PPIO首发上线DeepSeek-V3.1-Terminus

PPIO首发上线DeepSeek-V3.1-Terminus

刚刚,PPIO 首发上线 DeepSeek-V3.1 的更新版本 DeepSeek-V3.1-Terminus!该版本的模型输出效果相比前一版本更加稳定。

此次更新在保持模型原有能力的基础上,针对用户反馈的问题进行了改进,包括:

  • 语言一致性:缓解了中英文混杂、偶发异常字符等情况;
  • Agent 能力:进一步优化了 Code Agent 与 Search Agent 的表现。

“Terminus”源自拉丁语,意为“终点、完结”之意,或许代表了 DeepSeek V3 这一大版本的最终更新,后续的更新或将开启新版本。

快速入口:

https://ppio.com/llm/deepseek-deepseek-v3.1-terminus

开发者文档:

https://ppio.com/docs/model/overview

DeepSeek-V3.1-Terminus 

表现如何?

根据官方文档,此前的 deepSeek-chat 和 deepseek-reasoner 都已经升级为 DeepSeek-V3.1-Terminus。

deepSeek chat 对应 DeepSeek-V3.1-Terminus 的非思考模式,deepseek-reasoner 对应 DeepSeek-V3.1-Terminus 的思考模式

我们将 PPIO DeepSeek-V3.1-Terminus 的模型 API 接入  Cherry Studio 进行体验。

(1)非思考模式提示词:

请用三种不同的身份回答同一个问题:

问题:量子计算与经典计算的根本差异是什么?

  • 身份1:物理学博士
  • 身份2:中学老师
  • 身份3:科幻小说作家

(2)思考模式提示词:

某工厂有三个机器:A、B、C。

  • A 生产 40 个零件,每个零件有 20% 概率次品。
  • B 生产 60 个零件,每个零件有 10% 概率次品。
  • C 生产 100 个零件,每个零件有 5% 概率次品。

如果我从总产出里随机抽一个零件,结果是次品,

那么它来自机器 A 的概率是多少?

你可以到 PPIO 官网在线体验 DeepSeek-V3.1-Terminus ,或者将模型 API 接入 Cherry Studio、ChatBox 或者你自己的 AI 项目中。

查看详细接入教程:

https://ppio.com/docs/model/overview

DeepSeek-V3.1-Terminus 进一步优化了 Code Agent 与 Search Agent 的表现。

Read more

PPIO上线Kimi K2 Thinking,兼容Anthropic协议

PPIO上线Kimi K2 Thinking,兼容Anthropic协议

今天,PPIO 上线 Kimi K2 Thinking,这是 Kimi 最新、功能最强大的开源思考模型。 Kimi K2 Thinking 基于 Kimi K2 后训练而来的混合专家模型(MoE),总参数达 1T,激活参数 32B,上下文长度 256K。该模型支持深度思考、Function Call、结构化输出、json_schema、json_object 等功能。 现在,你可以到 PPIO 官网在线体现 Kimi K2 Thinking,也可以将 PPIO 的模型 API 部署到 AI 应用中。 PPIO 在线体验地址: https:

By PPIO
PPIO独家上新GPU实例模板,一键部署Kimi-Linear

PPIO独家上新GPU实例模板,一键部署Kimi-Linear

昨晚,月之暗面发布了混合线性注意力架构新模型 Kimi-Linear,旨在解决大语言模型在长上下文推理中的计算瓶颈。 Kimi-Linear 的核心亮点: * Kimi Delta Attention(KDA),一种通过细粒度门控机制改进门控规则的线性注意力架构。 * 混合架构:采用 3:1 的 KDA 与全局 MLA 比例,在保持甚至超越全注意力质量的同时降低内存占用。 * 卓越性能:在 1.4T Token 的训练规模下,经公平对比,KDA 在长文本与类强化学习基准等多项任务上均优于全注意力。 * 高吞吐:在 1M 上下文中实现最高 6 倍的解码吞吐量,显著缩短单输出 Token 耗时(TPOT)。 今天,PPIO 独家上新 GPU 实例模板,可一键部署 Kimi-Linear-48B-A3B-Instruct 的专属模型。 PPIO 算力市场的

By PPIO
为什么说“Spot GPU实例”是AI算力体系的战略级补充?

为什么说“Spot GPU实例”是AI算力体系的战略级补充?

在云计算的成本优化领域,有一种独特的计费模式,它允许用户以极低的折扣获取计算资源,堪比“捡漏”。这就是 Spot 实例。 早期的 Spot 实例是“闲置资源的低价甩卖”,本质是供需调节。但在今天的云原生与 AI 生态中, Spot 实例——尤其是 Spot GPU 实例,变成了 AI 算力编排体系中的战略一环。 对于希望最大化利用云预算的开发者和企业来说,理解并善用 Spot GPU 实例是实现成本效益最大化的关键。 # 01 什么是 Spot 实例? Spot 实例,又被称为竞价实例、抢占式实例,是云服务提供商将数据中心内的闲置计算容量以动态变化的价格进行售卖的一种机制。 Spot 实例在性能上与标准的按需实例(On-Demand Instance)并无二致,但价格却能提供高达 50%~90% 的折扣。 而低价的代价是,当云服务商需要收回这些容量以满足按需或其他更高优先级用户的需求时,

By PPIO
AI正跨越鸿沟,创业者该关注什么?PPIO姚欣提出两大关键指标

AI正跨越鸿沟,创业者该关注什么?PPIO姚欣提出两大关键指标

从 23 岁在宿舍创办PPTV,到率先成立 AI 创业营,再到预见性地布局 AI 云算力基础设施 PPIO ,创业者姚欣的二十一年,是一部穿越了 PC 、移动和 AI 三次技术浪潮的“活历史”。 近日,PPIO 联合创始人兼 CEO 姚欣受邀做客36氪《AI局中人》栏目,直播中分享了他横跨 PC 互联网、移动互联网到 AI 时代的三段创业经历,并与36氪特邀主持人、蚂蚁集团 NEXTA 创新实验室项目负责人何思翀深入探讨了以下内容: · 谈选择:放弃内卷的 AI 应用红海,他为何坚信“送水”是门更好的生意? · 谈数据:日均 2000 亿次 Token 调用的硬核数据里,藏着你没看到的增长密码。 · 谈未来:杀手级应用不是下一个微信,

By PPIO