SprachmodellAktiv

DeepSeek-V3.1

DeepSeek

Veröffentlicht: 21. August 2025
Datenstand: 8. September 2026
Vorgängermodell: DeepSeek-V3 0324
Nachfolgermodell: DeepSeek-V3.1 Terminus

Preis: 0,27 $ · 1 $
Eingabe · Ausgabe / 1 Mio. Token
Eingabe: Text
Ausgabe: Text

Neu an DeepSeek-V3.1 sind getrennte Denk- und Nicht-Denkmodi. Der Checkpoint bleibt ein MoE-Modell mit 671 Milliarden Gesamtparametern, 37 Milliarden aktiven Parametern und 128.000 Token Kontext.

V3.1 folgt auf DeepSeek-V3 0324 und wird durch DeepSeek-V3.1 Terminus stabilisiert. In der API stehen deepseek-chat und deepseek-reasoner für getrennte Nutzungsmodi, obwohl die Gewichte zu einem Checkpoint gehören.

Technische Daten und Zugang

Angabe	Wert und Quelle
Gewichte	Open WeightsQuelle
Zugang	API, LokalQuelle
Parameter	671 Mrd.Quelle
Aktive Parameter	37 Mrd.Quelle
Kontextfenster	128.000 TokenQuelle
Lizenz	MITQuelle
Parameter	671 Mrd.Quelle
Aktive Parameter	37 Mrd.Quelle
Architektur	MoE hybrid thinking/non-thinkingQuelle
Eingabe	TextQuelle
Ausgabe	TextQuelle
Reasoning-Modus	thinking, non-thinkingQuelle
Werkzeugaufrufe	JaQuelle
Trainings-Token	630B pre-training plus 209B continued training (Token counts describe extension/continued-training data, not a full pretraining corpus)Quelle

