That's NeuralCatálogo de modelos

deepseek

DeepSeek: DeepSeek V3.1 Terminus

deepseek/deepseek-v3.1-terminus

Nuestro análisis

Análisis asistido por IA basado en las fuentes siguientes. La idoneidad es una valoración editorial; compruébala con tus propias tareas.

deepseek/deepseek-v3.1-terminus es una actualización texto-texto de DeepSeek V3.1 que, según su documentación, mantiene las capacidades anteriores mientras mejora la coherencia lingüística y sus agentes de código y búsqueda. OpenRouter registra un contexto de 163.840 tokens, llamadas a herramientas, salidas estructuradas y datos de catálogo y evaluaciones. Los resultados reportados por el proveedor mejoran en varias tareas agénticas, pero empeoran en algunas mediciones de código y navegación en chino, por lo que conviene evaluarlo con cautela.[1][2]

Puntos fuertes

  • Mantiene las capacidades de V3.1 mientras aborda problemas reportados por usuarios: mezcla de chino e inglés, caracteres anómalos ocasionales y comportamiento de agentes.[1][2]
  • Los metadatos del catálogo indican un contexto de 163.840 tokens, entrada/salida de texto y parámetros para herramientas, elección de herramienta, formato de respuesta y salidas estructuradas.[1]
  • Las tablas aportadas registran mejoras frente a V3.1 en varias evaluaciones agénticas; OpenRouter también lista resultados de arena de diseño e índices de codificación y capacidad agéntica.[1][2]

Limitaciones

  • OpenRouter solo registra entrada y salida de texto; el paquete combina metadatos de catálogo con documentación del proveedor y no incluye validación independiente en cargas reales.[1][2]
  • Las comparaciones reportadas por el proveedor no son uniformemente positivas: los resultados retroceden frente a V3.1 en Codeforces, Aider-Polyglot y BrowseComp-zh.[2]
  • El checkpoint actual tiene un problema conocido: los parámetros de self_attn.o_proj no se ajustan al formato de escala FP8 UE8M0.[2]

Dónde utilizarlo

  • Puede considerarse para redacción, resumen o preguntas sobre documentos largos cuando importa un amplio contexto textual; verifique el comportamiento real de contexto extenso.[1]
  • Opción plausible para asistentes de código con herramientas y automatización orientada a terminal; pruebe su fiabilidad a nivel de repositorio antes de adoptarlo.[1][2]
  • Conviene pilotarlo en agentes de investigación asistidos por búsqueda, comprobando por separado la navegación en inglés y chino porque los resultados reportados evolucionaron en direcciones opuestas.[2]

Fuentes

  1. [1] OpenRouter catalog · DeepSeek: DeepSeek V3.1 TerminusFuentes consultadas: 13 nov 2026
  2. [2] Model documentation · DeepSeek: DeepSeek V3.1 TerminusFuentes consultadas: 13 nov 2026

Sobre este modelo

La descripción siguiente es el texto original aportado por OpenRouter, en el idioma de la fuente.

DeepSeek-V3.1 Terminus is an update to [DeepSeek V3.1](/deepseek/deepseek-chat-v3.1) that maintains the model's original capabilities while addressing issues reported by users, including language consistency and agent capabilities, further optimizing the model's...

Especificaciones

ID del modelo
deepseek/deepseek-v3.1-terminus
Creador
deepseek
Añadido a OpenRouter
22.09.2025
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 $0.270 / salida $1
Corte de conocimiento
31.03.2025
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.

TareaNotaCapacidad declarada por la fuente
Calidad generalSin mediciónrazonamiento: opcional · parámetros: include_reasoning, reasoning
ProgramaciónBB — siguiente 30% de la cohorte—
AgentesCC — por debajo de la franja Bparámetros: structured_outputs, tool_choice, tools
EscrituraSin mediciónsalida: text
RazonamientoSin mediciónrazonamiento: opcional · parámetros: include_reasoning, reasoning
Análisis de documentosSin medición—
VisiónSin medición—
Generación de imágenesSin medición—
AudioSin medición—
VídeoSin medición—
EmbeddingsSin medición—

Evaluaciones

FuenteBenchmarkValorNotaDatos obtenidos
Artificial AnalysisCoding index43.5BB — siguiente 30% de la cohorte13.11.2026
Artificial AnalysisAgentic index6.8CC — por debajo de la franja B13.11.2026
Design Arenamodels · 3dtasa de victoria 56% · posición 811,123EloCC — por debajo de la franja B13.11.2026
Design Arenamodels · codecategoriestasa de victoria 56% · posición 761,166EloBB — siguiente 30% de la cohorte13.11.2026
Design Arenamodels · dataviztasa de victoria 53.4% · posición 741,166EloCC — por debajo de la franja B13.11.2026
Design Arenamodels · gamedevtasa de victoria 52.5% · posición 921,121EloCC — por debajo de la franja B13.11.2026
Design Arenamodels · svgtasa de victoria 50.1% · posición 791,057EloCC — por debajo de la franja B13.11.2026
Design Arenamodels · uicomponenttasa de victoria 59.5% · posición 711,173EloBB — siguiente 30% de la cohorte13.11.2026
Design Arenamodels · websitetasa de victoria 56.4% · posición 761,180EloBB — siguiente 30% de la cohorte13.11.2026
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.

ProveedorLongitud de contextoPrecio entrada /1MPrecio salida /1MLatencia p50 (30m, s)Rendimiento p50 (30m, tok/s)Disponibilidad (30m)
SiliconFlowfp8163,840$0.270$1——100%

Datos de proveedores obtenidos: 13.11.2026

Ningún artículo publicado identifica aún este modelo.