%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)
Deepseek V3 0324 (March '25)
インテリジェンス(中程度)
速度(遅い)
入力サポートモダリティ
いいえ
推論モデルかどうか
128,000
コンテキストウィンドウ
131,072
最大出力トークン
-
知識カットオフ
価格設定
- /M tokens
入力
- /M tokens
出力
￥3.44 /M tokens
混合価格
クイック簡易比較
DeepSeek V3 0324 (Mar '25)
DeepSeek R1
￥0.55
DeepSeek R1 (Jan '25)
￥0.56
基本パラメータ
DeepSeek V3 0324 (March '25)技術パラメータ
パラメータ数
671,000.0M
コンテキスト長
128.00k tokens
トレーニングデータカットオフ
オープンソースカテゴリ
Open Weights (Permissive License)
マルチモーダルサポート
テキストのみ
スループット
リリース日
2025-03-25
応答速度
25.114,534 tokens/s
ベンチマークスコア
以下はDeepSeek V3 0324 (March '25)の様々な標準ベンチマークテストでのパフォーマンスです。これらのテストは、異なるタスクやドメインにおけるモデルの能力を評価します。
インテリジェンス指数
53.24
大規模言語モデルインテリジェンスレベル
コーディング指数
38.15
コーディングタスクにおけるAIモデルのパフォーマンス指標
数学指数
73.1
数学的問題の解決、数学的推論、または数学関連タスクの実行における能力指標
MMLU Pro
81.9
大規模マルチタスクマルチモーダル理解 - テキスト、画像、音声、ビデオの理解をテスト
GPQA
65.5
大学院物理学問題評価 - ダイヤモンド科学レベルの問題で高度な物理学知識をテスト
HLE
5.2
Hugging Face Open LLMリーダーボードにおけるモデルの包括的な平均スコア
LiveCodeBench
40.5
実世界のコード作成とプログラミングコンテスト問題解決における大規模言語モデルの能力を評価する特定の評価
SciCode
35.8
科学計算または特定の科学分野のコード生成におけるモデルの能力
HumanEval
92.2
特定のHumanEvalベンチマークテストセットでAIモデルが達成したスコア
Math 500スコア
94.2
最初の500の大規模でよく知られた数学ベンチマークテストのスコア
AIMEスコア
52
高難度の数学競技問題（特にAIMEレベル）を解決するAIモデルの能力を測定する指標
おすすめAIモデル
Gemini 1.0 Pro
google
￥3.6
入力トークン/百万
￥10.8
出力トークン/百万
33k
コンテキスト長
GPT 4
openai
￥216
入力トークン/百万
￥432
出力トークン/百万
8192
コンテキスト長
Qwen2.5 Coder Instruct 32B
alibaba
￥0.65
入力トークン/百万
￥0.65
出力トークン/百万
131k
コンテキスト長
Gemini 1.5 Flash 8B
google
￥0.58
入力トークン/百万
￥2.16
出力トークン/百万
1M
コンテキスト長
Gemini 1.5 Pro (May '24)
google
￥18
入力トークン/百万
￥72
出力トークン/百万
2M
コンテキスト長
Llama 3.2 Instruct 11B (Vision)
meta
￥0.43
入力トークン/百万
￥0.43
出力トークン/百万
128k
コンテキスト長
Gemini 2.0 Flash (experimental)
google
￥0.72
入力トークン/百万
￥2.88
出力トークン/百万
1M
コンテキスト長
O1 Preview
openai
￥108
入力トークン/百万
￥432
出力トークン/百万
128k
コンテキスト長