Veröffentlichte Benchmarks

CorpFin v2

Overall

1.Claude Opus 573,19 %

2.Claude Fable 571,83 %

3.Kimi K371,56 %

4.Inkling Small69,62 %

5.Inkling68,57 %

6.Grok 4.368,53 %

7.GPT-5.568,42 %

8.Kimi K2.568,26 %

9.MiniMax M368,1 %

10.Grok 4.567,41 %

11.Claude Sonnet 566,98 %

12.Kimi K2.666,74 %

13.Claude Opus 4.866,71 %

14.Gemini 3 Flash Preview66,43 %

15.Grok 4.666,16 %

16.GLM-5.266,12 %

17.Claude Opus 4.766,08 %

18.Qwen 3.8 Max 090265,85 %

19.Nemotron 3 Ultra65,46 %

20.Claude Sonnet 4.665,31 %

20.GPT-5.6 Terra65,31 %

22.GPT-5.465,27 %

23.Gemini 3.5 Flash64,69 %

24.Gemini 3.1 Pro Preview64,49 %

25.GLM-5.164,45 %

26.GPT-5.6 Sol64,38 %

27.GPT-5.6 Luna64,22 %

28.Qwen 3.7 Max63,71 %

29.Grok 4.20 Reasoning63,68 %

30.Gemini 3.6 Flash63,33 %

31.GPT-4.163,05 %

32.GLM-562,9 %

33.Qwen 3.6 27B62,32 %

34.Ling 3.0 Flash61,93 %

35.MiMo-V2.5-Pro61,42 %

36.DeepSeek-V4-Pro61,38 %

37.Claude Opus 4.561,31 %

38.GPT-5.4 nano61,19 %

38.MiniMax M2.761,19 %

40.GPT-561,07 %

41.Mistral Large 361,03 %

42.GLM-4.560,96 %

43.GPT-5.4 mini60,92 %

44.Claude Sonnet 4.560,8 %

44.Gemini 2.5 Pro60,8 %

46.Gemini 3.5 Flash-Lite60,68 %

47.Kimi K2 Thinking60,57 %

48.Claude Haiku 4.560,3 %

49.GPT-5 mini60,18 %

50.MiMo-V2.559,91 %

51.o359,71 %

52.MiniMax M2.559,6 %

53.Gemini 3.1 Flash-Lite59,36 %

54.o4-mini58,97 %

55.MiniMax M2.158,9 %

56.Mistral Medium 3.558,78 %

57.GPT OSS 120B58,24 %

58.GPT-4.1 mini57,93 %

59.GLM-4.656,84 %

60.DeepSeek-V3 032454,74 %

61.Trinity Large Thinking54,66 %

62.Nemotron 3.5 Lightning54,24 %

63.DeepSeek-R154,12 %

64.GPT OSS 20B53,15 %

65.DeepSeek-V352,49 %

66.DeepSeek-V3.151,48 %

67.Kimi K2 071150,39 %

68.DeepSeek-V3.247,94 %

69.Llama 4 Scout46,78 %

70.GLM-4.746,39 %

71.Command A45,96 %

72.GPT-4o mini45,46 %

73.o3-mini45,3 %

74.Mistral Small 3.144,17 %

75.GPT-4.1 nano42,08 %

höhere Werte sind besserStand 29. September 2026Skala: 0 % - 100 %

Quelle: Vals AI

CC BY 4.0

gradually.ai

Methodik und Einordnung

Vergleichskohorte: vals-corp-fin-v2:2:overall
Messgröße: accuracy
Skala: 0-100
Teilnehmer: 75
Methodik und Einordnung: Kennung des Quellmodells: fireworks/deepseek-v3p1. Name des Quellmodells: DeepSeek-V3.1. Evaluator: Vals AI. Datensatztyp: private. Stand der Rangliste: 2026-08-12. Latenz in Sekunden: 62.999. Kosten je Aufgabe in USD: 0.037369. Quellenkennung: vals-ai. Kennung der Evidenzaufnahme: vals-corp_fin_v2-2026-09-29-83186cfafe52. Prüfsumme der Quelldaten: 83186cfafe526f0b8fe2ae86af05e8209fe799c8bfa48292ef1fef5db66650ee. Parserversion: vals-astro-v2. Importiert am: 2026-09-29

Quelle: Vals AI

Agentenaufgaben

Agent Poker Bench

Overall

1.GPT-51.103,18 Bewertung

2.Gemini 3 Flash Preview1.100,21 Bewertung

3.DeepSeek-V3.11.058,23 Bewertung

4.Claude Sonnet 4.51.055,5 Bewertung

5.Claude Opus 4.51.033,38 Bewertung

6.Gemini 2.5 Pro1.032,6 Bewertung

7.GPT OSS 120B1.015,33 Bewertung

8.Kimi K2 Thinking1.011,63 Bewertung

9.GLM-4.6945,76 Bewertung

höhere Werte sind besserStand 29. September 2026Skala: 0 Bewertung - 1.103,18 Bewertung

Quelle: Vals AI

CC BY 4.0

gradually.ai

Methodik und Einordnung

Vergleichskohorte: vals-poker-agent:1:overall
Messgröße: TrueSkill rating
Skala: Keine obere Grenze dokumentiert. Die Darstellung umfasst die erfassten Werte und den Nullpunkt.
Teilnehmer: 9
Methodik und Einordnung: Kennung des Quellmodells: fireworks/deepseek-v3p1. Name des Quellmodells: DeepSeek-V3.1. Evaluator: Vals AI. Datensatztyp: private. Stand der Rangliste: 2025-12-23. Latenz in Sekunden: 3.9977358921550272. Standardfehler: 0. Kosten je Aufgabe in USD: 0.007085498012100262. Quellenkennung: vals-ai. Kennung der Evidenzaufnahme: vals-poker_agent-2026-09-29-f29b75137483. Prüfsumme der Quelldaten: f29b751374830275dd1fba4c8a4f029b69433858ae99420aa90befe3093d0096. Parserversion: vals-astro-v2. Importiert am: 2026-09-29

