8月19日晚间，DeepSeek官方悄然上线了全新的V3.1版块。

官方公告强调了险峻文长度拓展至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要点能力的微调，在编程能力上的莳植也可圈可点，本钱上风重回显赫。

关系词，模子和会的时间道路也激发强烈争论，部分用户响应旧版模子的“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关系音书。

此时，正得当咱们回看V3.1，更邃密地拆解这次“小更新”。

架构之变：V3.1吞掉R1，裁减部署复杂度

尽管DeepSeek官方在更新陈诉中将“险峻文长度拓展至128k”动作中枢亮点，但此前的V3版块早已因循128K险峻文，只是官方API接口此前仅绽放至64K。

因此，这次更新的实在中枢并非险峻文长度，而是模子底层的架构演进。

凭据官方最新发布的公众号履行，说明了V3.1为搀和推理架构，即使用一个模子同期因循想考花样与非想考花样。

现在在DeepSeek的官方网页和APP上，即使用户开启“深度想考”花样，模子的记号也已从昔日的“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，是否大开想考花样，如故是用户法例，而非通过自动的模子路由判断。

在过往的劝诫中，这种搀和模子可能会导致非推理任务，如创意写稿和情商抒发等能力的下落。不外，凭据社区内用户分析，这种搀和不错简化部署和运维，提高算力哄骗效劳。

能力优化：编程再莳植，本钱再下落

除了架构更正外，V3.1被开始提防到的是编程能力的大幅莳植。

凭据社区鄙俚援用的Aider编程基准测试数据显现，DeepSeek V3.1取得了71.6%的高分，在开源模子中告成“霸榜”。

这一得益不仅超越了此前的DeepSeek R1，以至打败了坚硬的闭源模子Claude 4 Opus。

在其他巨擘基准测试中，V3.1一样阐扬出色。

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

MMLU：在多任务话语集合方面，V3.1的阐扬绝不失态于GPT-5，得分达到88.5%。

不外，在计议生级别问答（GPQA）和软件工程（SWE-Bench verified）等限制，V3.1与GPT-5比拟仍存在一定差距。

在V3.1备受稳健的编程能力实战中，其阐扬可圈可点但并非无缺。

在新智元生成一个“黑客帝国格调”的three.js动态全国的任务里，V3.1告成满足了基本的功能要求，但关于画面格归拢神态变换等细节的达成不够精确，最终效劳被测评者评为“80分”。

黑客帝国格休养态全国

在DeepSeek的传统缔结——本钱效益上，V3.1的进化也颇为可不雅。

在社区用户的测试下，完成一样一次完整的编程任务，V3.1的本钱仅需约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

凭据DeepSeek官方布告的最新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 起见效。

凭据官方阐扬，本钱下落主要来自于想维链压缩锤真金不怕火。通过减少意外旨的想维链输出，V3.1-Think在输出token数减少20%-50%的情况下，各项任务的平均阐扬与R1-0528握平。

这一时间修订不光带来本钱的下落，也让生成速率显赫莳植。社区用户的第一印象皆是V3.1比R1速率快了许多。

最大的升级：智能体能力跃迁

在前几天接头中，DeepSeek V3.1的Agent能力的显赫增强并莫得得到太大提防。

因为这一能力是底层的搜索和器用调用能力的莳植，从外部看咱们只可看到具体能力，如编程等能力的莳植。

在8月21日珍重的发布中，DeepSeek官方挑升强调了这小数。通过专门的Post-Training（后锤真金不怕火）优化，新模子在器用使用与智能体任务中有弘大莳植。

这次升级在复杂的软件工程和终局法例任务上阐扬得尤为隆起，简直达成了跨越式的最初。

在磋议简直全国代码建立能力的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，展现了坚硬的自动化操作后劲。

除了在专科限制的冲突，V3.1在通用的网页浏览和器用调用能力上也得回了全面增强。在磋议网页自主导航与信息获取能力的Browsecomp测试中，其得分从R1-0528的8.9分飙升至30.0分，莳植突出三倍。

同期，在模拟多种器用使用的Seal0基准上，V3.1的得分也从29.7大幅莳植至42.6。

即使和现在起先进的模子对比，DeepSeek V3.1的Agent能力也不怯场。

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%，高于名秩序三的GLM 4.5。

而在Terminal-Bench中，Claude 4 Opus以43.2%的得分在该神志上阐扬最好。GLM-4.5（37.5%）和Claude 4 Sonnet（35.5%）紧随自后。DeepSeek V3.1的31.3分突出了GPT-4.1（30.3%）和Gemini 2.5 Pro（25.3%）。

在所有基础模子皆爱重的Agent能力的配景下，DeepSeek的这次升级追上了时期，也抹掉了短板。

V3.1的隐忧：合并模子，是一场豪赌

尽管V3.1在编程和智能体限制取得了冲突，但其中枢的“模子和会”政策却在社区激发了弘大争议。

阿里的Qwen模子在尝试过和会推理后，最终在新版块中如故分开采布了Instruct和Thinking两种分歧的模子。

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，而非径直将模子激进地和会。

这是因为在上一代模子中，许多基础模子的“出厂成立”是一个想考模子，其非想考版块只是是关闭了系统给模子成立的想考预算。

但想考模子的锤真金不怕火，尤其是在强化学习（RL）微调阶段，存在一个固有的、难以避开的量度问题。

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、分步式解题经过的输出。

这种对“经过正确性”的极致优化，会长远地更正模子的底层行动花样。

模子在惩处那些不需要严实逻辑、更需要创造力、共情能力或知识性集合的通用任务时，可能会显得“水土扞拒”。

不少用户响应，V3.1版块重新出现了幻觉严重（如在年报回来问题上要津信息一齐出错）和中英夹杂的问题，后者在旧版中简直不存在。

此外，模子在面临复杂问题时阐扬出“能省则省”的倾向，在屡次尝试无果后会主动“废弃”，而不是不息深度推理，这大略是官方为优化Token使用而作念出的量度。

这些缺欠皆可能是搀和模子带来的。

更令贸易API用户不悦的是DeepSeek激进的更新政策。DeepSeek倾向于用新模子径直袒护旧模子，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革新，导致下流职责流崩溃，严重影响了贸易应用的褂讪性。现在在Hugging Face社区，已有API用户对此抒发了强烈不悦，要求退款并但愿能不息使用褂讪的0324版块。

GPT-5 激进更新的前车之鉴，看来 DeepSeek 并未引合计戒。

本文作家：博阳 剪辑 可君开yun体育网，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”》

风险教唆及免责条件 市集有风险，投资需严慎。本文不组成个东谈主投资提倡，也未研讨到个别用户额外的投资野心、财务情状或需要。用户应试虑本文中的任何观点、不雅点或论断是否相宜其特定情状。据此投资，连累自夸。