Este modelo está obsoleto. Continuamos medindo o desempenho apenas para a carga padrão de 10 mil tokens de entrada. Os resultados de outras cargas são históricos e não são mais atualizados.

DeepSeek lançou uma versão mais recente, DeepSeek V3.2. Sugerimos considerá-la como alternativa.

DeepSeek

•

DeepSeek V3.1 Terminus

•

Open weights model

•

Released setembro de 2025

Análise de inteligência, desempenho e preço do DeepSeek V3.1 Terminus (Non-reasoning)

Name: Inteligência
Creator: Artificial Analysis
License: https://artificialanalysis.ai/docs/legal/Terms-of-Use.pdf

Experimente Benchmarks de provedores de API

Inteligência

14*

Artificial Analysis Intelligence Index

* Estimado

Custo

Entrada US$ 0,27Saída US$ 1,00Desconto do cache 50%

N/D

Custo por tarefa do Intelligence Index

Verbosidade

N/D

Tokens de saída do Intelligence Index

DeepSeek V3.1 Terminus (Non-reasoning) está acima da média em inteligência e tem preço competitivo em comparação com outros modelos sem raciocínio, de pesos abertos e tamanho semelhante. O modelo aceita entrada em texto, gera saída em texto e tem uma janela de contexto de 128k tokens.

DeepSeek V3.1 Terminus (Non-reasoning) alcança 14 pontos no Artificial Analysis Intelligence Index, ficando acima da média entre os modelos comparáveis (mediana: 12).

O preço do DeepSeek V3.1 Terminus (Non-reasoning) é de $0.27 por 1M de tokens de entrada (preço competitivo, mediana: $0.47) e $1.00 por 1M de tokens de saída (preço moderado, mediana: $1.59).

Com 67 tokens por segundo, DeepSeek V3.1 Terminus (Non-reasoning) é mais rápido que a média (63).

Raciocínio	Não Esta página mostra a versão sem raciocínio deste modelo. Também pode existir uma variante com raciocínio.
Modalidade de entrada	Compatível com: texto
Modalidade de saída	Compatível com: texto
Janela de contexto	128k ~192 páginas A4 em fonte Arial tamanho 12
Parâmetros totais	685B
Parâmetros ativos	37B Número de parâmetros ativos por token durante a inferência
Licença	MIT
Pesos do modelo	Hugging Face

As métricas são comparadas com modelos da mesma classe:

Modelos sem raciocínio → comparados apenas com outros modelos sem raciocínio
Modelos de raciocínio → comparados com modelos com e sem raciocínio
Modelos de pesos abertos → comparados apenas com outros modelos de pesos abertos da mesma classe de tamanho:

Muito pequeno: ≤4B parâmetros
Pequeno: 4B–40B parâmetros
Médio: 40B–150B parâmetros
Grande: >150B parâmetros

Modelos proprietários → comparados com modelos proprietários e de pesos abertos da mesma faixa de preço, usando uma proporção combinada de 3:1 entre os preços de entrada e saída:

<$0.15 por 1M de tokens
$0.15–$1 por 1M de tokens
>$1 por 1M de tokens

Inteligência

Artificial Analysis Intelligence Index · Higher is better

Velocidade

Output tokens per second · Higher is better

Custo por tarefa

Weighted average cost (USD) per Intelligence Index task · Lower is better

Inteligência

Artificial Analysis Intelligence Index

Artificial Analysis Intelligence Index v4.3.2 incorporates 10 evaluations: AA-Briefcase v1.1, GDPval-AA v2.1, AutomationBench-AA, Terminal-Bench 4.0, SciCode, Humanity's Last Exam, GDP.pdf, CritPt, AA-Omniscience, AA-LCR v1.1

No publicly available API

Estimate (independent evaluation forthcoming)

Artificial Analysis Intelligence Index v4.3.2 includes: AA-Briefcase v1.1, GDPval-AA v2.1, AutomationBench-AA, Terminal-Bench 4.0, SciCode, Humanity's Last Exam, GDP.pdf, CritPt, AA-Omniscience, AA-LCR v1.1. See Intelligence Index methodology for further details, including a breakdown of each evaluation and how we run them.

Artificial Analysis Intelligence Index: pesos abertos vs. proprietários

No publicly available API

Estimate (independent evaluation forthcoming)

Indicates whether the model weights are available. Models are labelled as 'Commercial Use Restricted' if commercial use is limited by conditions, and as 'Non-commercial' if the license prohibits commercial use.

