8月19日晚间开云kaiyun体育，DeepSeek官方悄然上线了全新的V3.1版块。

官方公告强调了陡立文长度拓展至128k，但跟着社区的深入挖掘和实测，这次“小更新”之下其实有着更多模子架构的变革和模子重心才智的微调，在编程才智上的提高也可圈可点，资本上风重回显赫。

但是，模子交融的本事阶梯也激发浓烈争论，部分用户反映旧版模子的“恶疾”复现，对这次更新的评价呈现出南北极分化的态势。

发布两天后，DeepSeek官方在公众号上发布了接洽音书。

此时，正顺应咱们回看V3.1，更邃密地拆解这次“小更新”。

架构之变：V3.1吞掉R1，收缩部署复杂度

尽管DeepSeek官方在更新讲述中将“陡立文长度拓展至128k”动作中枢亮点，但此前的V3版块早已救助128K陡立文，只是官方API接口此前仅开放至64K。

因此，这次更新的确切中枢并非陡立文长度，而是模子底层的架构演进。

把柄官方最新发布的公众号践诺，证据了V3.1为混杂推理架构，即使用一个模子同期救助念念考口头与非念念考口头。

当今在DeepSeek的官方网页和APP上，即使用户开启“深度念念考”口头，模子的标志也已从畴昔的“R1”变为了归拢的“V3”。

用户通过API调用推理模子时，模子也明确“见告”我方是V3模子。

不外这里和GPT-5自动路由不同，是否开放念念考口头，已经是用户放荡，而非通过自动的模子路由判断。

在过往的教学中，这种混杂模子可能会导致非推理任务，如创意写稿和情商抒发等才智的下跌。不外，把柄社区内用户分析，这种混杂不错简化部署和运维，提高算力诈欺着力。

才智优化：编程再提高，资本再下跌

除了架构改变外，V3.1被最初严防到的是编程才智的大幅提高。

把柄社区等闲援用的Aider编程基准测试数据露出，DeepSeek V3.1取得了71.6%的高分，在开源模子中凯旋“霸榜”。

这一得益不仅超越了此前的DeepSeek R1，以致打败了苍劲的闭源模子Claude 4 Opus。

在其他泰斗基准测试中，V3.1相同发扬出色。

SVGBench：实力仅次于GPT-4.1-mini，远超前代DeepSeek R1。

MMLU：在多任务话语和会方面，V3.1的发扬绝不失神于GPT-5，得分达到88.5%。

不外，在辩论生级别问答（GPQA）和软件工程（SWE-Bench verified）等限度，V3.1与GPT-5比较仍存在一定差距。

在V3.1备受闪耀的编程才智实战中，其发扬可圈可点但并非圆善。

在新智元生成一个“黑客帝国格调”的three.js动态宇宙的任务里，V3.1凯旋餍足了基本的功能要求，但关于画面格归拢表情变换等细节的竣事不够精确，最终终结被测评者评为“80分”。

黑客帝国格退换态宇宙

在DeepSeek的传统强项——资本效益上，V3.1的进化也颇为可不雅。

在社区用户的测试下，完成相同一次完整的编程任务，V3.1的资本仅需约1.01好意思元，远低于Claude 4 Opus（低廉68倍）。从推特网友整理的各主流模子性价比来看，DeepSeek V3的性价比名列三甲。

这里的数值越低越好

把柄DeepSeek官方晓谕的最新V3.1价钱表，其输入价钱为，0.5元/百万 tokens （缓存射中） ，4元 /百万 tokens （缓存未射中） 。输出价钱为12元 /百万 tokens ，该价钱于2025 年 9月6日 00：00 起凯旋。

把柄官方阐扬，资本下跌主要来自于念念维链压缩锻真金不怕火。通过减少无真理的念念维链输出，V3.1-Think在输出token数减少20%-50%的情况下，各项任务的平均发扬与R1-0528捏平。

这一本事蜕变不光带来资本的下跌，也让生成速率显赫提高。社区用户的第一印象都是V3.1比R1速率快了好多。

最大的升级：智能体才智跃迁

在前几天照顾中，DeepSeek V3.1的Agent才智的显赫增强并莫得得到太大严防。

因为这一才智是底层的搜索和用具调用才智的提高，从外部看咱们只可看到具体才智，如编程等才智的提高。

在8月21日认确切发布中，DeepSeek官方迥殊强调了这少量。通过专门的Post-Training（后锻真金不怕火）优化，新模子在用具使用与智能体任务中有精深提高。

