职贝云数AI新零售门户

标题: 聊聊DeepSeek V3.1体验,稳健晋级但惊喜不足 [打印本页]

作者: amgGWumZq 时间: 2025-8-21 12:08
标题: 聊聊DeepSeek V3.1体验,稳健晋级但惊喜不足
小伙伴们大家好呀，我是甲木。

抱歉断更了这么久，前几天不断在忙企业服务相关的事情，

去河南调研分享了几天，回北京后又跟百度的小伙伴们对「养猪吧少年— AI养猪」活动停止复盘直播~

忙完后看这几天AI的发展，真的是AI一天，人世一年。

阿里的Qwen-Image-Edit，智谱的AutoGLM，还有奥秘的nano banana等等..

就在整个AI圈都在翘首以盼，猜测DeepSeek传说中的推理模型R2何时能“亮剑”的时分，19号早晨七点，DeepSeek悄无声息地上线了V3.1版本。

(, 下载次数: 2)
还是自始自终地低调，群里发个音讯，完事了
明天就来看看DeepSeek的V3.1效果如何，结论先行：

一句话总结，符合+0.1版本的更新，除了上下文外全体效果提升并不分明，本次版本尝试混合推理和一些其他的小改进。

没有漫山遍野的宣传，就是这么一次版本号+0.1的更新，却也是在AI圈里激起了一阵不小的涟漪。

(, 下载次数: 1)

(, 下载次数: 1)
trending榜
那么成绩来了，这次版本号仅添加0.1的更新，到底更新了哪些东西？

先说UI界面最分明的变化，就是把深度思索（R1）中的「R1」去掉了...

(, 下载次数: 1)
意味着什么呢...
我们来看看DeepSeek V3.1的实践才能，看看它在这次退化中，到底藏了哪些“真功夫”？
V3.1的核心更新速览

我们先来看看这次更新的“官方阐明书”和社区里的第一波反馈。V3.1的核心晋级点非常明白，次要集中在两个方面：
关键更新 1：上下文窗口翻倍至128k

假如说大模型的上下文窗口是它的“记忆力”，那这次晋级，相当于直接把DeepSeek的短期记忆从能记住一本杂志，提升到了能记住一本中篇小说的程度。

128k的上下文窗口，意味着模型可以一次性“阅读”和处理10万个汉字的内容。

实践测试也很准确，我将一份大约300万字的《十日终焉》发送给DeepSeek，让他帮我总结内容。它告诉我们它只能阅读了前3%，也就是将近9-10万字。

(, 下载次数: 0)

同时也给到了前10万字，也就是第1章至第43章内容的总结。

(, 下载次数: 2)

这块就不多说了，其它家的模型很多都曾经支持128k了，这算是一个常规的更新，在多轮对话、长文档分析、代码库了解层面有一些运用。
关键更新 2：编程与代码才能再精进

这次更新在开发者社区里反响最热烈的，就是其代码才能的再次加强。

在Hugging Face和Reddit上，曾经有不少开发者放出了初步的评测结果。

特别是在Aider这个专门评价AI代码才能的基准测试上，V3.1的表现也比较亮眼，有网友曾经抢先测试，V3.1得分是71.6%，在开源模型中表现很突出。

(, 下载次数: 2)

当然，我们得客观一点，基准测试的成绩斐然，就像是“考试状元”，但这并不完全等同于在真实、复杂多变的开发环境中的“实战才能”。

所以，它到底是不是真的那么能打，还得我们亲身上手试试。
V3.1的实践场景表现

接上去，就是大家最喜欢的“talk is cheap, show me the case”环节，我们直接上实测！
场景一：128k长文本处理才能

由于之前我们上传的《十日终焉》第一卷内容，DeepSeek只阅读了前3%。这次我们就截取前3%的内容，也就是前43章，字数大约10万字。

(, 下载次数: 2)

上传给DeepSeek后，让它帮我们概括内容，同时加上常规长文本“大海捞针”的测试。

(, 下载次数: 2)
DeepSeek概括《十日终焉》第一卷前43章的部分内容
可以看到这次V3.1的表现还不错。它准确地概括了文章的核心设定，章节的次要情节发展总结的也很不错。

这证明了它的确“读完”并“读懂”了整份长文档。
场景二：文本创作才能

小七姐之前开源过一次风格化迁移的prompt，用来对中文经典文学风格停止提炼，

之后再把提炼出来的结果给到AI模型停止参考，这里结合deepseek的长文本提升就能做更多的尝试。

这里用当时测评Qwen3的案例：“中文经典文学风格迁移测评”，看一下这次DeepSeek的表现。（Prompt可以看之前小七姐的文章）
提炼出来的风格化Json 「此处略」

