你要的 AI 模型,这里都有
1 个 API,3 行代码,100+ 主流模型轻松调用
发现并使用最适合你的 AI 模型
deepseek-ai/DeepSeek-V4.1-Flash
DeepSeek-V4.1-Flash-1017 是 DeepSeek-V4.1-Flash 的升级版本,原生支持图像与文本理解,在推理、编程、智能体任务和视觉理解方面进一步提升,同时减少任务执行时间与输出长度,提高复杂任务的完成效率
deepseek-ai/DeepSeek-V4-Flash
DeepSeek-V4-Flash 是 DeepSeek-V4 系列中的 MoE 语言模型,总参数量 284B,激活参数量 13B,支持 1M tokens 超长上下文与最高 384K tokens 输出。模型采用混合注意力架构(Compressed Sparse Attention, CSA 与 Heavily Compressed Attention, HCA)并引入 Manifold-Constrained Hyper-Connections 与 DSpark 推测解码模块,以提升长上下文推理效率与整体性能。0731 版本为正式发布版本(public beta),仅对预览版进行 re-post-training,架构与参数规模保持不变,显著增强了智能体能力。在 DeepSeek 自测的 9 项 agentic / 编程基准上(包括 Terminal-Bench 2.1、DeepSWE、Toolathlon-Verified 等)分数均超过 V4-Pro Preview。模型原生支持 OpenAI Responses API 与 Codex 适配,reasoning_effort 参数支持 low / high / max 三档调节,适用于复杂 agent 工作流、长文本理解与代码任务
deepseek-ai/DeepSeek-V4-Pro
DeepSeek-V4-Pro 是 DeepSeek-V4 系列中的旗舰 MoE 语言模型,拥有 1.6T 总参数、49B 激活参数,原生支持 100 万 tokens 的超长上下文。该模型采用创新的混合注意力架构,结合压缩稀疏注意力(CSA)与高度压缩注意力(HCA),在 1M 上下文下仅需 DeepSeek-V3.2 的 27% 单 token 推理 FLOPs 和 10% KV 缓存。模型还引入流形约束超连接(mHC)增强层间信号传播稳定性,并采用 Muon 优化器加速收敛。DeepSeek-V4-Pro 在超过 32T 高质量多样化 tokens 上预训练,后训练采用“领域专家独立培养 + 在线策略蒸馏统一整合”的两阶段范式。其最大推理强度模式 DeepSeek-V4-Pro-Max 在编程基准上取得顶尖表现,并在推理与 Agentic 任务上大幅缩小与领先闭源模型的差距,是目前最强的开源模型之一,支持 Non-think、Think High、Think Max 三种推理强度模式
deepseek-ai/DeepSeek-V3.2
DeepSeek-V3.2 是一款兼具高计算效率与卓越推理和 Agent 性能的模型。其方法建立在三大关键技术突破之上:DeepSeek 稀疏注意力(DSA),一种高效的注意力机制,在保持模型性能的同时显著降低了计算复杂性,并特别针对长上下文场景进行了优化;可扩展的强化学习框架,通过该框架,模型性能可与 GPT-5 相媲美,其高算力版本在推理能力上可与 Gemini-3.0-Pro 匹敌;以及大规模 Agent 任务合成管线,旨在将推理能力整合到工具使用场景中,从而提高在复杂交互环境中的指令遵循和泛化能力。该模型在 2025 年国际数学奥林匹克(IMO)和国际信息学奥林匹克(IOI)中取得了金牌表现
Pro/deepseek-ai/DeepSeek-V3.2
DeepSeek-V3.2 是一款兼具高计算效率与卓越推理和 Agent 性能的模型。其方法建立在三大关键技术突破之上:DeepSeek 稀疏注意力(DSA),一种高效的注意力机制,在保持模型性能的同时显著降低了计算复杂性,并特别针对长上下文场景进行了优化;可扩展的强化学习框架,通过该框架,模型性能可与 GPT-5 相媲美,其高算力版本在推理能力上可与 Gemini-3.0-Pro 匹敌;以及大规模 Agent 任务合成管线,旨在将推理能力整合到工具使用场景中,从而提高在复杂交互环境中的指令遵循和泛化能力。该模型在 2025 年国际数学奥林匹克(IMO)和国际信息学奥林匹克(IOI)中取得了金牌表现
deepseek-ai/DeepSeek-V3.1-Terminus
