
Modelo agente multimodal de pesos abertos, ajustado com RL em larga escala e uma janela de 1M tokens, servido na Deepinfra.
A Deepinfra oferece aos desenvolvedores APIs simples e rápidas para executar modelos abertos em escala de produção sem gastar demais.
DeepSeek-V4.1-Flash-1017
NVIDIA-Nemotron-3.5-Super-VL
GPUs DGX B300 sob demanda
Hy4-preview
MiMo-V2.6-Flash
GLM-5.3
Kimi-K3.1-Pro
Notícias de financiamento · 4 de maio de 2026
A rodada foi liderada conjuntamente por 500 Global e Georges Harik, com a participação de NVIDIA, Felicis, Samsung Next, Supermicro, Crescent Cove e vários outros apoiadores. A Deepinfra está destinando o valor para capacidade e novo hardware.
$107M
Série B captada
25x
mais tokens servidos desde a Série A
Cobrança baseada no uso, sem lock-in e sem cobranças surpresa. Dois fundadores numa garagem ou uma empresa global — a Deepinfra cresce com você, por meio de APIs limpas e engenheiros que realmente respondem.
Ajuste para latência, throughput, custo ou volume absoluto. A Deepinfra monta a implantação em torno do que for mais importante para você, com mais de 100 modelos hospedados prontos para chamada.
Prompts, completions e dados de usuários finais nunca são armazenados. A Deepinfra é certificada pelas normas ISO 27001 e SOC 2, e trata as revisões de segurança como trabalho de rotina, e não como uma correria anual.
A Deepinfra opera sua própria frota de GPUs em instalações seguras nos EUA, ajustada de ponta a ponta para servir modelos — assim a latência permanece baixa e o tempo de atividade permanece alto.
Modelos
Modelos de fala e imagem estão no catálogo completo da Deepinfra. Abra aqui

Modelo agente multimodal de pesos abertos, ajustado com RL em larga escala e uma janela de 1M tokens, servido na Deepinfra.

Atualização incremental do V4.1-Flash com pontuações melhores em raciocínio, programação e agentes, além de respostas mais curtas.

Modelo de visão de mistura de especialistas de 120B (12B ativos) que lê imagens, documentos, telas e vídeos e, em seguida, age.

Prévia do principal modelo de mistura de especialistas com 770B de parâmetros da Tencent, acessível via API da Deepinfra.

MoE esparso focado em eficiência da linha V2.6 da Xiaomi, feito para chamadas rápidas e leves do dia a dia.

Modelo principal da família V2.6 da Xiaomi: um MoE esparso de 1.02T de parâmetros voltado para tarefas complexas de raciocínio.

MoE multimodal em uma base de 552B, equilibrando velocidade e profundidade para agentes e chat na Deepinfra.

Modelo de raciocínio de grande porte da Z.ai para engenharia de software complexa e tarefas de agentes de longo horizonte.

Versão irmã nativamente multimodal do GLM-5.3, dimensionada para ajuda rápida em programação e execuções longas de agentes.

Raciocinador multimodal com pesos abertos de 2,8T parâmetros da Moonshot para tarefas de programação exigentes, hospedado na Deepinfra.

Lançamento oficial do V4-Pro que substitui a versão prévia, com amplos ganhos na qualidade de raciocínio.

Lançamento oficial do V4-Flash que substitui a versão prévia, mantendo a latência baixa para tráfego de alto volume.
Velocidade, escala, estabilidade e gastos em toda a frota Deepinfra, atualizados conforme o tráfego flui.
40.42M
Tokens / segundo
345ms
Tempo até o primeiro token
3654
Requisições / segundo
24.35
exaFLOPS online
DeepCluster
Hardware adquirido, montado em rack e operado pela Deepinfra em uma instalação Tier 3. A capacidade é sua; nós a mantemos saudável sob um SLA de disponibilidade de 99.982%.
Planeje seu clusterNVIDIA B300 · prazo de 5 anos
99.982%
tempo de atividade, previsto no SLA