Română · beta. Traducerea a fost făcută automat și este încă în curs de revizuire. Citește pagina în engleză

DeepSeek · pașaport de model

DeepSeek: DeepSeek V4 Pro 0813

deepseek-v4-pro

Ponderi deschise
Licență MIT
1.65T parametri
1,048,576 context
Lansat 2026-08-13(din numele modelului)

General · LMArena: 1,465#49 din 396
Cea mai bună percentilă: 88.9Urmarea instrucțiunilor
Poziția în cohortă: 72.0mediană 59.8

Ce spun datele

Evaluat pe 13 din 27 axe urmărite. Fiecare cifră de mai jos este rezultatul publicat al modelului pe acel clasament.

Cele mai puternice axe

88.9 pct — Urmarea instrucțiunilor (1,461)
87.9 pct — General (1,465)
86.6 pct — Prompturi dificile (1,483)

Neuniform: 43,4 puncte de percentilă între cea mai bună și cea mai slabă axă a sa — 88.9 pct pe Urmarea instrucțiunilor față de 45.5 pct pe Agent Arena.

Urmarea instrucțiunilor88.9 pct1,461Verifică →
General87.9 pct1,465Verifică →
Prompturi dificile86.6 pct1,483Verifică →
GPQA Diamond86.4 pct90.9%Verifică →
LiveBench85.9 pct71.6%Verifică →
Programare84.7 pct1,505Verifică →
SWE-bench Verified84.4 pct77.6%Verifică →
AIME (matematică)83.5 pct96.7%Verifică →
WebDev Arena79.1 pct1,582Verifică →
Factuality Arena70.9 pct1,455Verifică →
Halucinații HHEM (Vectara)59 pct91.4%Verifică →
SimpleQA Verified58.5 pct47.0%Verifică →
Agent Arena45.5 pct0.004Verifică →
Vision ArenaNeevaluat
Search ArenaNeevaluat
Document ArenaNeevaluat
FrontierMathNeevaluat
ARC-AGI-2Neevaluat
Humanity's Last ExamNeevaluat
SimpleBenchNeevaluat
BFCL v4 (apelare de funcții)Neevaluat
SWE-bench Verified (clasament live)Neevaluat
Terminal-Bench 4.0Neevaluat
MMLU-Pro (Artificial Analysis)Neevaluat
LiveCodeBench (Artificial Analysis)Neevaluat
IFBench (Artificial Analysis)Neevaluat
Terminal-BenchNeevaluat

Percentilele reprezintă poziția modelului în populația proprie a fiecărui clasament. Axele marcate „neevaluat” nu au niciun rezultat publicat pentru acest model — este o absență a datelor, nu un scor mic.

Cum îl rulezi

Rulează-l singur

Repositorydeepseek-ai/DeepSeek-V4-Pro-0813

Parametri1.65T

ArhitecturăDeepseekV4ForCausalLM

LicențăMIT

Transformers

from transformers import AutoModelForCausalLM, AutoTokenizer

model_id = "deepseek-ai/DeepSeek-V4-Pro-0813"
tokenizer = AutoTokenizer.from_pretrained(model_id)
model = AutoModelForCausalLM.from_pretrained(model_id)

Ollama

Nu sincronizăm tag-urile Ollama, așa că nu afișăm o comandă pe care nu o putem verifica — una greșită ar descărca modelul greșit. Caută în biblioteca Ollama →

Rețetele de fine-tuning Unsloth sunt specifice fiecărui model și nu le derivăm aici. Documentația Unsloth →

Folosește-l găzduit

ID de model APIdeepseek/deepseek-v4-pro-0813

Lungime context1,048,576 tokeni

Ieșire maximă384,000 tokeni

Preț intrare$0.66 per 1M tokeni

Preț intrare din cache$0.02 per 1M tokeni

Preț ieșire$1.98 per 1M tokeni

Parametri API acceptați de acest endpoint

Frequency penaltyInclude reasoningLogit biasLogprobsMax tokensMin-pPresence penaltyReasoningReasoning effortRepetition penaltyResponse formatSeedStop sequencesStructured outputsTemperatureTool choiceTool callingTop-kTop logprobsTop-p

Exemplu de cerere

curl https://openrouter.ai/api/v1/chat/completions \
  -H "Authorization: Bearer $OPENROUTER_API_KEY" \
  -H "Content-Type: application/json" \
  -d '{"model":"deepseek/deepseek-v4-pro-0813","messages":[{"role":"user","content":"Hello"}]}'

Vezi pe OpenRouter →

Identificatorii, limitele și prețurile sunt sincronizate din sursa upstream afișată mai sus. Orice câmp nesincronizat este omis complet, nu ghicit.

deepseek-v4-pro-high-20260813 stands at 72 (raw mean 77) — measured on 13 of 27 axes.
pozițieșablonVerifică →
deepseek-v4-pro-high-20260813 stands at 72 versus a cohort median of 59.8 across 188 models released within 180 days — above the peer median.
cohortășablonVerifică →

Fiecare afirmație este un fapt calculat din datele actuale ale clasamentului, formulat de un apel de model la temperatură scăzută și respins de o poartă de validare dacă vreun număr nu se află în rândul sursă. Cum funcționează clasamentele →