DeepSeek V3.1
性价比更高: Ling 3.0 Flash $0.115/M 即可获得 Index 51.7,便宜 83%。
有 31 个更便宜的已排名模型得分更高:DeepSeek V4.1 Flash (58.5, $0.525)、GPT-5.6 Luna (58.2, $0.450)、Inkling 2 Small (57.9, $0.475),另有 28 个。
截至 2026年11月16日,DeepSeek V3.1(DeepSeek)在 BenchLeader Index 上得分 52.4(共 608 个已排名配置)。表现最好的是推理(59),最弱的是指令遵循(44)。API 价格为输入每百万 token $0.574、输出每百万 token $1.70(按 3:1 混合为 $0.855),为 2026年11月16日的标价。输出速度约为 81 token/秒(Artificial Analysis)。发布于 2025年8月21日。
要点(截至 2026年11月16日)
- DeepSeek V3.1 的 API 价格为输入每百万 token $0.574、输出每百万 token $1.70(按 3:1 混合为 $0.855)(标价,2026年11月16日)。
- DeepSeek V3.1 的输出速度约为 81 token/秒(Artificial Analysis,2026年11月16日)。
- DeepSeek V3.1 于 2025年8月21日发布(DeepSeek)。
详细说明:DeepSeek V3.1 是 DeepSeek 的开放权重推理模型,发布于 2025年8月21日。其最佳配置(推理强度 thinking)在 BenchLeader Index 上得分 52.4 ±5.1,在 608 个配置中排第 278 名,处于上半区。关键在于这个“±”:另有 290 个配置的得分落在这一区间内,仅凭质量无法区分,真正拉开差距的是价格和速度。分类别看,推理得分最高(59),指令遵循最低(44)。按混合价格计,每百万 token $0.658,价格居中。输出速度为 81 token/秒,首次回答需 8.6 秒,比大多数模型慢。它已在 3 种推理强度设置下测得结果;本摘要描述的是得分最高的设置,可用上方标签切换。最近一次测量:2026年11月11日。
- 混合价格
- $0.658/M
- 输入 $0.430 · 输出 $1.34
- 来源:Artificial Analysis
- 输出速度
- 81 tok/s
- 由 Artificial Analysis 测量
- 首次回答
- 8.58 s
- 首 token 0.48 s
- 上下文
- 164k
- 来源:models.dev
- 完整回答
- 26 s
- 最近一次测量 2026年11月13日
- 单任务成本
- –
- 单任务 token 数
- –
- 发布日期
- 2025年8月21日
- 综合 Index52
- 推理59
- 编程50
- 智能体与工具56
- 数学52
- 指令遵循44
- 人类偏好59
- 长上下文53
嵌入这个排名
更多徽章样式[](https://www.benchleader.com/models/deepseek-v3-1)粘贴到 README.md 顶部,放在其他徽章旁边。徽章会随每次数据更新重新生成,并链接回本页。
版本
DeepSeek 以这个名称发布过 2 个模型。每个版本都只按自身结果排名;较新的版本往往结果较少,在更多结果出炉之前,其 Index 会更接近平均水平。
| 模型 | 发布日期 | Index | 排名 |
|---|---|---|---|
| DeepSeek V3.2thinking | 2025年12月1日 | 56.7 | #170 |
| DeepSeek V3.1thinking本页 | 2025年8月21日 | 52.4 | #278 |
不同推理强度的配置
同一个模型允许思考的程度不同,表现也会不同。每一行是一种推理强度设置,只用在该设置下运行的基准测试打分。“未说明”汇总了发布方没有注明所用设置的结果;对推理模型而言这通常是其思考模式,但我们不做这一假定。在这里或页面顶部选择一个设置,即可查看其价格、速度和各类别得分。
Index 走势
2026年9月8日 至 2026年11月16日- thinking
- 默认
Index 每天从头重新计算,因此当有新的基准测试结果、发布方修订分数,或用于归一化的参照模型发生变化时,曲线都会移动。早期的波动通常说明分数仍在趋于稳定。
基准测试结果
查看全部大模型基准测试。每种推理强度一列。排名是在该基准测试上所有模型的所有配置中的位置。将鼠标悬停在分数上可查看对应的测试运行。
推理
| 基准测试 | 无推理 | thinking | 默认 | 来源 | 趋势 |
|---|---|---|---|---|---|
| SimpleBench推理强度未说明 | – | – | 40.0%#79 | SimpleBench | |
| Arena Hard Prompts | – | 1437#134 | 1433#141 | Arena (LMArena) | |
| GPQA Diamond (AA)不计入 Index | 73.5%#271 | 77.9%#219 | – | Artificial Analysis | |
| Humanity's Last Exam (AA)不计入 Index | 6.7%#405 | 14.3%#276 | – | Artificial Analysis | |
| Kagi LLM Benchmark推理强度未说明 | – | – | 53.2%#71 | Kagi LLM Benchmark | |
| CritPt不计入 Index | 0.0%#337 | 2.0%#220 | – | Artificial Analysis | |
| Arena Expert不计入 Index | – | 1434#141 | 1429#145 | Arena (LMArena) | |
