本地部署 / 开源权重? 开源模型频道:HF / Ollama / GGUF / ModelScope 下载 + 显存筛选 + 部署计算器(含双方案对比)。

Model Catalog · AA / Arena 对标

模型目录与家族版本

在 GrokCode 内容体系中,models-catalog 枢纽是模型目录与家族版本的核心模块。它整合主流 AI 模型的树状家族关系、发布迭代时间线及参数规格等公开数据,与 ladder-system 的多维天梯和 ocr-ecosystem 的工具生态互补。用户路径包括从订阅比价或天梯入口进入目录检索模型、浏览版本历史、对比规格,并跳转验证性能,帮助开发者与研究者高效完成模型选型与追踪。

数据更新于 2026-08-03 · AA 260 · Arena 44 · OR-AA 107 · 知识库 161 模 / 36 族 / 26 维 · 配图 177

对标 Artificial Analysis + Arena Agent + 用量榜

目录表已补 AA 智力(OpenRouter 实时 / OR 快照 / AA 公开榜)与 Arena 排名。完整条形图见天梯;真实流量热度见用量 / 任务消费榜。

OCR 与文档理解生态

在 GrokCode 全站内容体系中,ocr-ecosystem 枢纽定位为 OCR 与文档理解生态模块,衔接模型目录、模型天梯及 API 订阅比价三大核心。它聚焦 PaddleOCR 等开源项目、支持文档理解的多模态模型历史版本与性能数据。用户可通过主站多模态天梯或模型目录入口进入,探索工具对比、基准佐证及部署路径,实现从模型评估到实际应用的平滑过渡。该枢纽为开发者、研究人员和企业提供专业、可核验的资源,帮助优化文档处理流程中的 AI

数据状态

同步自 OpenRouter · 446 个模型 · 含网关上架 47 个短 ID · source=openrouter · 2026-09-18T22:26:37.922Z

DeepSeek · DeepSeek: DeepSeek V3.2 配图
模型家族 · 历史版本 · 知识库

DeepSeek

DeepSeek · 知识库 161 模 / 36 族

平衡高效推理与Agent工具使用的MoE模型,GPT-5级性能,支持164K长上下文。

DeepSeek V3.2 是 DeepSeek 推出的大型语言模型,采用 DeepSeek Sparse Attention (DSA) 稀疏注意力机制,在保持长上下文质量的同时显著降低训练和推理成本。通过可扩展强化学习后训练框架提升推理能力,性能达到 GPT-5 级别。该模型整合大规模 Agent 任务合成管道(覆盖1800+环境与85k+复杂指令),增强工具使用场景下的合规性与泛化能力。支持文本输入输出与工具调用,适用于复杂推理、代码生成、Agent 交互等场景。上下文长度达 164K。模态以文本为主,具体能力与限制以厂商及 OpenRouter 网关为准。

DeepSeek 是中国 AI 公司深度求索推出的模型家族,以混合专家(MoE)架构为核心,提供高性能且成本低廉的开源大模型。当前主力包括 V4-Pro(超大规模 MoE)、V4-Flash(高效版)、R1 推理系列及 V3 基座,上下文窗口已扩展至百万级 token,适合处理大型代码库、长文档分析与复杂推理。模型在数学、编程、逻辑推理基准上表现突出,支持中英双语,权重开放便于本地部署与微调。适用场景涵盖软件开发、学术研究、Agent 构建与高吞吐 API 服务。边界在于:对中文敏感话题存在内容限制;多模态能力(VL/OCR)为独立子系列,非主力;作为 LLM 仍可能出现幻觉或事实偏差,复杂开放域任务建议结合工具验证。整体定位为技术向高性价比选择,而非全能闭源前沿模型。

DeepSeek 开源/API 模型系列,强调推理与性价比。

DeepSeek-V3.2 is a large language model designed to harmonize high computational efficiency with strong reasoning and agentic tool-use performance. It introduces DeepSeek Sparse Attention (DSA), a fine-grained sparse attention mechanism...