这次升级在复杂的软件工程和终局放荡任务上发扬得尤为隆起，险些竣事了跨越式的越过。

在推测真实宇宙代码建树才智的SWE-bench Verified基准上，V3.1取得了66.0分，远超前代V3-0324的45.4分和R1-0528的44.6分。而在更具挑战性的Terminal-Bench（终局操作）测试中，V3.1的得分（31.3）更是达到了前代推理模子R1-0528（5.7）的五倍以上，展现了苍劲的自动化操作后劲。

除了在专科限度的谗谄，V3.1在通用的网页浏览和用具调用才智上也赢得了全面增强。在推测网页自主导航与信息获取才智的Browsecomp测试中，其得分从R1-0528的8.9分飙升至30.0分，提高杰出三倍。

同期，在模拟多种用具使用的Seal0基准上，V3.1的得分也从29.7大幅提高至42.6。

即使和当今着手进的模子对比，DeepSeek V3.1的Agent才智也不怯场。

比如SWE-bench Verified这一测试中，Anthropic的最新模子Claude Opus 4.1 在此基准上更是达到了74.5%的先进水平。而DeepSeek V3.1最新得分为66.0%，高于排行第三的GLM 4.5。

而在Terminal-Bench中，Claude 4 Opus以43.2%的得分在该面容上发扬最好。GLM-4.5（37.5%）和Claude 4 Sonnet（35.5%）紧随自后。DeepSeek V3.1的31.3分杰出了GPT-4.1（30.3%）和Gemini 2.5 Pro（25.3%）。

在统统基础模子都爱重的Agent才智的配景下，DeepSeek的这次升级追上了期间，也抹掉了短板。

V3.1的隐忧：合并模子，是一场豪赌

尽管V3.1在编程和智能体限度取得了谗谄，但其中枢的“模子交融”政策却在社区激发了精深争议。

阿里的Qwen模子在尝试过交融推理后，最终在新版块中如故分拓荒布了Instruct和Thinking两种分辩的模子。

而GPT-5的“一体化系统”也则是使用一个智能路由（Router）来调度不同的中枢组件，而非顺利将模子激进地交融。

这是因为在上一代模子中，好多基础模子的“出厂缔造”是一个念念考模子，其非念念考版块只是是关闭了系统给模子缔造的念念考预算。

但念念考模子的锻真金不怕火，尤其是在强化学习（RL）微调阶段，存在一个固有的、难以遮掩的衡量问题。

为了让模子擅长逻辑、数学和代码等需要严谨推理的任务，强化学习的奖励（Reward）会高度偏向于那些能够展现明晰、正确、分步式解题历程的输出。

这种对“历程正确性”的极致优化，会长远地改变模子的底层举止口头。

模子在惩办那些不需要严实逻辑、更需要创造力、共情才智或知识性和会的通用任务时，可能会显得“水土不屈”。

不少用户反映，V3.1版块再行出现了幻觉严重（如在年报讲求问题上环节信息一皆出错）和中英夹杂的问题，后者在旧版中险些不存在。

此外，模子在面临复杂问题时发扬出“能省则省”的倾向，在屡次尝试无果后会主动“铲除”，而不是赓续深度推理，这或者是官方为优化Token使用而作念出的衡量。

这些缺陷都可能是混杂模子带来的。

更令交易API用户发火的是DeepSeek激进的更新政策。DeepSeek倾向于用新模子顺利覆盖旧模子，且不提供任何旧版块的API。

这种作念法意味着，线上分娩业务的API可能在毫无预警的情况下被改革，导致卑鄙职责流崩溃，严重影响了交易应用的巩固性。当今在Hugging Face社区，已有API用户对此抒发了强烈发火，要求退款并但愿能赓续使用巩固的0324版块。

GPT-5 激进更新的前车之鉴，看来 DeepSeek 并未引认为戒。

本文作家：博阳 剪辑 可君开云kaiyun体育，来源：腾讯科技，原文标题：《DeepSeek上线两天后再回看：一次“小更新”，一场架构“豪赌”》

风险教导及免责条目 市集有风险，投资需严慎。本文不组成个东说念主投资提议，也未洽商到个别用户颠倒的投资指标、财务景况或需要。用户应试虑本文中的任何认识、不雅点或论断是否合适其特定景况。据此投资，累赘悠然。