| LMCA不计入 Index | – | 24.3%#159 | – | Epoch AI Benchmarking Hub | |
| DTBench不计入 Index | – | 82.7%#125 | – | Epoch AI Benchmarking Hub | |
| ForecastBench不计入 Index推理强度未说明 | – | – | 60.5%#74 | ForecastBench |
编程
| 基准测试 | 无推理 | thinking | 默认 | 来源 | 趋势 |
|---|---|---|---|---|---|
| WeirdML | – | 38.4%#112 | 37.5%#118 | WeirdML | |
| Arena Coding | – | 1455#147 | 1448#155 | Arena (LMArena) | |
| Design Arena Website不计入 Index | – | 1179#99 | 1114#136 | Design Arena | |
| LiveCodeBench (AA)不计入 Index | 57.7%#117 | 78.4%#33 | – | Artificial Analysis |
智能体与工具
| 基准测试 | 无推理 | thinking | 默认 | 来源 | 趋势 |
|---|---|---|---|---|---|
| Terminal-Bench Hard | 24.2%#147 | 25.0%#141 | – | Artificial Analysis | |
| τ²-Bench Telecom (AA)不计入 Index | 34.8%#241 | 37.4%#230 | – | Artificial Analysis | |
| Poker Agent不计入 Index推理强度未说明 | – | – | 1058.2%#7 | Vals AI | |
| Terminal-Bench 2.0 (Vals)不计入 Index推理强度未说明 | – | – | 22.5%#55 | Vals AI | |
| BrowseComp不计入 Index推理强度未说明 | – | – | 2.6%#9 | OpenAI |
数学
| 基准测试 | 无推理 | thinking | 默认 | 来源 | 趋势 |
|---|---|---|---|---|---|
| MathArena Apex可能存在污染 | – | 0.5%#42 | – | MathArena | |
| Arena Maths | – | 1414#133 | 1413#135 | Arena (LMArena) | |
| AIME 2025 (AA)不计入 Index | 49.7%#136 | 89.7%#26 | – | Artificial Analysis |
知识
| 基准测试 | 默认 | 来源 | 趋势 |
|---|---|---|---|
| CorpFin | 51.5%#100 | Vals AI | |
| PRBench Finance | 35.1%#38 | Scale AI SEAL | |
| PRBench Legal | 37.6%#42 | Scale AI SEAL | |
| MultiNRC可能存在污染 | 23.6%#32 | Scale AI SEAL | |
| CaseLaw v2不计入 Index | 53.9%#39 | Vals AI |
指令遵循
| 基准测试 | 无推理 | thinking | 默认 | 来源 | 趋势 |
|---|---|---|---|---|---|
| IFBench | 37.8%#293 | 41.5%#249 | – | Artificial Analysis | |
| MultiChallenge推理强度未说明 | – | – | 46.1%#31 | Scale AI SEAL | |
| Arena Instruction Following不计入 Index | – | 1416#118 | 1403#143 | Arena (LMArena) |
人类偏好
| 基准测试 | thinking | 默认 | 来源 | 趋势 |
|---|---|---|---|---|
| Arena Text | 1416#136 | 1417#133 | Arena (LMArena) | |
| EQ-Bench Creative Writing v3不计入 Index推理强度未说明 | – | 1436#68 | EQ-Bench | |
| Arena Creative Writing不计入 Index | 1401#107 | 1388#130 | Arena (LMArena) | |
| Arena Multi-turn不计入 Index | 1414#142 | 1404#154 | Arena (LMArena) | |
| Arena Longer Queries不计入 Index | 1446#100 | 1421#135 | Arena (LMArena) |
长上下文
| 基准测试 | 无推理 | thinking | 默认 | 来源 | 趋势 |
|---|---|---|---|---|---|
| Fiction.LiveBench 120k推理强度未说明 | – | – | 53.1%#20 | Fiction.live | |
| AA-LCR v1.1 | 47.0%#350 | 56.7%#314 | – | Artificial Analysis |
综合
| 基准测试 | 无推理 | thinking | 默认 | 来源 | 趋势 |
|---|---|---|---|---|---|
