BenchLeader

DeepSeek V3.1

推理强度
质量第 137 / 339 名
52.4Index
高于中位数
较中位数 +2.2
价格第 111 / 255 名
$0.658每百万 token
比多数便宜
中位数的 0.8 倍
速度第 112 / 216 名
81token/秒
低于中位数
中位数的 1.0 倍
性价比第 103 / 255 名
79.6分/$
高于中位数
中位数的 1.4 倍

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
各类别得分虚线 = 平均模型(50)。每 15 分为一个标准差。
  1. 综合 Index52
  2. 推理59
  3. 编程50
  4. 智能体与工具56
  5. 数学52
  6. 指令遵循44
  7. 人类偏好59
  8. 长上下文53

嵌入这个排名

更多徽章样式
[![DeepSeek V3.1 on BenchLeader: 综合第 137 名](https://www.benchleader.com/badge/deepseek-v3-1.svg?style=compact)](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。

DeepSeek 发布新模型时邮件通知我

进入排名时再通知一次,每周一另有每周回顾。

选择提供商和邮件类型

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 V3.2thinking2025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。

推理强度Index排名速度首次回答聊天回复成本类别
无推理––61 tok/s2.86 s$0.0007智能体与工具 55 · 指令遵循 41 · 长上下文 47
thinking最佳52.4#27881 tok/s8.58 s$0.0006智能体与工具 56 · 编程 50 · 人类偏好 59 · 指令遵循 44 · 长上下文 53 · 数学 52 · 推理 59
未说明49.0#37133 tok/s0.48 s$0.0007编程 49 · 人类偏好 59 · 指令遵循 42 · 知识 36 · 长上下文 48 · 数学 59 · 推理 48

Index 走势

2026年9月8日 至 2026年11月16日
435159
  • 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%#79SimpleBench
Arena Hard Prompts–1437#1341433#141Arena (LMArena)
GPQA Diamond (AA)不计入 Index73.5%#27177.9%#219–Artificial Analysis
Humanity's Last Exam (AA)不计入 Index6.7%#40514.3%#276–Artificial Analysis
Kagi LLM Benchmark推理强度未说明––53.2%#71Kagi LLM Benchmark
CritPt不计入 Index0.0%#3372.0%#220–Artificial Analysis
Arena Expert不计入 Index–1434#1411429#145Arena (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%#74ForecastBench

编程

基准测试无推理thinking默认来源趋势
WeirdML–38.4%#11237.5%#118WeirdML
Arena Coding–1455#1471448#155Arena (LMArena)
Design Arena Website不计入 Index–1179#991114#136Design Arena
LiveCodeBench (AA)不计入 Index57.7%#11778.4%#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 Hard24.2%#14725.0%#141–Artificial Analysis
τ²-Bench Telecom (AA)不计入 Index34.8%#24137.4%#230–Artificial Analysis
Poker Agent不计入 Index推理强度未说明––1058.2%#7Vals AI
Terminal-Bench 2.0 (Vals)不计入 Index推理强度未说明––22.5%#55Vals AI
BrowseComp不计入 Index推理强度未说明––2.6%#9OpenAI

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#1331413#135Arena (LMArena)
AIME 2025 (AA)不计入 Index49.7%#13689.7%#26–Artificial Analysis

知识

基准测试默认来源趋势
CorpFin51.5%#100Vals AI
PRBench Finance35.1%#38Scale AI SEAL
PRBench Legal37.6%#42Scale AI SEAL
MultiNRC可能存在污染23.6%#32Scale AI SEAL
CaseLaw v2不计入 Index53.9%#39Vals AI

指令遵循

基准测试无推理thinking默认来源趋势
IFBench37.8%#29341.5%#249–Artificial Analysis
MultiChallenge推理强度未说明––46.1%#31Scale AI SEAL
Arena Instruction Following不计入 Index–1416#1181403#143Arena (LMArena)

人类偏好

基准测试thinking默认来源趋势
Arena Text1416#1361417#133Arena (LMArena)
EQ-Bench Creative Writing v3不计入 Index推理强度未说明–1436#68EQ-Bench
Arena Creative Writing不计入 Index1401#1071388#130Arena (LMArena)
Arena Multi-turn不计入 Index1414#1421404#154Arena (LMArena)
Arena Longer Queries不计入 Index1446#1001421#135Arena (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%#20Fiction.live
AA-LCR v1.147.0%#35056.7%#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#112Epoch 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 Index212.7#374233.7#308–Artificial Analysis

安全与诚实

基准测试默认来源趋势
FORTRESS不计入 Index60.5%#80Scale AI SEAL
MASK不计入 Index可能存在污染46.3%#61Scale 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
CoreWeave80 tok/s0.24 s$0.500$1.50161kfp8
DeepInfra33 tok/s0.48 s$0.250$0.950164kfp4
SiliconFlow20 tok/s1.82 s$0.270$1.00164kfp8

价格历史

上述价格(每百万 token)在每个变动日的数值。

$0.00$0.465$0.929$1.39$1.8626年9月26年10月26年11月
输入 输出
当前:输入 $0.430 · 输出 $1.34

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$0.000512.3 s
总结一份 30 页的报告12,000 / 600$0.0060$0.003316.0 s
代码编辑6,000 / 1,500$0.0046$0.003227.0 s
智能体编程会话60,000 / 4,000$0.031$0.01857.7 s
结构化信息提取2,000 / 200$0.0011$0.000711.0 s

DeepSeek 的更多模型

本月新上线

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。

[![DeepSeek V3.1 on BenchLeader: 综合第 137 名](https://www.benchleader.com/badge/deepseek-v3-1.svg)](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}
}

全部徽章样式、可嵌入的前 10 名小组件,以及如何引用 Index

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。