DeepSeek: DeepSeek V3.1

DeepSeek V3.1 is een tekstmodel van DeepSeek, uitgebracht door de provider op 21 augustus 2025. Het is een groot hybride redeneermodel met 671B parameters en 37B actief, en het breidt de DeepSeek-V3-basis uit met een tweefasig long-context-ontwerp. De kennisafsluitdatum is 31 maart 2025. Het model valt in de tekstcategorie, dus het is gericht op taaltaken en niet op beeld- of audiowerk.

Het model neemt tekst als invoer en geeft tekst als uitvoer. Het ondersteunt zowel denk- als niet-denkmodi, geselecteerd via prompttemplates, en de reasoning-parameter plus include_reasoning laten je dat gedrag sturen en zichtbaar maken. Het contextvenster is 163.840 tokens, met een maximale uitvoer van 32.768 tokens. Ondersteunde parameters zijn onder andere 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 en tools.

Die mogelijkheden wijzen op een paar praktische toepassingen. Lange documenten passen comfortabel binnen het contextvenster, dus samenvatten, vraagbeantwoording over grote invoeren en multi-documentanalyse zijn redelijke toepassingen. Tool calling en structured outputs passen bij agents, function calling en pipelines die machineleesbare antwoorden nodig hebben. De redeneermodus helpt bij taken die baat hebben bij stapsgewijs denken, terwijl de niet-denkmodus de latentie en uitvoer korter houdt voor eenvoudige generatie. De seed-parameter ondersteunt reproduceerbare sampling, en logprobs ondersteunen classificatie of betrouwbaarheidscontroles.

Je roept het model aan via de OpenAI-compatibele API van api14 met het model-id "deepseek/deepseek-chat-v3.1". Omdat de interface de vorm van OpenAI chat completions volgt, stuur je een messages-array en zet je het model-veld op dat id. De hierboven genoemde aanvraagparameters worden ondersteund, dus je kunt 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 en include_reasoning doorgeven zoals nodig. De live prijstabel op de pagina dekt de kosten.

Een paar limieten zijn het vermelden waard. Invoer en uitvoer zijn alleen tekst, dus beeld-, audio- of videotaken hebben een ander model nodig. De kennisafsluitdatum van 31 maart 2025 betekent dat latere gebeurtenissen buiten de trainingsdata vallen. De uitvoer is beperkt tot 32.768 tokens, en de totale context tot 163.840 tokens, dus zeer grote opdrachten moeten worden opgedeeld. Als je geen redenering of tool calling nodig hebt, kan een kleiner tekstmodel eenvoudiger en sneller zijn.