| Epoch Capabilities Index不计入 Index推理强度未说明 | – | – | 140.8#112 | Epoch AI Benchmarking Hub | |
| AA Intelligence Index v4.3.2不计入 Index | – | 13.5#317 | – | Artificial Analysis | |
| AA Progress Index v1不计入 Index | 212.7#374 | 233.7#308 | – | Artificial Analysis |
安全与诚实
| 基准测试 | 默认 | 来源 | 趋势 |
|---|---|---|---|
| FORTRESS不计入 Index | 60.5%#80 | Scale AI SEAL | |
| MASK不计入 Index可能存在污染 | 46.3%#61 | Scale AI SEAL |
API 价格:在哪里调用
通过 OpenRouter 提供这个模型的所有提供商:吞吐量和首 token 延迟基于过去 30 分钟的实时流量测得,价格为各提供商自己的报价。紫色标出每列的最佳值。
| 提供商 | 速度 | 首 token | 输入 $/M | 输出 $/M | 上下文 | 量化 |
|---|---|---|---|---|---|---|
| CoreWeave | 80 tok/s | 0.24 s | $0.500 | $1.50 | 161k | fp8 |
| DeepInfra | 33 tok/s | 0.48 s | $0.250 | $0.950 | 164k | fp4 |
| SiliconFlow | 20 tok/s | 1.82 s | $0.270 | $1.00 | 164k | fp8 |
价格历史
上述价格(每百万 token)在每个变动日的数值。
一项任务的成本
根据最佳配置的标价、输出速度和首次回答时间估算。“使用缓存”假定四分之三的输入来自提示缓存,价格为每百万 token $0.130。未计入推理 token。
| 工作负载 | 输入 / 输出 token | 成本 | 使用缓存 | 耗时 |
|---|---|---|---|---|
| 聊天回复 | 400 / 300 | $0.0006 | $0.0005 | 12.3 s |
| 总结一份 30 页的报告 | 12,000 / 600 | $0.0060 | $0.0033 | 16.0 s |
| 代码编辑 | 6,000 / 1,500 | $0.0046 | $0.0032 | 27.0 s |
| 智能体编程会话 | 60,000 / 4,000 | $0.031 | $0.018 | 57.7 s |
| 结构化信息提取 | 2,000 / 200 | $0.0011 | $0.0007 | 11.0 s |
DeepSeek 的更多模型
另请参阅
嵌入或引用
在模型卡片或 README 中展示 DeepSeek V3.1 的排名。徽章会随每日更新重新生成,带有数据日期,并链接回本页。
[](https://www.benchleader.com/models/deepseek-v3-1)引用本页
排名每天都会变化,因此引用时需注明数据日期。APA 格式:
BenchLeader. (2026, November 16). DeepSeek V3.1 on the BenchLeader Index (method v1.4) [Data set]. Retrieved November 16, 2026, from https://www.benchleader.com/models/deepseek-v3-1
BibTeX:
@misc{benchleader_deepseek_v3_1_20261116,
author = {{BenchLeader}},
title = {{DeepSeek V3.1 on the BenchLeader Index (method v1.4)}},
year = {2026},
month = nov,
howpublished = {\url{https://www.benchleader.com/models/deepseek-v3-1}},
note = {Data as of 2026-11-16}
}常见问题
- DeepSeek V3.1 的基准测试得分是多少?
- 截至 2026年11月16日,DeepSeek V3.1(推理强度 thinking)的 BenchLeader Index 为 52.4 ±5.1。最强的是推理(59),最弱的是指令遵循(44)。该得分只基于第三方基准测试结果,本页每个分数都链接到其发布方。
- DeepSeek V3.1 排名第几?
- 截至 2026年11月16日,DeepSeek V3.1(推理强度 thinking)在 608 个已排名配置中排第 278 名。另有 290 个配置的得分在其误差范围内,因此名次区间比确切名次更有意义。第一名是 Claude Fable 5.2(推理强度 max),得分 72.7。
- DeepSeek V3.1 每百万 token 的价格是多少?
- 截至 2026年11月16日,DeepSeek V3.1 的价格为输入每百万 token $0.430、输出每百万 token $1.34,混合价格(每 1 个输出 token 对应 3 个输入 token)为 $0.658。标价最近一次变动是在 2026年11月6日。
- DeepSeek V3.1 是什么时候发布的?
- DeepSeek 于 2025年8月21日发布了 DeepSeek V3.1。BenchLeader 收录了它在 3 种推理强度设置下的结果。
数据截至 2026年11月16日。 对比这些配置
引用格式:BenchLeader,《DeepSeek V3.1:基准测试、价格、速度与排名》,数据截至 2026年11月16日,https://www.benchleader.com/zh/models/deepseek-v3-1。