Intelligence Index vs. custo por tarefa

Artificial Analysis Intelligence Index · Weighted average cost (USD) per Artificial Analysis Intelligence Index task

Most attractive quadrant

Pareto line

Weighted average cost per Intelligence Index task. Each evaluation’s cost is calculated from input, cache hit, cache write, reasoning, and answer token prices, divided by task count, and weighted by its Intelligence Index weight.

Avaliações

Evaluations

Evaluations measured independently by Artificial Analysis · AA-PersonalityBench scores are percentile ranks from 1 to 100

Ver mais

No publicly available API

AA-Briefcase v1.1

Agentic knowledge work, Elo

AA-Omniscience Accuracy

Knowledge

AA-Omniscience Non-Hallucination Rate

1 - hallucination rate

AutomationBench-AA

Agentic SaaS workflows

GDPval-AA v2.1

Agentic real-world work tasks, Elo

Humanity's Last Exam

Reasoning & knowledge

GDP.pdf

Professional document reasoning, All-pass

Terminal-Bench 4.0

Agentic coding & terminal use

AA-LCR v1.1

Long context reasoning

SciCodeUnder review

Coding

CritPt

Physics reasoning

Terminal-Bench-Science 0.1New

Agentic scientific research workflows in a terminal

FrontierCode 1.1New

Agentic software engineering in open-source repositories

AA-AnalystAgent

Quantitative analysis on spreadsheets & documents

Harvey LAB-AA v1.1Updated

Legal agentic work, Hallucination-Gated All-Pass Rate

EnterpriseOps-Gym-AA

Agentic business operations

AA-3DNew

Agentic interactive 3D experiences, Elo

ITBench-AA

Kubernetes incident root-cause analysis

MLCR-AAUpdated

Medical long context reasoning

MMMU-Pro

Visual reasoning

AA-PersonalityBench: Expressiveness ScoreNew

Rich, varied, well-crafted language

AA-PersonalityBench: Organization ScoreNew

Well-structured, scannable, answer-first

AA-PersonalityBench: Transparency ScoreNew

Truthful, acknowledges uncertainty, non-sycophantic

AA-PersonalityBench: Slop ScoreNew

Use of filler and generic language

While model intelligence generally translates across use cases, specific evaluations may be more relevant for certain use cases.

AA-Omniscience

AA-Omniscience Index

AA-Omniscience Index (higher is better) measures knowledge reliability and hallucination. It rewards correct answers, penalizes hallucinations, and has no penalty for refusing to answer. Scores range from -100 to 100, where 0 means as many correct as incorrect answers, and negative scores mean more incorrect than correct.

No publicly available API

Openness Index

Artificial Analysis Openness Index: pontuação

O Openness Index avalia a abertura dos modelos em uma escala normalizada de 0 a 100 (quanto maior, mais aberto)

Comparações do Intelligence Index

Intelligence Index vs. custo por tarefa

Artificial Analysis Intelligence Index · Weighted average cost (USD) per Artificial Analysis Intelligence Index task

Most attractive quadrant

Pareto line

Custo

Custo por tarefa do Intelligence Index

Weighted average cost (USD) per Intelligence Index task · Segmented by token type · Lower is better

Custo de executar o Artificial Analysis Intelligence Index

Cost (USD) to run all evaluations in the Artificial Analysis Intelligence Index

The cost to run the evaluations in the Artificial Analysis Intelligence Index, calculated using the model's input, cache hit, cache write, reasoning, and answer token prices and the number of tokens used across evaluations (excluding repeats).

Preços: acertos de cache, entrada e saída

Price (USD per M Tokens)

Price per token for cached prompts (previously processed), typically offering a significant discount compared to regular input price, represented as USD per million tokens. The values shown here are the cache hit price; cache write and cache storage are billed separately and vary by provider — see "Cache pricing by provider" for detail.

Janela de contexto

Context window: tokens limit · Higher is better

No publicly available API

Larger context windows are relevant to RAG (Retrieval Augmented Generation) LLM workflows which typically involve reasoning and information retrieval of large amounts of data.

Maximum number of combined input & output tokens. Output tokens commonly have a significantly lower limit (varied by model).

Velocidade

Medida pela velocidade de saída (tokens por segundo)

Velocidade de saída

Output tokens per second · Higher is better

Tokens per second received while the model is generating tokens (ie. after first chunk has been received from the API for models which support streaming).

Figures represent performance of the model's first-party API or the median across providers where a first-party API is not available.

Tempo por tarefa do Intelligence Index

Weighted average decode time (minutes) per Intelligence Index task · Excludes TTFT and overhead time · Lower is better

The weighted average time (seconds) per Artificial Analysis Intelligence Index task. This is calculated by dividing output tokens per task by output speed, weighted by the relative weights of each benchmark in the Intelligence Index.

