BenchLeader

DeepSeek V3.1 Terminus

推理强度
质量第 101 / 339 名
55.5Index
高于中位数
较中位数 +5.3
价格第 169 / 255 名
$1.92每百万 token
比多数贵
中位数的 2.3 倍
速度第 214 / 216 名
16token/秒
后四分之一
中位数的 0.2 倍
性价比第 173 / 255 名
28.9分/$
低于中位数
中位数的 0.5 倍

性价比更高: MiMo-V2.5 $0.138/M 即可获得 Index 56.3,价格只有 14 分之一。

有 34 个更便宜的已排名模型得分更高:Gemini 3.7 Flash (62.1, $1.50)、Gemini 3.6 Flash (61.0, $1.50)、Gemini 3.8 Flash (60.2, $1.50),另有 31 个。

截至 2026年11月16日,DeepSeek V3.1 Terminus(DeepSeek)在 BenchLeader Index 上得分 55.5(共 608 个已排名配置)。表现最好的是推理(60),最弱的是智能体与工具(53)。API 价格为输入每百万 token $0.270、输出每百万 token $1.00(按 3:1 混合为 $0.453),为 2026年11月16日的标价。输出速度约为 16 token/秒(OpenRouter)。发布于 2025年9月22日。

要点(截至 2026年11月16日)

  • DeepSeek V3.1 Terminus 的 API 价格为输入每百万 token $0.270、输出每百万 token $1.00(按 3:1 混合为 $0.453)(标价,2026年11月16日)。
  • DeepSeek V3.1 Terminus 的输出速度约为 16 token/秒(OpenRouter,2026年11月16日)。
  • DeepSeek V3.1 Terminus 于 2025年9月22日发布(DeepSeek)。

详细说明:DeepSeek V3.1 Terminus 是 DeepSeek 的开放权重推理模型,发布于 2025年9月22日。其最佳配置(推理强度 thinking)在 BenchLeader Index 上得分 55.5 ±2.7,在 608 个配置中排第 207 名,处于上半区。关键在于这个“±”:另有 257 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(60),智能体与工具最低(53)。按混合价格计,每百万 token $1.92,比大多数已排名模型贵。输出速度为 16 token/秒,首 token 延迟 1.9 秒,位于最慢的四分之一。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
$1.92/M
输入 $1.64 · 输出 $2.75
来源:Artificial Analysis
输出速度
16 tok/s
OpenRouter 流量,7 天中位数;Artificial Analysis 尚未测量
首次回答
1.93 s
上下文
164k
来源:OpenRouter
单任务成本
–
单任务 token 数
–
发布日期
2025年9月22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 Index56
  2. 推理60
  3. 编程59
  4. 智能体与工具53
  5. 指令遵循58
  6. 人类偏好59
  7. 长上下文59

嵌入这个排名

更多徽章样式
[![DeepSeek V3.1 Terminus on BenchLeader: 综合第 101 名](https://www.benchleader.com/badge/deepseek-v3-1-terminus.svg?style=compact)](https://www.benchleader.com/models/deepseek-v3-1-terminus)

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

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––116 tok/s0.96 s$0.0004智能体与工具 61 · 指令遵循 44 · 长上下文 47
thinking最佳55.5#20716 tok/s1.93 s$0.0015智能体与工具 53 · 编程 59 · 人类偏好 59 · 指令遵循 58 · 长上下文 59 · 推理 60
未说明53.0#26616 tok/s1.93 s$0.0004编程 47 · 人类偏好 59 · 数学 57 · 推理 56

Index 走势

2026年9月9日 至 2026年11月16日
495459
  • 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。

元数据

基准测试无推理thinking来源趋势
AA Openness Index不计入 Index38.9#15538.9#155Artificial Analysis

推理

基准测试无推理thinking默认来源趋势
Arena Hard Prompts–1445#1231424#151Arena (LMArena)
GPQA Diamond (AA)不计入 Index75.0%#25579.2%#203–Artificial Analysis
Humanity's Last Exam (AA)不计入 Index8.7%#36716.4%#261–Artificial Analysis
Kagi LLM Benchmark推理强度未说明––57.4%#59Kagi LLM Benchmark
CritPt不计入 Index0.0%#3371.7%#225–Artificial Analysis
LMCA不计入 Index推理强度未说明––28.6%#151Epoch AI Benchmarking Hub
DTBench不计入 Index推理强度未说明––81.3%#133Epoch AI Benchmarking Hub