  • 平衡高效推理与Agent工具使用的MoE模型,GPT-5级性能,支持164K长上下文。
  • 高性价比开源 MoE 模型家族,专注推理、代码与数学任务
  • 当前版本线 3.2
  • 归并版本 22 个
  • V3.2 版本,基于 MoE 架构(总参数约 671B 级别),引入 DSA 机制与 RL 后训练优化。
  • DeepSeek 家族从早期 Coder 与 V2 起步,V3 推出 671B MoE 基座奠定通用与效率基础;R1 系列通过强化学习强化推理链条,在数学编码基准接近 o1 水平;2026 年 V4 系列(Flash 与 Pro)进一步升级

适用场景

  • 代码生成与软件工程
  • 数学与逻辑推理
  • 长上下文文档分析
  • Agent 工具调用与工作流

能力 / 优势

  • MoE 架构实现低激活参数高性能
  • 开源权重与 API 低价部署
  • 百万级上下文与强代码/数学能力

边界 / 不适合

  • 中文敏感话题内容限制
  • 非原生多模态主力,幻觉风险同其他 LLM

接入提示:通过 OpenRouter 接入,支持 OpenAI 兼容 API,模型短 ID: deepseek/deepseek-v3.2。测速与 Playground 入口见 OpenRouter 平台。

开源推理代码高性价比MoEtextreasoningcodingagentlong-context开源倾向中国v3.2

常见问题

支持工具调用吗?

支持 Agentic 工具使用,可在思考与非思考模式下调用。

上下文长度是多少?

164K tokens。

历史版本 / 相关变体

版本模型参数来源说明
4.1DeepSeek V4.1 Flash
deepseek/deepseek-v4.1-flash
OpenRouter
3.2当前DeepSeek V3.2
deepseek/deepseek-v3.2
OpenRouter
3.2DeepSeek V3.2 Exp
deepseek/deepseek-v3.2-exp
OpenRouter
3.1DeepSeek V3.1 Terminus
deepseek/deepseek-v3.1-terminus
OpenRouter
3.1DeepSeek V3.1
deepseek/deepseek-chat-v3.1
OpenRouter
DeepSeek Pro Latest
~deepseek/deepseek-pro-latest
OpenRouter
DeepSeek Flash Latest
~deepseek/deepseek-flash-latest
OpenRouter
DeepSeek V4 Flash Vision Exp
deepseek/deepseek-v4-flash-vision-exp
OpenRouter
DeepSeek V4 Flash Vision Exp (batch)
deepseek/deepseek-v4-flash-vision-exp:batch
OpenRouter
DeepSeek V4 Pro 0813
deepseek/deepseek-v4-pro-0813
OpenRouter
DeepSeek V4 Pro 0813 (batch)
deepseek/deepseek-v4-pro-0813:batch
OpenRouter
DeepSeek V4 Flash Latest
~deepseek/deepseek-v4-flash-latest
OpenRouter
DeepSeek V4 Flash 0731
deepseek/deepseek-v4-flash-0731
OpenRouter
DeepSeek V4 Flash 0731 (batch)
deepseek/deepseek-v4-flash-0731:batch
OpenRouter
DeepSeek V4 Flash 0731 (free)
deepseek/deepseek-v4-flash-0731:free
OpenRouter 免费/网关
DeepSeek V4 Pro 0423
deepseek/deepseek-v4-pro
OpenRouter
DeepSeek V4 Flash 0423
deepseek/deepseek-v4-flash
OpenRouter
R1 0528
deepseek/deepseek-r1-0528
OpenRouter
DeepSeek V3 0324
deepseek/deepseek-chat-v3-0324
OpenRouter
R1 Distill Llama 70B
deepseek/deepseek-r1-distill-llama-70b
70BOpenRouter
R1
deepseek/deepseek-r1
OpenRouter
DeepSeek V3
deepseek/deepseek-chat
OpenRouter
模型493
厂商70
免费72
Tools416
有智力分145
重置天梯对标 →用量榜 →

匹配 2 / 493 · 第 1/1 页 · 价格 USD/M tokens · AA 智力 = OpenRouter 透出优先,缺则用公开榜快照 · Arena = lmarena.ai

模型上下文输入输出能力AA 智力代码Arena操作
DeepSeek V3.2
deepseek/deepseek-v3.2
164k$0.269$0.400
ToolsReason开源
32.044.2
DeepSeek V3.2 Exp
deepseek/deepseek-v3.2-exp
164k$0.270$0.410
ToolsReason开源
32.044.2

数据源:OpenRouter 公开 Models API(缓存约 1 小时)。本站聚合展示,不构成购买建议;实测能力请用实验室。