Perbandingan Model
DeepSeek-V3.1
vs
Ring-flash-2.0
15 Feb 2026
Harga
Input
$
0.27
/ M Tokens
$
0.14
/ M Tokens
Output
$
1.0
/ M Tokens
$
0.57
/ M Tokens
Metadata
Buat di
21 Agu 2025
19 Sep 2025
Lisensi
MIT LICENSE
MIT LICENSE
Penyedia
DeepSeek
inclusionAI
Spesifikasi
Negara
Available
Available
Arsitektur
Mixture of Experts
Mixture-of-Experts (MoE) with 1/32 expert activation ratio and MTP layers, featuring low activation and high sparsity design
Terkalibrasi
Ya
Ya
Campuran Ahli
Ya
Ya
Total Parameter
671B
100B
Parameter yang Diaktifkan
37B
6.1B
Penalaran
Tidak
Tidak
Precision
FP8
FP8
Text panjang konteks
164K
131K
Max Tokens
164K
131K
Didukung Keberfungsian
Serverless
didukung
didukung
Serverless LoRA
Tidak didukung
Tidak didukung
Fine-tuning
Tidak didukung
Tidak didukung
Embeddings
Tidak didukung
Tidak didukung
Rerankers
Tidak didukung
Tidak didukung
Dukung Image Input
Tidak didukung
Tidak didukung
JSON Mode
didukung
Tidak didukung
Output Terstruktur
Tidak didukung
Tidak didukung
Alat
didukung
Tidak didukung
Fim Completion
didukung
Tidak didukung
Chat Prefix Completion
didukung
didukung
DeepSeek-V3.1dalam Perbandingan
Lihat bagaimana DeepSeek-V3.1membandingkan dengan model populer lainnya di berbagai dimensi kunci.
VS
MiniMax-M2.5
VS
GLM-5
VS
Step-3.5-Flash
VS
GLM-4.7
VS
MiniMax-M2.1
VS
GLM-4.6V
VS
DeepSeek-V3.2
VS
DeepSeek-V3.1-Nex-N1
VS
Kimi-K2-Thinking
VS
MiniMax-M2
VS
DeepSeek-V3.2-Exp
VS
GLM-4.6
VS
DeepSeek-V3.1-Terminus
VS
Qwen3-VL-235B-A22B-Instruct
VS
Qwen3-VL-235B-A22B-Thinking
VS
Ring-flash-2.0
VS
Ling-flash-2.0
VS
Kimi-K2-Instruct-0905
VS
GLM-4.5V
VS
gpt-oss-120b