基于上述文本风格，为我编写一篇3000字的小说（两回合），关键词：哪吒，敖丙，抽龙筋，闹海，自尽

留意：
直接生成文本内容，不要做任何标注和解释。
留意年代与叙事顺序符合史序
不要采用原风格中与西游记相关的特定人名、地名、特定修辞

仿照《西游记》的叙事风格，来写哪吒闹海的故事。

(, 下载次数: 1)

假如你之前看到过小七姐的测评，就会知道，这次DeepSeek的表现和Qwen3的表现相比，是不相上下的。

这里再看我在我们皆为历史尘埃，但 AI 或能听见其间的心跳 -- “每个大人物，都值得一部史诗”（附Prompt）中写的大事情中的大人物描写prompt，

文本风格和流利度还是很不错的。

(, 下载次数: 3)
场景三：常规编程义务

接上去，我们来检验一下社区里被吹爆的“代码才能”。
案例1：“表情符号反应堆”

我们来模拟一个真实的前端开发需求，让它来完成一个甲木之前用Qwen3的做过“表情符号反应堆”的游戏。

先来看一下之前Qwen3的表现。

再把异样的提示词发送给DeepSeek，来看一下它的表现。

我以为DeepSeek在这个案例中生成的要比当时的Qwen3版本效果好上一丢丢。

首先美观度上要比Qwen3稍微强一点，其次运用Web Audio API生成了不同状况下的音效反馈，最后在功能上完成了本地存储，运用localStorage来保存最高分记录，还在玩法层面加入了combo连击机制。
案例2：“心情价值营销的大师”

再来用甲木之前的“心情价值营销的大师”的卡片，测试一下DeepSeek v3.1的才能。感兴味的可以看Claude帮你来做「心情价值营销」（附prompt）文章

输入「国产3A游戏黑神话：钟馗」，直接生成：

(, 下载次数: 1)

最终生成的卡片虽然美观度差了一些，但是对文本的了解才能还是可以的。

用一句充满画面感、力气感和宿命感的话，直接唤醒了大家血液中的文明基因和英雄情结，直接与那些盼望变强、不惧应战的玩家共鸣。
案例3：文本杂志编排才能

这里我拿@摸鱼小李的文本杂志排版prompt停止测试，直接把一段长文本给到deepseek，然后让它基于文本内容出设计方案，

(, 下载次数: 3)
用冯骥微博做个测试
确定格式方案之后，它可以直接停止处理：

(, 下载次数: 2)
杂志排版风格，deepseek直出！
(, 下载次数: 3)

这样就把冯骥微博上的那段文字变成了一份杂志，排版温馨，样式精巧。

之后我们对于长文本的展现都可以采用这种方法。
场景四：常识与推理才能初探

再看看V3.1在处理一些交融了常识和逻辑的“圈套”成绩时表现如何。

这类成绩往往更能考验一个模型能否只会“算术”，还是真的具有了一定的“世界知识”。

案例1：每次模型更新大家都热衷问的成绩....

(, 下载次数: 2)

案例2：再来看一个2025年年高考全国一卷的一道数学题。

(, 下载次数: 1)

发送给DeepSeek后，立刻就末尾了证明过程，

(, 下载次数: 2)

最后给到了答案。

(, 下载次数: 2)

可以看出，V3.1展现了本人具有基础的数学才能和推理才能。

在这之后，我也拿之前写的商业分析运用的prompt逐一测试，

效果相比之前一个版本略有提升，但效果不太分明，这里就不给大家展现了。
结语

测评上去，可以感觉到DeepSeek V3.1的才能有所提升但并不分明。

关于代码层面难以给我们特别突出的体验，一方面是Qwen的模型、K2的模型以及智谱GLM-4.5，效果都很优秀，而Deepseek V3.1在这些模型中的表现并没有特别亮眼的地方。

V3.1并没有给大家带来特别大的预期，但更像是一次“承上启下”的稳健晋级。

它在现有V3的优秀架构基础上，针对长文本处理和代码方向停止了“一些优化”，而且在这个迭代中，它也尝试着把混合推理归入它的范畴，做一些尝试。

这能够是DeepSeek的策略：在推出新模型（V4/R2）之前，先将现有基础模型的才能打磨到极致，巩固本人的优势范畴，同时多做一些尝试，多做一些探求。

假如说V3.1是在“术”的层面如虎添翼，

我们当然等待R2，可以在“道”的层面的质变飞跃。

让我们保持耐烦，

于无声处听惊雷，静待“R2”亮剑时，

那时，DeepSeek能像年终那样，

再一次，

冷艳全世界。

我是甲木，热衷于分享一些AI干货内容，我们下期再见👋🏻

觉得明天的内容对你有“一点点”启示吗？

老规矩，【点赞👍】+【在看👀】+【转发↗️】走一波！

你的每一个支持，都是甲木持续探求AI硬核运用的核动力！

欢迎光临职贝云数AI新零售门户 (https://www.taojin168.com/cloud/)