职贝云数AI新零售门户

标题: 实测DeepSeek V3.1:不止拓展上下文长度 [打印本页]

作者: rC9s7r2 时间: 2025-8-22 09:21
标题: 实测DeepSeek V3.1:不止拓展上下文长度
作者 | 量子位

原文链接：https://mp.weixin.qq.com/s/x0X481MgH_8ujjB0_XL4SQ

点击下方卡片，关注“大模型之心Tech”公众号
戳我-> 支付大模型巨卷干货

>>点击进入→大模型没那么大Tech技术交流群

本文只做学术分享，如有侵权，联络删文，自动驾驶课程学习与技术交流群事宜，也欢迎添加小助理微信AIDriver004做进一步咨询

DeepSeek V3.1和V3相比，到底有什么不同？

官方说的模模糊糊，就提到了上下文长度拓展至128K和支持多种张量格式，但别急，我们曾经上手实测，为你奉上更多新颖信息。

我们比较了V3.1和V3，留意到它在编程表现、创意写作、翻译程度、回答语气等方面都出现了不同程度的变化。

不过要说最分明的更新，大概是DeepSeek网页端界面的【深度思索(R1)】悄然变成了【深度思索】。

手机端还在渐渐对齐（笑）

(, 下载次数: 2)

当前DeepSeek V3.1 Base可在抱抱脸上下载，也可经过网页、APP和小程序运用残缺版本。
开学考试如今末尾

鉴于如今网页端已全部交换成了V3.1，我们经过阿里云调用了DeepSeek V3的API（最大上下文长度还是65K）作为对比。

(, 下载次数: 1)

马上就是开学季，我们给二个版本的模型出了一套“试卷”，从以下五个“学科”停止测试：

让我们一同看看它们表现如何~

(, 下载次数: 1)
编程才能

在更新前，我曾向DeepSeek V3问过这样的成绩：

帮我用python写一段代码，把输入的gif图紧缩到10M以下。

它的回答如下（图片可上下滑动）。

(, 下载次数: 1)

更新后，问V3.1异样的成绩，则得到了这样的结果：

(, 下载次数: 1)

很直观地就能感遭到，相比起V3，V3.1要愈加片面，思索到了更多的能够性（比如运用更激进的紧缩策略，以及检查原文件能否是GIF格式）。

还“手把手”地给出了这段代码的运用阐明，需求提早安装必要的依赖库，怎样运用命令行……甚至还有工作原理。

没有优化建议，大概是由于它觉得曾经足够了吧（？）

拿之前在世界机器人大会上拍摄的众擎机器人作为示例，原文件大小为18.3MB，用V3给出的代码，紧缩后依然大于10MB，假如要满足条件的话还需求再紧缩一次。

(, 下载次数: 2)

(, 下载次数: 2)

而V3.1给出的结果则直接“一步到位”（代码针对Jupyter环境停止了一点小调整，逻辑不变），并输入了处理步骤：

(, 下载次数: 2)

最后的两张GIF图如下（上为V3，下为V3.1）：

(, 下载次数: 1)

(, 下载次数: 2)

可以看到上图的速度比下图要快一些。
情境写作

我们选择了往年上海卷高考作文的标题：

有学者用“专”“转”“传”概括当下三类文章：“专”指专业文章；“转”指被转发的粗浅文章；“传”指获得广泛传播的佳作，甚至是传世文章。他提出，专业文章可以变成被转发的粗浅文章，而面对大量“转”文，读者又不免等待可传世的文章。由“专”到“传”，必定要经过“转”吗？请联络社会生活，写一篇文章，谈谈你的看法与思索。要求：（1）自拟标题；（2）不少于800字。

输入结果如下，可左右滑动对比，左边为V3，左边为V3.1：

(, 下载次数: 1)

(, 下载次数: 1)

两个版本在文字风格上具有很大的不同，从V3感性（人机味）的平铺直叙，到V3.1文艺（心情化）的诗意表达，看起来像文科生和文科生的区别。

假如你是主考官，会更喜欢哪一篇呢？
了解运用

考验模型的数学才能，光问“9.11和9.8哪个大”这种对于实践用户没什么协助的标题还是有点不够看。

高考数学题按理来讲应该是能做对的吧？

以下是往年数学全国一卷的第3题，考的是双曲线。

若双曲线C的虚轴长为实轴长的√7倍，则C的离心率为？

答案是2√2，两个版本的模型都得到了正确结果，但在呈现上有所不同。

(, 下载次数: 1)

