DeepSeek: DeepSeek V3.1

DeepSeek V3.1 ist ein Textmodell von DeepSeek, das vom Anbieter am 21. August 2025 veröffentlicht wurde. Es ist ein großes hybrides Reasoning-Modell mit 671B Parametern und 37B aktiven Parametern und erweitert die DeepSeek-V3-Basis um ein zweiphasiges Long-Context-Design. Der Knowledge Cutoff liegt beim 31. März 2025. Das Modell gehört zur Textkategorie und ist daher auf Sprachaufgaben ausgerichtet, nicht auf Bild- oder Audioarbeit.

Das Modell nimmt Text entgegen und gibt Text zurück. Es unterstützt sowohl Thinking- als auch Non-Thinking-Modus, die über Prompt-Templates ausgewählt werden, und der Parameter reasoning sowie include_reasoning ermöglichen es Ihnen, dieses Verhalten zu steuern und sichtbar zu machen. Das Kontextfenster umfasst 163.840 Tokens, mit einer maximalen Ausgabe von 32.768 Tokens. Zu den unterstützten Parametern gehören temperature, top_p, top_k, min_p, frequency_penalty, presence_penalty, repetition_penalty, logit_bias, logprobs, top_logprobs, seed, stop, max_tokens, response_format, structured_outputs, tool_choice und tools.

Diese Fähigkeiten deuten auf einige praktische Einsatzmöglichkeiten hin. Lange Dokumente passen bequem in das Kontextfenster, sodass Zusammenfassungen, Frage-Antwort-Szenarien über große Eingaben und Multi-Dokument-Analysen gut geeignet sind. Tool Calling und strukturierte Ausgaben eignen sich für Agenten, Function Calling und Pipelines, die maschinenlesbare Antworten benötigen. Der Reasoning-Modus hilft bei Aufgaben, die von schrittweisem Denken profitieren, während der Non-Thinking-Modus Latenz und Ausgabe für einfache Generierung kürzer hält. Der Parameter seed unterstützt reproduzierbares Sampling, und logprobs unterstützen Klassifikation oder Konfidenzprüfungen.

Sie rufen das Modell über die OpenAI-kompatible API von api14 mit der Modell-ID "deepseek/deepseek-chat-v3.1" auf. Da die Schnittstelle der Form der OpenAI Chat Completions folgt, senden Sie ein messages-Array und setzen das Feld model auf diese ID. Die oben aufgeführten Anfrageparameter werden unterstützt, sodass Sie temperature, top_p, top_k, min_p, max_tokens, stop, seed, response_format, structured_outputs, tools, tool_choice, logit_bias, logprobs, top_logprobs, frequency_penalty, presence_penalty, repetition_penalty, reasoning und include_reasoning nach Bedarf übergeben können. Die Live-Preistabelle auf der Seite deckt die Kosten ab.

Einige Einschränkungen sind erwähnenswert. Eingaben und Ausgaben sind ausschließlich Text, sodass Bild-, Audio- oder Videoaufgaben ein anderes Modell erfordern. Der Knowledge Cutoff vom 31. März 2025 bedeutet, dass spätere Ereignisse außerhalb seiner Trainingsdaten liegen. Die Ausgabe ist auf 32.768 Tokens begrenzt und der Gesamtkontext auf 163.840 Tokens, sodass sehr große Aufgaben aufgeteilt werden müssen. Wenn Sie kein Reasoning oder Tool Calling benötigen, kann ein kleineres Textmodell einfacher und schneller sein.