模型广场

DeepSeek R1 是 DeepSeek 的推理型模型，常被提到的特点是开放推理过程，以及在数学、逻辑和代码任务上的表现。它与 V3 一代共享大规模 MoE 的基础能力，但训练和产品定位更偏向深度推理，而不是普通对话。适合需要拆解、验证和逐步求解的复杂问题。

DeepSeek V3 是 V3 系列的通用 MoE 基座模型，常见官方资料描述为 671B 总参数、37B 激活参数。技术报告强调 MLA、DeepSeekMoE、高效训练，以及较强的通用语言和代码能力。在模型列表中，它更适合作为 DeepSeek 的通用对话与代码基线模型，而不是单纯的深度推理专用模型。

DeepSeek V3.1 Terminus 是 DeepSeek 对 V3.1 系列的官方升级版本，重点在语言一致性和更稳定的 Agent 行为。官方发布说明中特别提到 Code Agent 和 Search Agent 能力改进，因此它更适合需要推理、工具调用和检索结合的工作流。它不是彻底改变 V3.1 的模型定位，而是让原有能力在实际 Agent 场景中更稳定、更可靠。

DeepSeek V3.2 通常被介绍为基于 V3.1 系列升级的高效推理与工具调用模型。这里的 Think 可以理解为偏推理的模式，更适合多步骤解题、结构化规划，以及需要中间思考过程的 Agent 任务。相关来源强调稀疏注意力和长上下文效率，因此它的定位不是短回复，而是复杂工作流和需要推理链条的任务。

DeepSeek V4 Flash 保留了 V4 系列的 1M token 长上下文能力，但采用更轻量的 MoE 配置，常见模型卡描述为 284B 总参数、13B 激活参数。它的重点不是最大推理深度，而是更快推理、更低调用成本和更适合生产环境的吞吐量。对于高频请求、批量处理和长上下文但不一定需要最高推理强度的任务，Flash 会比 Pro 更合适。

DeepSeek V4 Flash Vision Exp 是 DeepSeek V4 Flash 0731 的实验性视觉增强版本，在保持基础模型文本性能（包括智能体能力、推理和世界知识）的同时，引入图像理解功能。它基于稀疏混合专家（MoE）架构，总参数为284B，激活参数为13B。

DeepSeek V4 Pro 被描述为大规模 MoE 模型，拥有 1.6T 总参数与 49B 激活参数，并支持 1M token 上下文窗口，适合处理超长输入。官方和三方模型卡更强调它在高级推理、代码任务和长周期 Agent 工作流中的能力，而不是普通聊天。相比 V4 Flash，Pro 更偏能力上限，适合大型代码库分析、复杂研究资料综合、多步骤自动化等需要深度推理的任务。

DeepSeek-V4.1-Flash 是一款快速高效的多模态 AI 模型，具备先进的推理、编码和智能体能力。支持高达 100 万 tokens 上下文和原生视觉理解，以更低的推理成本提供前沿级智能，非常适合 AI 智能体、自动化、编码助手和可扩展应用。