编程

基准测试无推理thinking默认来源趋势
SciCode推理强度未说明––38.0%#199SciCode
Arena Coding–1459#1391440#164Arena (LMArena)
SciCode (AA)不计入 Index–38.0%#208–Artificial Analysis
ALE-Bench不计入 Index推理强度未说明––745.2#94Epoch AI Benchmarking Hub
Terminal-Bench 4.0 (AA)不计入 Index–0.0%#186–Artificial Analysis
Terminal-Bench 2.1 (AA)不计入 Index–44.9%#131–Artificial Analysis
LiveCodeBench (AA)不计入 Index52.9%#13179.8%#29–Artificial Analysis

智能体与工具

基准测试无推理thinking来源趋势
Terminal-Bench Hard31.8%#10330.3%#115Artificial Analysis
τ²-Bench Telecom (AA)不计入 Index37.1%#23237.1%#232Artificial Analysis
GDPval-AA v2.1不计入 Index–718#220Artificial Analysis
τ³-Banking (AA)–21.0%#96Artificial Analysis
AutomationBench不计入 Index–2.7%#212Artificial Analysis
GDP.pdf (AA)不计入 Index–5.4%#192Artificial Analysis
AA-Briefcase v1.1不计入 Index–458#220Artificial Analysis

数学

基准测试无推理thinking默认来源趋势
Arena Maths推理强度未说明––1396#159Arena (LMArena)
AIME 2025 (AA)不计入 Index53.7%#12989.7%#26–Artificial Analysis

知识

基准测试thinking来源趋势
Global-MMLU-Lite (AA)不计入 Index82.7%#53Artificial Analysis

指令遵循

基准测试无推理thinking默认来源趋势
IFBench41.2%#25557.0%#141–Artificial Analysis
Arena Instruction Following不计入 Index–1418#1171394#155Arena (LMArena)

人类偏好

基准测试thinking默认来源趋势
Arena Text1416#1351415#138Arena (LMArena)
Arena Creative Writing不计入 Index1385#1361405#104Arena (LMArena)
Arena Multi-turn不计入 Index1415#1371394#169Arena (LMArena)
Arena Longer Queries不计入 Index1445#1021419#138Arena (LMArena)

长上下文

基准测试无推理thinking来源趋势
AA-LCR v1.145.3%#35969.3%#243Artificial Analysis

综合

基准测试无推理thinking来源趋势
AA Intelligence Index v4.3.2不计入 Index13.9#31314.8#301Artificial Analysis
AA Progress Index v1不计入 Index213.5#372247.9#270Artificial Analysis

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
SiliconFlow21 tok/s1.68 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$0.756$1.51$2.27$3.0326年9月26年10月26年11月
输入 输出
当前:输入 $1.64 · 输出 $2.75

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。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$0.0015–20.7 s
总结一份 30 页的报告12,000 / 600$0.021–39.4 s
代码编辑6,000 / 1,500$0.014–1.6 min
智能体编程会话60,000 / 4,000$0.109–4.2 min
结构化信息提取2,000 / 200$0.0038–14.4 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 Terminus 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 Terminus on BenchLeader: 综合第 101 名](https://www.benchleader.com/badge/deepseek-v3-1-terminus.svg)](https://www.benchleader.com/models/deepseek-v3-1-terminus)

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 Terminus on the BenchLeader Index (method v1.4) [Data set]. Retrieved November 16, 2026, from https://www.benchleader.com/models/deepseek-v3-1-terminus

BibTeX:

@misc{benchleader_deepseek_v3_1_terminus_20261116,
  author       = {{BenchLeader}},
  title        = {{DeepSeek V3.1 Terminus on the BenchLeader Index (method v1.4)}},
  year         = {2026},
  month        = nov,
  howpublished = {\url{https://www.benchleader.com/models/deepseek-v3-1-terminus}},
  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 Terminus 的基准测试得分是多少?
截至 2026年11月16日,DeepSeek V3.1 Terminus(推理强度 thinking)的 BenchLeader Index 为 55.5 ±2.7。最强的是推理(60),最弱的是智能体与工具(53)。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 Terminus 排名第几?
截至 2026年11月16日,DeepSeek V3.1 Terminus(推理强度 thinking)在 608 个已排名配置中排第 207 名。另有 257 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 Terminus 每百万 token 的价格是多少?
截至 2026年11月16日,DeepSeek V3.1 Terminus 的价格为输入每百万 token $1.64、输出每百万 token $2.75,混合价格(每 1 个输出 token 对应 3 个输入 token)为 $1.92。标价最近一次变动是在 2026年9月19日。
DeepSeek V3.1 Terminus 是什么时候发布的?
DeepSeek 于 2025年9月22日发布了 DeepSeek V3.1 Terminus。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 Terminus: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-terminus。