DeepSeek V3.1 Terminus
Réseau Neuronal
DeepSeek V3.1 Terminus : mise à jour de DeepSeek V3.1 avec une cohérence linguistique et des capacités d'agent améliorées.
Longueur maximale de la réponse
(en tokens)
Taille du contexte
(en tokens)
Coût du prompt
(par 1M tokens)
Coût de la réponse
(par 1M tokens)
Comment ça marche DeepSeek V3.1 Terminus?
Terminus est une mise à jour du modèle DeepSeek V3.1 par l'équipe DeepSeek : les capacités de base de la version précédente sont conservées, tandis que certains retours utilisateurs ont été pris en compte, améliorant la cohérence linguistique et le comportement dans les scénarios d'agents. Si vous avez déjà construit des processus sur DeepSeek V3.1, la transition ne nécessite pas de refonte logique : c'est la même gamme, juste plus précise dans les détails. Sur BotHub, le modèle est accessible sans VPN ni carte étrangère, le paiement s'effectue en roubles et est débité à l'usage par jeton, sans expiration du solde inutilisé. Plus de 250 autres réseaux neuronaux sont disponibles dans la même fenêtre, vous permettant de comparer les réponses et de choisir le modèle adapté à votre tâche sans créer de comptes séparés. Pour les équipes produit, il existe une API unique compatible OpenAI : une seule connexion, et le modèle peut être changé sans réécrire l'intégration, avec en plus un chiffrement AES-GCM et un accès entreprise via contrat avec facture et panneau d'administration. Les développeurs utiliseront Terminus pour l'analyse et le refactoring de code, les analystes pour compiler des rapports, le support pour les brouillons de réponses, et les créateurs d'agents comme modèle central.Questions fréquentes sur DeepSeek V3.1 Terminus
Vous pouvez utiliser les résultats générés à des fins commerciales. Tous les droits sur le contenu créé vous appartiennent. Seule restriction : vérifiez que la requête ne contient pas de contenus protégés par le droit d'auteur appartenant à des tiers. Le respect des droits sur les données d'entrée relève de votre responsabilité.
Il s'agit d'un modèle textuel DeepSeek avec raisonnement et appel d'outils. Il est adapté au travail sur le code : écriture, refactoring, débogage, ainsi qu'à l'analyse de longs documents, aux analyses et aux tâches STEM. La fenêtre contextuelle est de 131 072 jetons, ce qui permet d'inclure un grand projet ou un ensemble de fichiers dans une seule conversation.
Jusqu'à 65 536 jetons par réponse, soit des dizaines de pages de texte ou un grand module de code complet. Le modèle fournit des documents longs, de la documentation et le refactoring de gros fichiers sans les diviser en parties, vous n'aurez donc pas à assembler le résultat à partir de morceaux.
Oui, le raisonnement avant réponse et la chaîne de pensée sont confirmés par nos données. Le modèle analyse d'abord la condition étape par étape, vérifie les conclusions intermédiaires, puis répond. Cela aide considérablement en mathématiques, en logique, dans l'analyse des exigences et dans la recherche de la cause d'une erreur dans le code.
Oui, les deux. Le modèle appelle des fonctions externes et renvoie du JSON structuré, ce qui le rend facile à intégrer dans des agents, des pipelines et la logique métier. Sur BotHub, cela fonctionne via une API unique compatible OpenAI : vous pouvez changer de modèle sans réécrire l'intégration.
En plus du texte, vous pouvez fournir des images et des documents : le modèle analysera une capture d'écran, un schéma, un tableau ou un fichier et répondra par du texte. L'audio et la vidéo ne sont pas pris en charge dans nos données. La génération est également textuelle — pour les images et les vidéos, il existe des modèles distincts dans le catalogue.
La langue des prompts et des réponses n'est pas spécifiée séparément dans nos données, nous ne pouvons donc pas garantir la précision — il est plus fiable de tester sur votre propre tâche. Dans la même fenêtre BotHub, vous pouvez comparer la réponse de ce modèle avec d'autres et choisir celle qui convient, sans VPN ni carte étrangère.