DeepSeek: DeepSeek V3.1

DeepSeek V3.1 est un modèle textuel de DeepSeek, publié par le fournisseur le 21 août 2025. C'est un grand modèle de raisonnement hybride avec 671B de paramètres et 37B actifs, et il étend la base DeepSeek-V3 avec une conception à long contexte en deux phases. Sa date limite de connaissances est le 31 mars 2025. Le modèle appartient à la catégorie texte, il est donc destiné aux tâches linguistiques plutôt qu'au travail sur image ou audio.

Le modèle prend du texte en entrée et renvoie du texte en sortie. Il prend en charge les modes réflexion et non-réflexion, sélectionnés via des modèles de prompt, et le paramètre reasoning ainsi que include_reasoning vous permettent de contrôler et d'exposer ce comportement. La fenêtre de contexte est de 163 840 tokens, avec une sortie maximale de 32 768 tokens. Les paramètres pris en charge incluent 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 et tools.

Ces capacités indiquent quelques usages pratiques. Les documents longs tiennent confortablement dans la fenêtre de contexte, donc la synthèse, les questions-réponses sur de grandes entrées et l'analyse multi-documents sont des cas appropriés. L'appel d'outils et les sorties structurées conviennent aux agents, à l'appel de fonctions et aux pipelines qui nécessitent des réponses lisibles par machine. Le mode réflexion aide sur les tâches qui bénéficient d'une réflexion étape par étape, tandis que le mode non-réflexion maintient une latence et une sortie plus courtes pour la génération simple. Le paramètre seed prend en charge un échantillonnage reproductible, et logprobs prend en charge la classification ou les vérifications de confiance.

Vous appelez le modèle via l'API compatible OpenAI d'api14 en utilisant l'identifiant de modèle "deepseek/deepseek-chat-v3.1". Comme l'interface suit la forme des complétions de chat OpenAI, vous envoyez un tableau messages et définissez le champ model sur cet identifiant. Les paramètres de requête listés ci-dessus sont pris en charge, vous pouvez donc passer 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 et include_reasoning selon vos besoins. Le tableau des prix en direct de la page couvre le coût.

Quelques limites méritent d'être notées. Les entrées et sorties sont uniquement du texte, donc les tâches d'image, d'audio ou de vidéo nécessitent un modèle différent. La date limite de connaissances du 31 mars 2025 signifie que les événements postérieurs sont en dehors de ses données d'entraînement. La sortie est plafonnée à 32 768 tokens, et le contexte total à 163 840 tokens, donc les très gros travaux nécessitent un découpage. Si vous n'avez pas besoin de raisonnement ou d'appel d'outils, un modèle textuel plus petit peut être plus simple et plus rapide.