Quelle: Vals AI

Terminal-Bench 2.0

Overall

1.GPT-5.573,2 %

2.Claude Opus 4.870,04 %

3.Claude Opus 4.768,54 %

4.Gemini 3.1 Pro Preview67,42 %

4.Gemini 3.5 Flash67,42 %

6.GPT-5.3-Codex64,05 %

7.Claude Sonnet 4.659,55 %

8.Qwen 3.7 Max59,18 %

9.Claude Opus 4.558,43 %

9.GPT-5.458,43 %

11.Kimi K2.657,3 %

12.DeepSeek-V4-Pro56,18 %

13.GLM-5.153,93 %

14.Gemini 3 Flash Preview51,69 %

15.GLM-549,44 %

16.MiniMax M2.747,19 %

17.MiniMax M346,07 %

18.GPT-5.4 mini44,94 %

18.Qwen 3.6 27B44,94 %

20.Grok 4.343,45 %

21.MiniMax M2.541,57 %

22.Grok 4.20 Reasoning40,45 %

22.Kimi K2.540,45 %

24.GPT-5.4 nano39,89 %

25.Gemma 4 31B39,33 %

26.GLM-4.738,2 %

27.GPT-537,08 %

27.Kimi K2 Thinking37,08 %

27.MiniMax M2.137,08 %

30.DeepSeek-V3.234,83 %

31.Gemini 2.5 Pro30,34 %

31.Mistral Medium 3.530,34 %

33.GLM-4.628,09 %

34.GPT-5 mini26,97 %

35.Kimi K2 071125,84 %

36.Gemini 3.1 Flash-Lite24,72 %

37.DeepSeek-V3.122,47 %

38.GPT OSS 120B19,1 %

39.Trinity Large Thinking17,98 %

40.Mistral Small 416,85 %

41.GPT-4.114,61 %

42.Mistral Large 38,99 %

43.Command A2,25 %

höhere Werte sind besserStand 29. September 2026Skala: 0 % - 100 %

Quelle: Vals AI

CC BY 4.0

gradually.ai

Methodik und Einordnung

Vergleichskohorte: vals-terminal-bench-2:2.0:overall
Messgröße: accuracy
Skala: 0-100
Teilnehmer: 43
Methodik und Einordnung: Kennung des Quellmodells: fireworks/deepseek-v3p1. Name des Quellmodells: DeepSeek-V3.1. Evaluator: Vals AI. Datensatztyp: public. Stand der Rangliste: 2026-06-04. Latenz in Sekunden: 837.847. Kosten je Aufgabe in USD: 0.501536. Quellenkennung: vals-ai. Kennung der Evidenzaufnahme: vals-terminal-bench-2-2026-09-29-020c4135b825. Prüfsumme der Quelldaten: 020c4135b82502d8cc0324b9b7d9474024a86da8f4770c78743bd13103cdfa0c. Parserversion: vals-astro-v2. Importiert am: 2026-09-29

Quelle: Vals AI

Messungen ohne passende Vergleichswerte

Für diese Messungen fehlen passende Vergleichswerte unter gleichen Testbedingungen. Die Originalwerte und Quellen bleiben hier nachlesbar.

CaseLaw v2: Overall (Messwert, Testbedingungen und Quelle anzeigen)

Originalwert: 53.912
Bewertung: 53.912
Messgröße: accuracy
Einheit: %
Benchmark-Version: 2
Kategorie: legal
Aufgabe: overall
Aufgabenbezeichnung: Overall
Richtung: Mehr ist besser
Vergleichskohorte: vals-case-law-v2:2:overall
Quellentyp: independent-evaluator
Auswertung: Vals AI
Status: active
Abrufdatum: 2026-09-29
Methodik: Kennung des Quellmodells: fireworks/deepseek-v3p1. Name des Quellmodells: DeepSeek-V3.1. Evaluator: Vals AI. Datensatztyp: private. Stand der Rangliste: 2026-05-04. Latenz in Sekunden: 40.682. Kosten je Aufgabe in USD: 0.016723. Quellenkennung: vals-ai. Kennung der Evidenzaufnahme: vals-case_law_v2-2026-09-29-cd282b756eb4. Prüfsumme der Quelldaten: cd282b756eb41a617c01694c5ed3b3d1872a9f417d8aac675370f4943c6c7c63. Parserversion: vals-astro-v2. Importiert am: 2026-09-29
Einordnung: Der Benchmark ist im Quelldatensatz als archiviert markiert. Der Wert bleibt als historische Evidenz sichtbar und ist nicht mit einer aktiven Rangliste gleichzusetzen.

