DeepSeek V3 0324 (Deep Infra)

DeepSeek V3 0324 属于 deepseek 模型家族，于 2025 年 3 月 24 日发布，采用开源权重形式发布，输入与输出均为文本模态。它最突出的规格是 163840 tokens 的上下文窗口，单次最大输出同样可达到 163840 tokens，这意味着长文档整篇读取、超长内容一次性续写这类任务不必先做复杂的分片拼接。接口层面提供工具调用与温度调节两项能力，可以接入函数调用流程，也能按任务调节生成随机性，适合工程化集成而非单纯聊天。本站未收录该模型的公开跑分，第三方评测数据为空，实际表现需结合自有任务集验证。当前收录平台为 1 家，各平台报价一致，价格层面没有明显的渠道差价可供套利。把它放在同家族产品线里看，它的输入单价低于 DeepSeek-V3 (Deep Infra)，也显著低于 R1 系列各版本，属于同系列中偏重成本效率的一档；与偏安全过滤的 Llama Guard 4 12B 相比则更贵，但两者定位并不重叠。

选型建议需要超长上下文、纯文本批处理且对成本敏感时选它；需要多模态输入、公开跑分背书或多家渠道备选时不宜作为首选。

• 批量解析长篇合同与制度文档，抽取条款、义务方与关键日期
• 对技术文档或研究资料做整篇摘要与结构化重组
• 在业务系统中通过工具调用挂接检索、查询与写库动作
• 生成较长篇幅的营销文案、说明文档初稿并统一风格
• 用较低温度执行信息抽取与分类，保证输出格式稳定

公开资料对具体网络结构的披露有限，以下仅基于本模型已确认的规格与能力作定性说明。

• 结构官方未在本站数据中披露参数量、层数与注意力细节，公开资料较少，仅可确认是面向文本输入输出的开源权重模型。
• 上下文163840 tokens 的上下文窗口与同为 163840 tokens 的单次最大输出对齐，长文档整篇投喂与长篇幅直接生成都无需前置截断。
• 能力支持工具调用与温度调节，便于接入函数调用链路，并针对抽取、摘要等不同任务调整输出稳定性。
• 披露本站未收录该模型的公开跑分与技术报告细节，架构层面的量化结论应以官方权重说明为准。

开源权重

是

模型家族

deepseek

本站未收录该模型的第三方跑分，以下强弱项判断基于规格、价格与同家族对比，仅供选型参考。

• 强项超长上下文配合超长单次输出，适合整篇合同、长报告、代码库片段一次性处理，减少分块带来的信息割裂。
• 强项输入价格在同家族对比中偏低，同等长文本吞吐下的成本压力小于 DeepSeek-V3 与 R1 各版本。
• 短板仅支持文本，无法处理图像、音频等输入；仅有工具调用与温度调节两项可调能力，复杂编排需自行在应用层补齐。
• 适合对成本敏感、以长文本批处理和结构化抽取为主、并需要函数调用接入业务系统的工作流。

输入 $0.24/M、输出 $0.9/M、缓存读 $0.135/M，两个平台报价完全一致，成本结构清晰。

• 定位输入单价处于同家族较低区间，输出价格低于 DeepSeek-V3 (Deep Infra) 的 $0.89/M 之外的 R1 各版本，偏走量型文本任务更划算。
• 横向对比相对本模型输入价，DeepSeek-V3 高 33.3%，DeepSeek R1 0528 高 108.3%，DeepSeek-R1 高 191.7%，Llama Guard 4 12B 则低 25.0%。
• 平台差价models.dev 与 edenai 两处报价均为输入 $0.24/M、输出 $0.9/M、缓存读 $0.135/M，相对输入价 0.0%，暂无跨平台套利空间。
• 省钱缓存读价格约为输入价的一半多，重复投喂固定系统提示或长知识库时优先走缓存，再配合长上下文减少重复请求次数。

同一个模型在不同网关的报价可能不同。本页基准取官方口径 $0.24/M / $0.9/M（输入 / 输出，美元 / 百万 tokens），其余来源的差价在「相对输入价」列列出，供比价参考。

取上下文相近（约 0.5~2 倍）的同类主流模型；同厂商、同家族优先；价格差为相对本模型的输入价

• 口径本站未收录该模型的公开跑分与第三方评测，任何性能结论都需在自有数据集上复测，不能直接引用榜单。
• 边界仅文本输入输出，不支持多模态；能力项只有工具调用与温度调节，缺乏更多推理参数调节手段。
• 生态可查平台仅 1 家（Eden AI，部署于 Deep Infra），供应渠道单一，可用性与限流策略受该渠道约束。

本页资料由多个公开来源交叉整理：按「官方目录 → 通用网关 → 开源仓库 → 中文资料」的优先级合并， 冲突时取优先级高的来源。价格单位是美元 / 百万 tokens，为各平台对 API 调用的报价，不含自部署成本。 资料由公开来源整理，不代表 AiTest 已对该模型或其收录中转站做过真实性、稳定性或安全检测。

本页的模型介绍、架构、性能与性价比解读为 AI 综合公开信息整理，部分未经本站逐项核实；规格、价格与跑分以本页数据字段为准。