(, 下载次数: 2)

翻译程度

我们向V3和V3.1输入了同一篇生物学论文的摘要（含专有名词），并要求它们将其翻译成中文。

摘要选自Nature最新研讨：《独特毛颚动物体型的基因组来源》。

两个版本模型的输入结果如下：

(, 下载次数: 1)

(, 下载次数: 2)

可以看出，相比起V3喜欢用括号来补充阐明，V3.1对长难句的了解程度更高；但V3.1出现了没有翻译出several这种简单词的状况。
冷门知识

结合同事的专业和最近在小红书上刷到的内容，我们问了一个比较“偏门”的成绩：

构树的单个果实（不是由花序组成的聚花果）是核果还是瘦果？

这个成绩的答案在不同教材上存在分歧，V3和V3.1分别给出了以下回答，均以为其属于核果：

(, 下载次数: 1)

(, 下载次数: 2)

神奇的是V3.1依然存在运用conclusion替代“结论”这样的表述，以及对于“为什么会想到瘦果”这个成绩的回答偏题到该果实属于聚花果的方向了。

特地一提，小红书的博主经过解剖实验，以为其属于瘦果。

(, 下载次数: 2)

对这个结论感兴味的冤家可以去小红书上搜索一下。
非推理模型SOTA

网友们对这次更新颇为关怀，即便还未发布模型卡，就在抱抱脸上成为了第四的抢手话题。

(, 下载次数: 1)

截至发稿已荣登第二。

(, 下载次数: 2)

网友们也在运用后得到了一些风趣的发现。

Reddit就有人测试，DeepSeek V3.1在aider上得分71.6%，拿下了非推理模型的SOTA。

(, 下载次数: 1)

这是什么概念——有网友解释到，这意味着它比Claude Opus 4得分多1%，但价格便宜68倍。

(, 下载次数: 2)

也有人在SVGBench基准上发现：V3.1的表现>V3.1（思索）>R1 0528。

(, 下载次数: 1)

这能够和V3.1的配置有关？

有网友察觉到它添加了四个特殊的token，并留意到现版本的V3.1在关闭搜索形态下也会自动搜索。

(, 下载次数: 1)

(, 下载次数: 1)

此外，它的物理了解才能似乎有所提升，下面两个GIF图分别是V3.1和V3对于”在旋转六边形内弹跳的球“的呈现。

(, 下载次数: 1)

(, 下载次数: 2)

但也有人发现了一些成绩，多与线上API相关……嗯，曾经有人开骂了。

(, 下载次数: 1)

(, 下载次数: 1)

不过，最让人猎奇的是，V3.1发布了，R2呢？

参考链接：
[1]https://x.com/deepsseek/status/1957886077047566613
[2]https://huggingface.co/deepseek-ai/DeepSeek-V3.1-Base
[3]https://venturebeat.com/ai/deepseek-v3-1-just-dropped-and-it-might-be-the-most-powerful-open-ai-yet/
[4]https://old.reddit.com/r/LocalLLaMA/comments/1muq72y/deepseek_v31_scores_716_on_aider_nonreasoning_sota/

一键三连「点赞」「转发」「小心心」

欢迎在评论区留下你的想法！

— 完 —

大模型之心Tech知识星球交流社区

我们创建了一个全新的学习社区 —— “大模型之心Tech”知识星球，希望可以帮你把复杂的东西拆开，揉碎，整合，帮你疾速打通从0到1的技术途径。

星球内容包含：每日大模型相关论文/技术报告更新、分类汇总（开源repo、大模型预训练、后训练、知识蒸馏、量化、推理模型、MoE、强化学习、RAG、提示工程等多个版块）、科研/办公助手、AI创作工具/产品测评、升学&求职&岗位引荐，等等。

星球成员平均每天花费不到0.3元，加入后3天内不称心可随时退款，欢迎扫码加入一同窗习一同卷！

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