Quelle Vals AI

MMLU-Redux (Messwert, Testbedingungen und Quelle anzeigen)

Originalwert: 91.8
Bewertung: 91.8
Messgröße: percent
Einheit: %
Kategorie: reasoning
Richtung: Mehr ist besser
Quellentyp: vendor-reported
Auswertung: DeepSeek V3.1 model card
Status: active
Abrufdatum: 2026-09-08
Methodik: Vom Anbieter veröffentlichter Wert. table column V3.1; thinking/non-thinking and tool settings are distinct in source

Quelle DeepSeek V3.1 model card

MMLU-Pro (Messwert, Testbedingungen und Quelle anzeigen)

Originalwert: 83.7
Bewertung: 83.7
Messgröße: percent
Einheit: %
Kategorie: reasoning
Richtung: Mehr ist besser
Quellentyp: vendor-reported
Auswertung: DeepSeek V3.1 model card
Status: active
Abrufdatum: 2026-09-08
Methodik: Vom Anbieter veröffentlichter Wert. table column V3.1; thinking/non-thinking and tool settings are distinct in source

Quelle DeepSeek V3.1 model card

GPQA (Messwert, Testbedingungen und Quelle anzeigen)

Originalwert: 74.9
Bewertung: 74.9
Messgröße: percent
Einheit: %
Kategorie: reasoning
Richtung: Mehr ist besser
Quellentyp: vendor-reported
Auswertung: DeepSeek V3.1 model card
Status: active
Abrufdatum: 2026-09-08
Methodik: Vom Anbieter veröffentlichter Wert. table column V3.1; thinking/non-thinking and tool settings are distinct in source

Quelle DeepSeek V3.1 model card

LiveCodeBench (Messwert, Testbedingungen und Quelle anzeigen)

Originalwert: 56.4
Bewertung: 56.4
Messgröße: percent
Einheit: %
Kategorie: reasoning
Richtung: Mehr ist besser
Quellentyp: vendor-reported
Auswertung: DeepSeek V3.1 model card
Status: active
Abrufdatum: 2026-09-08
Methodik: Vom Anbieter veröffentlichter Wert. table column V3.1; thinking/non-thinking and tool settings are distinct in source

Quelle DeepSeek V3.1 model card

Aider-Polyglot (Messwert, Testbedingungen und Quelle anzeigen)

Originalwert: 68.4
Bewertung: 68.4
Messgröße: percent
Einheit: %
Kategorie: reasoning
Richtung: Mehr ist besser
Quellentyp: vendor-reported
Auswertung: DeepSeek V3.1 model card
Status: active
Abrufdatum: 2026-09-08
Methodik: Vom Anbieter veröffentlichter Wert. table column V3.1; thinking/non-thinking and tool settings are distinct in source

Quelle DeepSeek V3.1 model card

SWE Verified (Messwert, Testbedingungen und Quelle anzeigen)

Originalwert: 66
Bewertung: 66
Messgröße: percent
Einheit: %
Kategorie: reasoning
Richtung: Mehr ist besser
Quellentyp: vendor-reported
Auswertung: DeepSeek V3.1 model card
Status: active
Abrufdatum: 2026-09-08
Methodik: Vom Anbieter veröffentlichter Wert. table column V3.1; thinking/non-thinking and tool settings are distinct in source