Latência

Medida pelo tempo (segundos) até o primeiro token

Latência: Tempo até o primeiro token da resposta final

Segundos até receber o primeiro token de resposta · Inclui o tempo de “pensamento” dos modelos de raciocínio

Time to first answer token received, in seconds, after API request sent. For reasoning models, this includes the 'thinking' time of the model before providing an answer. For models which do not support streaming, this represents time to receive the completion.

Tempo de resposta de ponta a ponta

Seconds to output 500 tokens, calculated based on time to first token, 'thinking' time for reasoning models, and output speed

Tempo de resposta de ponta a ponta

Seconds to output 500 tokens, including reasoning model 'thinking' time · Lower is better

Seconds to receive a 500 token response. Key components:

Input time: Time to receive the first response token
Thinking time (only for reasoning models): Time reasoning models spend outputting tokens to reason prior to providing an answer. Amount of tokens based on the average reasoning tokens across a diverse set of 60 prompts (methodology details).
Answer time: Time to generate 500 output tokens, based on output speed

Figures represent performance of the model's first-party API or the median across providers where a first-party API is not available.

Tamanho do modelo (somente modelos de pesos abertos)

Tamanho do modelo: parâmetros totais e ativos

Comparison between total model parameters and parameters active during inference (billions)

The total number of trainable weights and biases in the model, expressed in billions. These parameters are learned during training and determine the model's ability to process and generate responses.

The number of parameters actually executed during each inference forward pass, expressed in billions. For Mixture of Experts (MoE) models, a routing mechanism selects a subset of experts per token, resulting in fewer active than total parameters. Dense models use all parameters, so active equals total.

Perguntas frequentes

Perguntas comuns sobre o DeepSeek V3.1 Terminus (Non-reasoning)

O DeepSeek V3.1 Terminus (Non-reasoning) foi lançado em 22 de setembro de 2025.

DeepSeek criou o DeepSeek V3.1 Terminus (Non-reasoning).

DeepSeek V3.1 Terminus (Non-reasoning) alcança 14 pontos (estimativa) no Artificial Analysis Intelligence Index, ficando acima da média entre outros modelos sem raciocínio, de pesos abertos e tamanho semelhante (mediana: 12).

DeepSeek V3.1 Terminus (Non-reasoning) gera a saída a 66.9 tokens por segundo (com base na mediana dos provedores que oferecem o modelo), um resultado acima da média em comparação com outros modelos sem raciocínio, de pesos abertos e tamanho semelhante (mediana: 63.2 t/s).

DeepSeek V3.1 Terminus (Non-reasoning) tem um tempo até o primeiro token (TTFT) de 0.74s (com base na mediana dos provedores que oferecem o modelo), um resultado muito competitivo em comparação com outros modelos sem raciocínio, de pesos abertos e tamanho semelhante (mediana: 1.52s).

DeepSeek V3.1 Terminus (Non-reasoning) custa $0.27 por 1M de tokens de entrada (muito competitivo, mediana: $0.47) e $1.00 por 1M de tokens de saída (melhor que a média, mediana: $1.59), com base na mediana dos provedores que oferecem o modelo.

DeepSeek V3.1 Terminus (Non-reasoning) custa $0.27 por 1M de tokens de entrada e $1.00 por 1M de tokens de saída (com base na mediana dos provedores que oferecem o modelo). Considerando uma tarifa combinada (proporção de 7:2:1 entre acerto do cache, entrada e saída), o preço é de $0.25 por 1M de tokens. O preço pode variar conforme o provedor. Comparar preços dos provedores

Não, o DeepSeek V3.1 Terminus (Non-reasoning) não é um modelo de raciocínio. Ele fornece respostas diretas, sem raciocínio em cadeia prolongado.

DeepSeek V3.1 Terminus (Non-reasoning) aceita entrada em texto.

DeepSeek V3.1 Terminus (Non-reasoning) permite saída em texto.

Não, o DeepSeek V3.1 Terminus (Non-reasoning) não aceita imagens como entrada. Ele só consegue processar texto.

Não, o DeepSeek V3.1 Terminus (Non-reasoning) não é multimodal. Ele aceita apenas entrada em texto.

DeepSeek V3.1 Terminus (Non-reasoning) tem uma janela de contexto de 130k tokens. Isso determina quanto texto e histórico da conversa o modelo consegue processar em uma única solicitação.

Sim, o DeepSeek V3.1 Terminus (Non-reasoning) é um modelo de pesos abertos. Os pesos estão disponíveis publicamente e podem ser baixados para auto-hospedagem.

