DeepSeek-V3.2-Speciale 开放临时 API 端点
DeepSeek 通过临时端点 base_url=https://api.deepseek.com/v3.2_speciale_expires_on_20251215 提供 V3.2-Speciale,定价同 V3.2 且无工具调用。该服务可用至2025年12月15日15:59 UTC,详情参见文档。
DeepSeek 通过临时端点 base_url=https://api.deepseek.com/v3.2_speciale_expires_on_20251215 提供 V3.2-Speciale,定价同 V3.2 且无工具调用。该服务可用至2025年12月15日15:59 UTC,详情参见文档。
DeepSeek 官方 API 的 deepseek-chat 和 deepseek-reasoner 均已升级到 DeepSeek-V3.2。deepseek-chat 对应 DeepSeek-V3.2 的非思考模式,deepseek-reasoner 对应思考模式。该更新记录于 DeepSeek API 官方更新日志。
推荐理由:此次版本升级将 DeepSeek 官方的 chat 与 reasoner 接口统一到 V3.2,开发者可按思考与非思考模式选择调用。
DeepSeek 将 deepseek-chat 和 deepseek-reasoner 升级至 DeepSeek-V3.2-Exp。deepseek-chat 对应 DeepSeek-V3.2-Exp 的非思考模式,deepseek-reasoner 对应其思考模式。
DeepSeek 已将 deepseek-chat 和 deepseek-reasoner 升级到 DeepSeek-V3.1-Terminus,分别对应非思考与思考模式。更新保持原模型能力,减少中英混合与异常字符,并优化 Code Agent 和 Search Agent 性能。
推荐理由:DeepSeek 将 deepseek-chat 与 deepseek-reasoner 升级至 V3.1-Terminus,改善语言一致与 Agent 性能。
DeepSeek 将 deepseek-chat 与 deepseek-reasoner 升级到 DeepSeek-V3.1,采用混合推理架构支持思考与非思考模式。相较 DeepSeek-R1-0528,新模型推理效率提升且智能体任务能力增强,SWE-bench Verified 66.0、SWE-bench Multilingual 54.5、Terminal-bench 31.3。
推荐理由:DeepSeek-V3.1 采用混合推理架构并公布 SWE-bench Verified 66.0 等基准,读者可对比 R1 版本判断其推理与智能体任务提升。
Mistral 发布 Voxtral 语音理解模型,提供 24B 生产级和 3B 本地与端侧两个版本,均以 Apache 2.0 许可开源并上线 API。模型支持 32k token 上下文,可处理最长 30 分钟音频转写或 40 分钟音频理解,具备内置问答与摘要、多语言自动检测以及从语音直接触发函数调用等能力。
推荐理由:Mistral 开源语音理解模型,给出两种尺寸、32k 上下文与 API 定价,可据此判断开源语音方案的落地成本。
Mistral AI 与 All Hands AI 合作推出 Devstral Medium,并升级 Devstral Small 至 1.1。
推荐理由:Mistral 与 All Hands AI 联合发布两款代码智能体模型,给出 SWE-Bench Verified 分数与 API 定价,便于对比现有方案。
Mistral AI 发布首款推理模型 Magistral,分为 24B 参数的开源版 Magistral Small 和企业版 Magistral Medium。
推荐理由:Mistral 首款推理模型同时给出开源权重与企业版,并公开训练论文,可对照其多语言推理与速度主张。
Mistral AI 发布首个面向代码的嵌入模型 Codestral Embed,称在真实代码检索场景中优于 Voyage Code 3、Cohere Embed v4.0 和 OpenAI 的大型嵌入模型。
推荐理由:官方给出代码嵌入模型在检索基准上的对比与多维度、多精度取舍,可据此评估代码 RAG 的存储与质量平衡。
DeepSeek 将 deepseek-reasoner 模型升级到 DeepSeek-R1-0528,增强推理能力并优化前端开发。基准 AIME 2025 从70.0升至87.5,GPQA 71.5至81.0,LCB_v6 63.5至73.3,Aider 57.0至71.6,幻觉减少且支持函数调用(Tau-bench Airline 53.5/Retail 63.9)。
推荐理由:原文列出 AIME 2025 等四项基准的具体涨幅,读者可对比旧版 R1 判断推理与代码能力增强幅度,以及 token 成本变化。
Mistral AI 与 All Hands AI 合作发布面向软件工程任务的智能体模型 Devstral,在 SWE-Bench Verified 上取得 46.8%,比此前开源 SoTA 高出 6 个百分点以上,并以 Apache 2.0 许可开源。
推荐理由:官方给出 Devstral 在 SWE-Bench Verified 的分数与开源许可,读者可据此判断开源编码智能体的当前水位。