Quelle DeepSeek V3.1 model card

SWE multilingual (Messwert, Testbedingungen und Quelle anzeigen)

Originalwert: 54.5
Bewertung: 54.5
Messgröße: percent
Einheit: %
Kategorie: reasoning
Richtung: Mehr ist besser
Quellentyp: vendor-reported
Auswertung: DeepSeek V3.1 model card
Status: active
Abrufdatum: 2026-09-08
Methodik: Vom Anbieter veröffentlichter Wert. table column V3.1; thinking/non-thinking and tool settings are distinct in source

Quelle DeepSeek V3.1 model card

Terminal-bench (Messwert, Testbedingungen und Quelle anzeigen)

Originalwert: 31.3
Bewertung: 31.3
Messgröße: percent
Einheit: %
Kategorie: reasoning
Richtung: Mehr ist besser
Quellentyp: vendor-reported
Auswertung: DeepSeek V3.1 model card
Status: active
Abrufdatum: 2026-09-08
Methodik: Vom Anbieter veröffentlichter Wert. table column V3.1; thinking/non-thinking and tool settings are distinct in source

Quelle DeepSeek V3.1 model card

Dokumentierte Messdetails

CorpFin v2: Overall (Messwert, Testbedingungen und Quelle anzeigen)

Originalwert: 51.476
Bewertung: 51.476
Messgröße: accuracy
Einheit: %
Benchmark-Version: 2
Kategorie: finance
Aufgabe: overall
Aufgabenbezeichnung: Overall
Richtung: Mehr ist besser
Vergleichskohorte: vals-corp-fin-v2:2:overall
Quellentyp: independent-evaluator
Auswertung: Vals AI
Status: active
Abrufdatum: 2026-09-29
Methodik: Kennung des Quellmodells: fireworks/deepseek-v3p1. Name des Quellmodells: DeepSeek-V3.1. Evaluator: Vals AI. Datensatztyp: private. Stand der Rangliste: 2026-08-12. Latenz in Sekunden: 62.999. Kosten je Aufgabe in USD: 0.037369. Quellenkennung: vals-ai. Kennung der Evidenzaufnahme: vals-corp_fin_v2-2026-09-29-83186cfafe52. Prüfsumme der Quelldaten: 83186cfafe526f0b8fe2ae86af05e8209fe799c8bfa48292ef1fef5db66650ee. Parserversion: vals-astro-v2. Importiert am: 2026-09-29

Quelle Vals AI

Agent Poker Bench: Overall (Messwert, Testbedingungen und Quelle anzeigen)

Originalwert: 1058.2325209691314
Bewertung: 1058.2325209691314
Messgröße: TrueSkill rating
Einheit: rating
Benchmark-Version: 1
Kategorie: agentic
Aufgabe: overall
Aufgabenbezeichnung: Overall
Richtung: Mehr ist besser
Vergleichskohorte: vals-poker-agent:1:overall
Quellentyp: independent-evaluator
Auswertung: Vals AI
Status: active
Abrufdatum: 2026-09-29
Methodik: Kennung des Quellmodells: fireworks/deepseek-v3p1. Name des Quellmodells: DeepSeek-V3.1. Evaluator: Vals AI. Datensatztyp: private. Stand der Rangliste: 2025-12-23. Latenz in Sekunden: 3.9977358921550272. Standardfehler: 0. Kosten je Aufgabe in USD: 0.007085498012100262. Quellenkennung: vals-ai. Kennung der Evidenzaufnahme: vals-poker_agent-2026-09-29-f29b75137483. Prüfsumme der Quelldaten: f29b751374830275dd1fba4c8a4f029b69433858ae99420aa90befe3093d0096. Parserversion: vals-astro-v2. Importiert am: 2026-09-29

Quelle Vals AI

Terminal-Bench 2.0: Overall (Messwert, Testbedingungen und Quelle anzeigen)