DeepSeek-V3.1-Terminus 是由深度求索(DeepSeek)发布的 V3.1 模型的更新版本,定位为混合智能体大语言模型。此次更新在保持模型原有能力的基础上,专注于修复用户反馈的问题并提升稳定性。它显著改善了语言一致性,减少了中英文混用和异常字符的出现。模型集成了“思考模式”(Thinking Mode)和“非思考模式”(Non-thinking Mode),用户可通过聊天模板灵活切换以适应不同任务。作为一个重要的优化,V3.1-Terminus 增强了代码智能体(Code Agent)和搜索智能体(Search Agent)的性能,使其在工具调用和执行多步复杂任务方面更加可靠
Pro/deepseek-ai/DeepSeek-V3.1-Terminus
DeepSeek-V3.1-Terminus 是由深度求索(DeepSeek)发布的 V3.1 模型的更新版本,定位为混合智能体大语言模型。此次更新在保持模型原有能力的基础上,专注于修复用户反馈的问题并提升稳定性。它显著改善了语言一致性,减少了中英文混用和异常字符的出现。模型集成了“思考模式”(Thinking Mode)和“非思考模式”(Non-thinking Mode),用户可通过聊天模板灵活切换以适应不同任务。作为一个重要的优化,V3.1-Terminus 增强了代码智能体(Code Agent)和搜索智能体(Search Agent)的性能,使其在工具调用和执行多步复杂任务方面更加可靠
deepseek-ai/DeepSeek-R1
DeepSeek-R1-0528 是一款强化学习(RL)驱动的推理模型,解决了模型中的重复性和可读性问题。在 RL 之前,DeepSeek-R1 引入了冷启动数据,进一步优化了推理性能。它在数学、代码和推理任务中与 OpenAI-o1 表现相当,并且通过精心设计的训练方法,提升了整体效果。
Pro/deepseek-ai/DeepSeek-R1
DeepSeek-R1-0528 是一款强化学习(RL)驱动的推理模型,解决了模型中的重复性和可读性问题。在 RL 之前,DeepSeek-R1 引入了冷启动数据,进一步优化了推理性能。它在数学、代码和推理任务中与 OpenAI-o1 表现相当,并且通过精心设计的训练方法,提升了整体效果。
deepseek-ai/DeepSeek-V3
新版 DeepSeek-V3 (DeepSeek-V3-0324)与之前的 DeepSeek-V3-1226 使用同样的 base 模型,仅改进了后训练方法。新版 V3 模型借鉴 DeepSeek-R1 模型训练过程中所使用的强化学习技术,大幅提高了在推理类任务上的表现水平,在数学、代码类相关评测集上取得了超过 GPT-4.5 的得分成绩。此外该模型在工具调用、角色扮演、问答闲聊等方面也得到了一定幅度的能力提升。
Pro/deepseek-ai/DeepSeek-V3
新版 DeepSeek-V3 (DeepSeek-V3-0324)与之前的 DeepSeek-V3-1226 使用同样的 base 模型,仅改进了后训练方法。新版 V3 模型借鉴 DeepSeek-R1 模型训练过程中所使用的强化学习技术,大幅提高了在推理类任务上的表现水平,在数学、代码类相关评测集上取得了超过 GPT-4.5 的得分成绩。此外该模型在工具调用、角色扮演、问答闲聊等方面也得到了一定幅度的能力提升。
deepseek-ai/DeepSeek-OCR
DeepSeek-OCR 是由深度求索(DeepSeek AI)推出的一个视觉语言模型,专注于光学字符识别(OCR)与“上下文光学压缩”。该模型旨在探索从图像中压缩上下文信息的边界,能够高效处理文档并将其转换为如 Markdown 等结构化文本格式
deepseek-ai/DeepSeek-R1-0528-Qwen3-8B
DeepSeek-R1-0528-Qwen3-8B 是通过从 DeepSeek-R1-0528 模型蒸馏思维链到 Qwen3 8B Base 获得的模型。该模型在开源模型中达到了最先进(SOTA)的性能,在 AIME 2024 测试中超越了 Qwen3 8B 10%,并达到了 Qwen3-235B-thinking 的性能水平。该模型在数学推理、编程和通用逻辑等多个基准测试中表现出色,其架构与 Qwen3-8B 相同,但共享 DeepSeek-R1-0528 的分词器配置
按系列探索,快速找到你需要的模型
DeepSeek-ai
由深度求索团队打造的面向高强度推理与复杂应用的通用大模型系列。强调数学、代码与复杂问题求解能力,在长链路推理、工具调用与专业任务上表现突出,适用于科研、开发、智能体等高要求场景的大模型。
Qwen
通义大模型体系,提供全尺寸、全模态、多场景的通义系列大模型,适配千行百业落地 AI 大模型。
智谱
GLM 通用大模型系列。在中文理解与生成、跨语言对话与知识问答中能力突出,并在结构化输出、工具调用与代码生成等任务上具备良好泛化能力,适用内容生产、企业知识检索与办公自动化等多类应用场景。
Kimi

由 Moonshot AI 打造的通用大模型体系。聚焦长上下文理解与高质量推理能力,覆盖文本、多模态、复杂推理等多维度,在信息检索、复杂问答与知识整合等场景中表现突出,适用于智能助手、知识工作流等多样化需求。