DeepSeek V3.1 Terminus (Non-reasoning) tem 685 bilhões parâmetros (37 bilhões ativos).

DeepSeek V3.1 Terminus (Non-reasoning) é um modelo de mistura de especialistas (MoE) com 685 bilhões parâmetros no total, mas apenas 37 bilhões parâmetros ativos são usados durante a inferência.

DeepSeek V3.1 Terminus (Non-reasoning) foi lançado sob a licença MIT. Essa licença permite o uso comercial. Ver licença

DeepSeek V3.1 Terminus (Non-reasoning) alcança 14 pontos no Artificial Analysis Intelligence Index. Esse benchmark composto avalia os modelos em raciocínio, conhecimento, matemática e programação.

Sim, o DeepSeek V3.1 Terminus (Non-reasoning) está disponível por API em 3 provedores. Comparar provedores de API

DeepSeek V3.1 Terminus (Non-reasoning) está disponível em 3 provedores de API. Comparar provedores

Análise de inteligência, desempenho e preço do DeepSeek V3.1 Terminus (Non-reasoning)

Resumo do modelo

Verbosidade

Resumo da comparação

Especificações técnicas

46 modelos nesta classe

Inteligência

Artificial Analysis Intelligence Index

Artificial Analysis Intelligence Index: pesos abertos vs. proprietários

Artificial Analysis Intelligence Index

Open Weights

Intelligence Index vs. custo por tarefa

Cost per Intelligence Index Task

Artificial Analysis Intelligence Index

Evaluations

Intelligence Evaluation Relevance

Artificial Analysis Intelligence Index

AA-Omniscience

AA-Omniscience Index

AA-Omniscience Index

Openness Index

Artificial Analysis Openness Index: pontuação

Comparações do Intelligence Index

Intelligence Index vs. custo por tarefa

Cost per Intelligence Index Task

Artificial Analysis Intelligence Index

Custo

Custo por tarefa do Intelligence Index

Cost per Intelligence Index Task

Custo de executar o Artificial Analysis Intelligence Index

Cost to Run Artificial Analysis Intelligence Index

Preços: acertos de cache, entrada e saída

Cache Hit

Janela de contexto

Janela de contexto

Context Window for RAG

Context Window

Velocidade

Velocidade de saída

Output Speed

Model Performance Representation

Tempo por tarefa do Intelligence Index

Time per Intelligence Index Task

Latência

Latência: Tempo até o primeiro token da resposta final

Time to First Answer Token

Tempo de resposta de ponta a ponta

Tempo de resposta de ponta a ponta

End-to-End Response Time

Model Performance Representation

Tamanho do modelo (somente modelos de pesos abertos)

Tamanho do modelo: parâmetros totais e ativos

Total Parameters

Active Parameters at Inference Time

Perguntas frequentes

Quando o DeepSeek V3.1 Terminus (Non-reasoning) foi lançado?

Quem criou o DeepSeek V3.1 Terminus (Non-reasoning)?

Qual é a inteligência do DeepSeek V3.1 Terminus (Non-reasoning)?

Qual é a velocidade do DeepSeek V3.1 Terminus (Non-reasoning)?

Qual é a latência do DeepSeek V3.1 Terminus (Non-reasoning)?

Quanto custa o DeepSeek V3.1 Terminus (Non-reasoning)?

Qual é o preço da API do DeepSeek V3.1 Terminus (Non-reasoning)?

O DeepSeek V3.1 Terminus (Non-reasoning) é um modelo de raciocínio?

Quais modalidades de entrada o DeepSeek V3.1 Terminus (Non-reasoning) aceita?

Quais modalidades de saída o DeepSeek V3.1 Terminus (Non-reasoning) aceita?

O DeepSeek V3.1 Terminus (Non-reasoning) consegue processar imagens?

O DeepSeek V3.1 Terminus (Non-reasoning) é multimodal?

Qual é a janela de contexto do DeepSeek V3.1 Terminus (Non-reasoning)?

O DeepSeek V3.1 Terminus (Non-reasoning) é de código aberto?

Quantos parâmetros o DeepSeek V3.1 Terminus (Non-reasoning) tem?

Quais são os parâmetros ativos do DeepSeek V3.1 Terminus (Non-reasoning)?

Qual é a licença do DeepSeek V3.1 Terminus (Non-reasoning)?

Qual é o desempenho do DeepSeek V3.1 Terminus (Non-reasoning) nos benchmarks?

O DeepSeek V3.1 Terminus (Non-reasoning) está disponível por API?

Onde posso usar o DeepSeek V3.1 Terminus (Non-reasoning)?