Originalwert: 22.472
Bewertung: 22.472
Messgröße: accuracy
Einheit: %
Benchmark-Version: 2.0
Kategorie: agentic
Aufgabe: overall
Aufgabenbezeichnung: Overall
Richtung: Mehr ist besser
Vergleichskohorte: vals-terminal-bench-2:2.0:overall
Quellentyp: independent-evaluator
Auswertung: Vals AI
Status: active
Abrufdatum: 2026-09-29
Methodik: Kennung des Quellmodells: fireworks/deepseek-v3p1. Name des Quellmodells: DeepSeek-V3.1. Evaluator: Vals AI. Datensatztyp: public. Stand der Rangliste: 2026-06-04. Latenz in Sekunden: 837.847. Kosten je Aufgabe in USD: 0.501536. Quellenkennung: vals-ai. Kennung der Evidenzaufnahme: vals-terminal-bench-2-2026-09-29-020c4135b825. Prüfsumme der Quelldaten: 020c4135b82502d8cc0324b9b7d9474024a86da8f4770c78743bd13103cdfa0c. Parserversion: vals-astro-v2. Importiert am: 2026-09-29

Quelle Vals AI

Seite 1 von 2

Vorgänger und Nachfolger

Quellen und Datenstand

Art	Nachweis und Datenstand
Preis	API-Basispreise ohne Cache- oder Batch-Rabatt. Höhere Kontextstufen und weitere Tarife stehen unter Kosten. Quelle: Preise · API-Preise
Eingabe	Dokumentierte Modalitäten. Abgerufen am 8. September 2026. Quelle: Modelldokumentation · DeepSeek V3.1 model card (abgerufen 8. September 2026) · DeepSeek-V3.1 model card · Redaktionelle Beschreibung geprüft am 2. Oktober 2026
Ausgabe	Dokumentierte Modalitäten. Abgerufen am 8. September 2026. Quelle: Modelldokumentation · DeepSeek V3.1 model card (abgerufen 8. September 2026) · DeepSeek-V3.1 model card · Redaktionelle Beschreibung geprüft am 2. Oktober 2026
Recherchestand	Recherchestand 8. September 2026. 2 Quellen-URLs geprüft. Das dokumentiert die geprüften Quellen, nicht sämtliche Veröffentlichungen zu diesem Modell.
Ungeklärt	release-date Originalwortlaut No exact release-date field in card.
In den geprüften Quellen nicht gefunden	knowledge-cutoff Originalwortlaut No cutoff stated.
Weitere Quelle	Modellmetadaten
Weitere Quelle	Kontextfenster-Daten · DeepSeek official website · Redaktionelle Beschreibung geprüft am 2. Oktober 2026
Weitere Quelle	Vals AI (abgerufen 29. September 2026)
Weitere Quelle	Vals AI (abgerufen 29. September 2026)
Weitere Quelle	Vals AI (abgerufen 29. September 2026)
Weitere Quelle	Vals AI (abgerufen 29. September 2026)
Weitere Quelle	Artificial Analysis (abgerufen 8. September 2026)
Weitere Quelle	DeepSeek-V3.1 announcement · Redaktionelle Beschreibung geprüft am 2. Oktober 2026
Weitere Quelle	OpenRouter: Beliebtheitsindex (abgeleitet), CC BY 4.0
Weitere Quelle	Vercel AI Gateway: Beliebtheitsindex (abgeleitet), CC BY 4.0
Weitere Quelle	Creative Commons Attribution 4.0
Weitere Quelle	DeepSeek API changelog (2026-09-22)
Weitere Quelle	DeepSeek-V3.1-Terminus model card (2026-09-09)

DeepSeek-V3.1

Technische Daten und Zugang

Veröffentlichte Benchmarks

CorpFin v2

Agentenaufgaben

Agent Poker Bench

Terminal-Bench 2.0

Messungen ohne passende Vergleichswerte

Dokumentierte Messdetails

Unsere Tests

Pelikan auf dem Fahrrad

Beliebtheit

Veröffentlichte Preise

Vorgänger und Nachfolger

Quellen und Datenstand