DeepSeek-V3 0324

Fiche modèle · DeepSeek · deepseek-v3-0324

A powerful Mixture-of-Experts (MoE) language model with 671B total parameters (37B activated per token). Features Multi-head Latent Attention (MLA), auxiliary-loss-free load balancing, and multi-token prediction training. Pre-trained on 14.8T tokens with strong performance in reasoning, math, and code tasks.

Fiches modèles

Identité

Organisation	DeepSeek
Pays	—
Famille	—
Type	llm
Date de sortie	2025-03-25
Licence	mit + model license (commercial use allowed)
Licence commerciale	non
Licence open source	non
Poids ouverts	oui
Auto-hébergement (DGX Spark)	non — 671 Md > 107 Md
Modalités	text
Fenêtre de contexte	163 840
KV cache / token (Q8)	874.5 ko/token
Paramètres totaux	671 B
Paramètres actifs (session)	37 B
Source des paramètres actifs	web : https://huggingface.co/deepseek-ai/DeepSeek-V3-0324
Curation des paramètres actifs	2026-11-04
Prix par session	0.42 $ (1 000 000 tokens entrée + 200 000 sortie, prix le moins cher par fournisseur)
Tokens / tâche (Data Players)	1.2 M
Tokens / tâche (Terminal-Bench)	83.3 M (est.)
Ratio Terminal-Bench / Data Players	69.4×
Coût / tâche (Terminal-Bench)	3.53 $ (est.)
Tokens d'entraînement	14 800 000 000 000
Coupure de connaissance	—
Créé le	2026-05-07T16:53:28.317252Z
Mis à jour le	2026-11-04T06:04:39.923317Z
Source	LLM Stats
URL	https://llm-stats.com/models/deepseek-v3-0324

Tokens/tâche

Prix par fournisseur

Prix

Statut du modèle (offres + auto-hébergement) : non — hors DGX Spark (> 107 Md).

Toutes sources confondues : catalogue llm-stats, routeurs EUrouter/Cortecs et catalogues directs (OVHcloud, Scaleway, Infomaniak). Les prix sont convertis en USD pour la comparaison ; le prix publié et le taux BCE utilisé sont dans l'infobulle. Les prix inconnus restent indiqués « — ».

Fournisseur	Source	Souveraineté	Entrée (/M tok)	Sortie (/M tok)	Quantification	Contexte	Latence (s)	Débit (tok/s)	Statut
DeepInfra	llm-stats	non	0.24 $	0.90 $	—	—	—	—	active

Souveraineté qualifiée par offre (modèle × fournisseur) ; survolez le badge pour les critères.

Souveraineté

Scores par catégorie (top_scores)

Catégorie	Score
language	0.80
legal	0.80
math	0.80
physics	0.70
reasoning	0.70
finance	0.80
general	0.70
healthcare	0.80
biology	0.70
chemistry	0.70
code	0.50

Scores par benchmark

Benchmark	Catégorie	Score	Max	Normalisé (API)	Vérifié	Auto-déclaré	Daté du
aime-2024	math	0.59	1.00	0.59	non	oui	2026-11-04T06:04:39.933230Z
gpqa	reasoning	0.68	1.00	0.68	non	oui	2026-11-04T06:04:39.938236Z
livecodebench	reasoning	0.49	1.00	0.49	non	oui	2026-11-04T06:04:39.943092Z
math-500	math	0.94	1.00	0.94	non	oui	2026-11-04T06:04:39.953128Z
mmlu-pro	language	0.81	1.00	0.81	non	oui	2026-11-04T06:04:39.963248Z

Classements

Catégorie	Rang	Score	Note conservatrice	Benchmarks évalués	Méthode	Daté du	Provenance
code	227	—	3.92	1	trueskill	2026-10-19	model_history

Lecture : Note conservatrice = borne basse TrueSkill (niveau estimé − marge d’incertitude) ; Benchmarks évalués = nombre de benchmarks de la catégorie pris en compte. À performances égales, un modèle évalué sur moins de benchmarks obtient une note plus basse : la note ne se déduit pas d’un seul score. Provenance : rankings = top 50 de /rankings ; model_history = historique du modèle (/models/{id}/history), utilisé pour les rangs au-delà du top 50.

Données

Dates de curation (récupération depuis l'API) : models 2026-11-04 · benchmarks 2026-11-04 · scores 2026-11-04 · updates 2026-11-04 · account 2026-11-04 · model_history 2026-11-04 · rankings 2026-11-04