职贝云数AI新零售门户

标题: DeepSeek小迸发 [打印本页]

作者: SP0u 时间: 2025-8-22 01:00
标题: DeepSeek小迸发
DeepSeek官方刚刚忽然宣布：我们发最新版本模型DeepSeek-V3.1啦！

音讯一出，一个小时在X上的阅读热度就达到了26万！

(, 下载次数: 0)

据DeepSeek引见，DeepSeek-V3.1是一款混合型模型，支持“思索形式”与“非思索形式”混合运转，用户可以根据场景需求，灵敏切换推理深度，效率和才能两手抓。

得益于深度优化的训练策略与大规模长文档扩展，DeepSeek-V3.1在推理速度、工具调用智能、代码和数学义务等方面均有分明提高。

我们先捋一下这次新版模型的几大亮点：

·混合思索形式：经过切换对话模板，单一模型即可兼容思索与非思索两种形式。

·更智能的工具调用：经过后训练优化，模型在调用工具和完成Agent（智能体）义务方面的表现分明提升。

·更高的思索效率：DeepSeek-V3.1-Think在回答质量上可与R1-0528媲美，同时呼应速度更快。

(, 下载次数: 2)

官方放出的测试结果显示，V3.1-Think AIME 2025（美国数学约请赛2025版）得分88.4%，GPQA Diamond（高难度研讨生级知识问答数据集的Diamond子集）得分80.1%，LiveCodeBench（实时编码基准）得分74.8%，均优于老模型R1-0528的表现：87.5%、81.0%、73.3%。

而且，正如下图所示（纵轴是输入token数），V3.1-Think的输入tokens反而大幅减少。

也就是说：V3.1-Think相较于老模型R1-0528，运用更少的tokens，但达到了相似或略高的准确率，在计算资源优化上的优势很分明。

(, 下载次数: 1)

在软件工程和Agent义务基准上的功能提升方面：

·SWE-Bench Verified，DeepSeek-V3.1得分66.0%，远高于V3-0324的45.4%和R1-0528的44.6%，表明其在处理复杂代码义务时更牢靠。

·SWE-Bench Multilingual（多言语版本），DeepSeek-V3.1得分54.5%，大幅抢先V3-0324的29.3%和R1-0528的30.5%。阐明其在多言语支持上有很大提高，能够经过添加多样化训练数据完成，使其更合适全球开发场景。

·Terminal-Bench（运用Terminus 1框架的基准，量化AI Gent在终端（命令行）环境中完成复杂义务的才能，如脚本执行、文件操作或系统交互，模拟真实命令行工作流），DeepSeek-V3.1得分31.3%，优于V3-0324的13.3%和R1-0528的5.7%，在Agent框架下的效率提升，合适自动化运维或DevOps运用。

(, 下载次数: 2)

需求留意的是，DeepSeek V3.1的本次更新，核心在于分明加强了模型的智能体才能，尤其是在复杂推理和工具链协作场景下的实践表现。

此外，DeepSeek-V3.1搜索Agent、长上下文了解、理想问答和工具运用等范畴的功能也表现强势。

DeepSeek-V3.1（基于MoE架构，总参数671B，激活37B）在大多数基准上分明优于R1-0528，在搜索Agent和长上下文义务上的平均提升约20-300%，尤其在工具运用（如xbench-DeepSearch）和理想QA（如SimpleQA）中抢先，这意味着它合适构建AI Agent运用，如自动化搜索或代码辅助。

(, 下载次数: 1)

相比R1-0528（专注于推理但效率较低），DeepSeek-V3.1更注重平衡速度与质量，DeepSeek的“Agent时代” 正式拉开帷幕。

在Huggingface上，DeepSeek释放出了更详细的评价结果。

基于官方给出的与前代的测评选较，DeepSeek-V3.1在常规推理和知识问答义务（如 MMLU-Redux 和 MMLU-Pro）上，全体表现波动提升，非思索和思索形式下的分数均高于V3旧版，基本接近行业顶尖大模型程度。

例如，在 HLE（Humanity’s Last Exam，搜索+Python 复合推理）义务上，DeepSeek-V3.1完成了 29.8% 的经过率，优于自家 R1-0528 版（24.8%），并接近 GPT-5、Grok 4 等国际一线大模型。

(, 下载次数: 1)

虽然各大模型在评测细节上存在一定差异，但DeepSeek的表现仍具有压服力。

新版模型在网页检索、复合搜索和工具协同场景（BrowseComp、BrowseComp_zh、Humanity’s Last Exam Python+Search、SimpleQA）上有跨越式提高，中文网页搜索和多模态复合推理分数分明超越旧版本。在 SWE-Bench Verified代码评测中，DeepSeek-V3.1以66.0%的成绩大幅抢先前代（44.6%），也与 Claude 4.1、Kimi K2等顶级模型保持同一水准。

在Terminal Bench终端自动化测试中，其得分也略高于GPT-5和o3等知名竞品。

(, 下载次数: 2)

与此同时，DeepSeek-V3.1在代码生成和自动化评测（LiveCodeBench、Codeforces-Div1、Aider-Polyglot、SWE Verified、Terminal-bench）方面，得分也较前代分明提升，特别是在智能体形式下，代码义务经过率和自动化执行才能大幅加强。在AIME和HMMT等高级数学推理和竞赛义务上，DeepSeek-V3.1的表现优于前代产品，思索形式下解题成功率大幅提升。

不过作为通用对话模型，V3.1 并未在一切维度超越前代产品——在部分常规对话和知识问答场景下，R1-0528 依然具有一定竞争力。

(, 下载次数: 1)

在详细的功能表现之外，DeepSeek发布新模型，一定会被外界亲密关注的当然是价格。

这次，DeepSeek也没有让大家绝望。

(, 下载次数: 2)

Input API Price（输入定价），分为两种状况：

·Cache Hit（缓存命中）：0.07美元/百万tokens。

·Cache Miss（缓存未命中）：0.56美元/百万tokens。

Output API Price（输入定价）为1.68美元/百万tokens。

MenloVentures的风险投资人、前谷歌搜索团队成员Deedy也发推大呼“鲸鱼回来了”。（这哥们在X上有20万粉丝，妥妥的科技界大V。）

(, 下载次数: 1)

除了价格良知之外，DeepSeek-V3.1还初次完成了对Anthropic API的原生兼容。

这意味着，用户可以像调用Claude或Anthropic生态的模型一样，将DeepSeek的集成进现有系统。无论是经过Claude Code工具链还是直接运用Anthropic官方SDK，开发者只需配置API地址和密钥，即可在一切支持Anthropic API的环境下，运用DeepSeek-V3.1提供的推理和对话才能。

(, 下载次数: 1)

从目前的反馈来看，外界对这次发布的反馈还是很好的，虽然它并非“拳打Grok4、脚踩GPT-5”的霸王龙，但它有明白的、明晰的侧重点与优势。

(, 下载次数: 1)

更有意思的是，从两天前DeepSeek默默发了V3.1-Base末尾，网友曾经再次惊叹于DeepSeek发模型的节拍之温馨、态度之低调。

(, 下载次数: 0)

(, 下载次数: 1)

在其他模型发布往往先炒作规格和功能数据的时分，DeepSeek反其道而行，直接放出模型文件让开发者立刻下载测试，然后再补充细节。高效、开发者敌对。

(, 下载次数: 2)

欢迎在评论区留言~
如需开白请加小编微信：dongfangmark

(, 下载次数: 0)

(, 下载次数: 0)

(, 下载次数: 0)

(, 下载次数: 1)

(, 下载次数: 1)

(, 下载次数: 2)

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