nov 2026
Sobre este modelo
La descripción siguiente es el texto original aportado por OpenRouter, en el idioma de la fuente.
DeepSeek-V3 is the latest model from the DeepSeek team, building upon the instruction following and coding abilities of the previous versions. Pre-trained on nearly 15 trillion tokens, the reported evaluations...
Especificaciones
- ID del modelo
- deepseek/deepseek-chat
- ID canónico
- deepseek/deepseek-chat-v3
- Creador
- deepseek
- Añadido a OpenRouter
- 26.12.2024
- Longitud de contexto
- 163,840
- Modalidad
- text->text
- Modalidades de entrada
- text
- Modalidades de salida
- text
- Precio por token
- USD por 1M de tokens: entrada $0.320 / salida $0.890
- Corte de conocimiento
- 31.07.2024
- Fecha de expiración
- —
Tareas y capacidades
Una nota aparece solo cuando la fuente aporta una medición correspondiente para esa tarea, el modelo está activo y la cohorte tiene al menos 10 modelos comparables. La columna de capacidad muestra hechos declarados por la fuente — formatos compatibles, razonamiento y parámetros de herramientas — que no son calidad medida.
| Tarea | Nota | Capacidad declarada por la fuente |
|---|---|---|
| Calidad general | Sin medición | — |
| Programación | Sin medición | — |
| Agentes | Sin medición | parámetros: structured_outputs, tool_choice, tools |
| Escritura | Sin medición | salida: text |
| Razonamiento | Sin medición | — |
| Análisis de documentos | Sin medición | — |
| Visión | Sin medición | — |
| Generación de imágenes | Sin medición | — |
| Audio | Sin medición | — |
| Vídeo | Sin medición | — |
| Embeddings | Sin medición | — |
Evaluaciones
| Fuente | Benchmark | Valor | Nota | Datos obtenidos |
|---|---|---|---|---|
| Design Arena | models · 3dtasa de victoria 50.5% · posición 101 | 1,069Elo | CC — por debajo de la franja B | 13.11.2026 |
| Design Arena | models · codecategoriestasa de victoria 48.4% · posición 110 | 1,099Elo | CC — por debajo de la franja B | 13.11.2026 |
| Design Arena | models · dataviztasa de victoria 50% · posición 105 | 1,087Elo | CC — por debajo de la franja B | 13.11.2026 |
| Design Arena | models · gamedevtasa de victoria 43.7% · posición 117 | 1,044Elo | CC — por debajo de la franja B | 13.11.2026 |
| Design Arena | models · svgtasa de victoria 38.8% · posición 96 | 968Elo | CC — por debajo de la franja B | 13.11.2026 |
| Design Arena | models · uicomponenttasa de victoria 52.7% · posición 107 | 1,084Elo | CC — por debajo de la franja B | 13.11.2026 |
| Design Arena | models · websitetasa de victoria 48.5% · posición 108 | 1,113Elo | CC — por debajo de la franja B | 13.11.2026 |
Cómo funcionan las notas
Cada nota compara un modelo solo con otros modelos evaluados por la misma fuente y métrica en la instantánea actual. S es el 10% superior, A el siguiente 20%, B el siguiente 30% y C el resto. Los modelos sin medición publicada aparecen como no evaluados: un formato compatible nunca implica calidad medida.
- S — S — 10% superior de la cohorte
- A — A — siguiente 20% de la cohorte
- B — B — siguiente 30% de la cohorte
- C — C — por debajo de la franja B
Proveedores
Estadísticas opcionales de proveedores en vivo desde OpenRouter. Los valores ausentes son desconocidos, no cero.
| Proveedor | Longitud de contexto | Precio entrada /1M | Precio salida /1M | Latencia p50 (30m, s) | Rendimiento p50 (30m, tok/s) | Disponibilidad (30m) |
|---|---|---|---|---|---|---|
| DeepInfrafp4 | 163,840 | $0.256 | $0.712 | — | — | 100% |
| StreamLake | 128,000 | $0.257 | $1.03 | — | — | 100% |
| DeepInfrafp4 | 163,840 | $0.320 | $0.890 | — | — | 96.67% |
Datos de proveedores obtenidos: 13.11.2026
Artículos relacionados
Ningún artículo publicado identifica aún este modelo.