硅基流动发布实验性模型DeepSeek-V3.2-Exp，支持160K上下文长度，价格直降超50%。该模型基于V3.1-Terminus深度优化，引入DeepSeek稀疏注意力机制，显著提升长文本训练和推理效率。
DeepSeek发布实验模型V3.2-exp，采用创新稀疏注意力机制，显著降低长上下文操作的推理成本，使API成本减少一半。该模型为开发者提供更经济高效的AI解决方案。
DeepSeek发布实验模型V3.2-exp，采用创新的“稀疏注意力”机制显著降低长上下文推理成本。该模型已在Hugging Face和GitHub同步上线，核心是通过“闪电索引器”和注意力机制优化处理效率。这一突破性技术有望推动AI在长文本处理领域的发展。
DeepSeek悄然上线新版模型，疑似V3.2版本。虽然官方未明确型号，但Hugging Face平台出现对应命名空间，随后又显示404下架。V3系列此前已凭卓越性能和开源策略震动AI界，此次短暂亮相又神秘消失，更添悬念。
基于DeepSeek R1和V3模型的浏览器侧边栏AI工具，提供问答、创作、翻译等功能
在Kie.ai上集成DeepSeek R1和V3 API，提供安全且可扩展的AI解决方案。
deepseek
-
输入tokens/百万
输出tokens/百万
128k
上下文长度
baidu
$4
$16
$1.94
$7.92
prithivMLmods
Mintaka-Qwen3-1.6B-V3.1是一个高效的、专注于科学推理的模型，基于Qwen-1.6B构建，并在DeepSeek v3.1合成轨迹（10,000条记录）上进行训练。它针对随机事件模拟、逻辑问题分析和结构化科学推理进行了优化，在符号精度和轻量级部署之间取得了平衡。
QuixiAI
DeepSeek V3 0324的AWQ量化版本，由Eric Hartford和v2ray完成量化处理。该版本修复了使用float16时出现的溢出问题，优化了模型性能，支持在8张80GB GPU上以完整上下文长度运行。
DeepSeek V3的AWQ量化版本，优化了float16使用时的溢出问题，适合在8张80GB GPU上使用vLLM进行高效服务。
Transformers英语%20--%3e%3cdefs%3e%3cstyle%3e%20.st0%20{%20fill:%20%23061b40;%20}%20.st1%20{%20fill:%20%23306af1;%20}%20.st2%20{%20fill:%20%235ce5cf;%20}%20%3c/style%3e%3c/defs%3e%3cg%3e%3cpath%20class='st0'%20d='M55,10.5h9v3h-9v9h12V7.5h-12v3ZM64,19.5h-6v-3h6v3Z'/%3e%3cpolygon%20class='st0'%20points='69%2016.5%2078%2016.5%2078%2019.5%2069%2019.5%2069%2022.5%2081%2022.5%2081%2013.5%2072%2013.5%2072%2010.5%2081%2010.5%2081%207.5%2069%207.5%2069%2016.5'/%3e%3cpolygon%20class='st0'%20points='95%2010.5%2095%207.5%2083%207.5%2083%2022.5%2095%2022.5%2095%2019.5%2086%2019.5%2086%2016.5%2095%2016.5%2095%2013.5%2086%2013.5%2086%2010.5%2095%2010.5'/%3e%3cpath%20class='st0'%20d='M40,1.5v21h11.6l1.4-1.4v-7.6h0c0,0-1.4-1.5-1.4-1.5l1.4-1.4V2.9l-1.4-1.4h-11.6ZM50,19.5h-7v-6h7v6ZM50,10.5h-7v-6h7v6Z'/%3e%3c/g%3e%3cpath%20class='st1'%20d='M23.1,24L14.7,4.8l-4.9,11.2h3.8l-1.8,4H3.3L12.1,0H2C.9,0,0,.9,0,2v20c0,1.1.9,2,2,2h21.1Z'/%3e%3cpath%20class='st2'%20d='M34,0h-16.8l10.6,24h6.2c1.1,0,2-.9,2-2V2C36,.9,35.1,0,34,0ZM32.5,20h-4V4h4v16Z'/%3e%3c/svg%3e)