Mistral AI 发布 Mistral Medium 3,称其在多项基准上达到 Claude Sonnet 3.7 的 90% 或以上,价格为每百万 token 输入 0.4 美元、输出 2 美元。
推荐理由:官方给出 Mistral Medium 3 的定价、对标模型与部署门槛,可据此判断企业自部署的成本与可行性。
DeepSeek 将 deepseek-chat 模型升级至 DeepSeek-V3-0324,推理与代码生成等能力得到增强。新版本在 MMLU-Pro 75.9→81.2、AIME 39.6→59.4 等基准显著提升,并改进中文写作、搜索及函数调用准确性,修复了旧版 V3 的问题。
推荐理由:DeepSeek-V3-0324 在 MMLU-Pro 与 AIME 等基准较旧版 V3 提升明显,读者可对比数值了解推理与前端代码改进。
Mistral AI 发布 Mistral Small 3.1,在 Mistral Small 3 基础上提升文本性能与多模态理解,上下文窗口扩展至 128k tokens,推理速度达 150 tokens/s,以 Apache 2.0 许可开源。
推荐理由:官方给出 128k 上下文、150 tokens/s 与 Apache 2.0 开源等参数,可据此判断小模型在端侧与多模态场景的可用性。
Mistral 发布首个区域语言模型 Mistral Saba,这是一款 24B 参数模型,支持阿拉伯语及多种南亚语言。该模型响应速度超过 150 tokens/s,性能优于 5 倍于其规模的模型,且支持 API 调用及本地部署。此前 Mistral 刚发布了 Mistral Small 3,Saba 是其针对中东和南亚市场的定制化补充。
Mistral AI 发布 24B 参数模型 Mistral Small 3,采用 Apache 2.0 许可,在 MMLU 上准确率超 81%、延迟 150 tokens/s。
推荐理由:24B 参数对标 Llama 3.3 70B 且同硬件下快 3 倍以上,可据此判断本地部署的性价比。
DeepSeek API 更新日志宣布 deepseek-reasoner 是新模型 DeepSeek-R1。用户指定 model='deepseek-reasoner' 可调用 DeepSeek-V3,详情参见 DeepSeek-R1 Release,指南见 Thinking Mode。
推荐理由:DeepSeek API 更新日志宣布 deepseek-reasoner 即新模型 DeepSeek-R1,并附思考模式指南,便于接口接入。
DeepSeek 已将 deepseek-chat 模型升级至 DeepSeek-V3,API 调用方式保持不变。用户仍可通过指定 model='deepseek-chat' 调用新模型,无需修改代码。
推荐理由:DeepSeek-V3已通过现有deepseek-chat接口提供服务,API参数保持不变,开发者无需修改代码即可平滑迁移到新模型。
DeepSeek 将 deepseek-chat 模型升级至 DeepSeek-V2.5-1210,MATH-500 基准成绩从 74.8% 提升至 82.8%,LiveCodebench 准确率从 29.2% 增至 34.38%。新版本同时优化了文件上传和网页摘要功能的用户体验。
DeepSeek V2 Chat 与 Coder V2 合并升级为 DeepSeek V2.5,API 仍可通过 deepseek-chat 与 deepseek-coder 访问。新模型在通用与代码基准上超越前代,ArenaHard 胜率从 68.3% 升至 76.3%,HumanEval 达 89%。此次升级将原有对话与代码模型统一为单一模型。
推荐理由:DeepSeek V2.5 合并了此前的对话与代码模型,ArenaHard 与 HumanEval 等基准显示其通用和代码能力较前代有明显提升。
DeepSeek-Coder 模型已升级至 DeepSeek-Coder-V2-0724 版本。此次更新标志着该代码模型完成了版本迭代,具体性能指标或功能变更未在原文中披露。
DeepSeek 将 deepseek-chat 模型升级至 DeepSeek-V2-0628,推理等能力显著提升。在 HumanEval、MATH 和 BBH 基准上分别达到 84.76%、71.02% 和 83.40%,Arena-Hard 对 GPT-4-0314 胜率从 41.6% 增至 68.3%。模型角色扮演能力也明显增强,可按对话要求扮演不同人物。
推荐理由:DeepSeek-V2-0628 在代码、数学与推理基准上较旧版明显提升,对 GPT-4-0314 胜率增至 68.3%,便于开发者评估模型替换。
DeepSeek-Coder 模型升级至 DeepSeek-Coder-V2-0614,代码生成等能力达到 GPT-4-Turbo-0409 水平。该模型具备优秀数学与推理能力,通用能力与 DeepSeek-V2-0517 相当。
推荐理由:DeepSeek-Coder-V2-0614 在代码任务上持平 GPT-4-Turbo-0409,且通用能力与 DeepSeek-V2-0517 相当,可供开发者评估替换。
deepseek-chat 模型升级至 DeepSeek-V2-0517,IFEval 指令遵循准确率从 63.9% 提升至 77.6%。API 端优化 system 指令遵循,JSON 解析率从 78% 升至 85%,配合正则达 97%,改善了沉浸式翻译与 RAG 等任务体验。