DeepSeek: DeepSeek V3.1

DeepSeek V3.1 è un modello testuale di DeepSeek, rilasciato dal provider il 21 agosto 2025. È un grande modello di ragionamento ibrido con 671B parametri e 37B attivi, ed estende la base DeepSeek-V3 con un design a due fasi per il contesto lungo. Il suo knowledge cutoff è il 31 marzo 2025. Il modello appartiene alla categoria testo, quindi è pensato per attività linguistiche e non per immagini o audio.

Il modello riceve testo e restituisce testo. Supporta sia la modalità thinking sia quella non-thinking, selezionate tramite prompt template, e il parametro reasoning insieme a include_reasoning consente di controllare e mostrare questo comportamento. La finestra di contesto è di 163.840 token, con un output massimo di 32.768 token. I parametri supportati includono 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 e tools.

Queste capacità indicano alcuni usi pratici. I documenti lunghi rientrano comodamente nella finestra di contesto, quindi riassunto, question answering su input di grandi dimensioni e analisi multi-documento sono applicazioni ragionevoli. Il tool calling e gli structured outputs sono adatti ad agenti, function calling e pipeline che richiedono risposte leggibili dalla macchina. La modalità reasoning aiuta nei compiti che traggono vantaggio da un ragionamento passo dopo passo, mentre la modalità non-thinking mantiene latenza e output più brevi per la generazione semplice. Il parametro seed supporta un campionamento riproducibile, e logprobs supporta la classificazione o i controlli di confidenza.

Il modello si chiama tramite l'API compatibile con OpenAI di api14 usando il model id "deepseek/deepseek-chat-v3.1". Poiché l'interfaccia segue la forma delle chat completions di OpenAI, si invia un array messages e si imposta il campo model su quell'id. I parametri di richiesta elencati sopra sono supportati, quindi è possibile passare 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 e include_reasoning secondo necessità. La tabella dei prezzi live della pagina copre i costi.

Vale la pena notare alcuni limiti. Input e output sono solo testo, quindi le attività su immagini, audio o video richiedono un modello diverso. Il knowledge cutoff del 31 marzo 2025 significa che gli eventi successivi sono al di fuori dei suoi dati di addestramento. L'output è limitato a 32.768 token e il contesto totale a 163.840 token, quindi i lavori molto grandi richiedono il chunking. Se non servono reasoning o tool calling, un modello testuale più piccolo può essere più semplice e veloce.