新智元報(bào)道

編輯：桃子 定慧

【新智元導(dǎo)讀】DeepSeek V3.1新版正式上線，上下文128k，編程實(shí)力碾壓Claude 4 Opus，成本低至1美元。

就在昨晚，DeepSeek官方悄然上線了全新的V3.1版本，上下文長(zhǎng)度拓展到128k。

本次開源的V3.1模型擁有685B參數(shù)，支持多種精度格式，從BF16到FP8。

綜合公開信息和國內(nèi)大咖karminski3的實(shí)測(cè)，V3.1此次更新亮點(diǎn)有：

• 編程能力：表現(xiàn)突出，根據(jù)社區(qū)使用Aider測(cè)試數(shù)據(jù)，V3.1在開源模型中霸榜。

• 性能突破：V3.1在Aider編程基準(zhǔn)測(cè)試中取得71.6%高分，超越Claude Opus 4，同時(shí)推理和響應(yīng)速度更快。

• 原生搜索：新增了原生「search token」的支持，這意味著搜索的支持更好。

• 架構(gòu)創(chuàng)新：線上模型去除「R1」標(biāo)識(shí)，分析稱DeepSeek未來有望采用「混合架構(gòu)」。

• 成本優(yōu)勢(shì)：每次完整編程任務(wù)僅需1.01美元，成本僅為專有系統(tǒng)的六十分之一。

值得一提的是，官方群中強(qiáng)調(diào)拓展至128K上下文，此前V3版本就已經(jīng)支持。

對(duì)于這波更新，大家的熱情可謂是相當(dāng)高漲。

即便還未公布模型卡，DeepSeek V3.1就已經(jīng)在Hugging Face的趨勢(shì)榜上排到了第四。

DeepSeek粉絲數(shù)已破8萬

看到這里，網(wǎng)友們更期待R2的發(fā)布了！

混合推理，編程擊敗Claude 4

這次最明顯的變化是，DeepSeek在官方APP和網(wǎng)頁端上，把深度思考（R1）中的「R1」去掉了。

同時(shí)，與V3-base相比，DeepSeek V3.1新增了四個(gè)特殊Token：

• <｜search▁begin｜> (id: 128796)

• <｜search▁end｜> (id: 128797)

• (id: 128798)

• (id: 128799)

對(duì)此，有推測(cè)認(rèn)為，這可能暗示推理模型與非推理模型的融合。

在編程方面，根據(jù)網(wǎng)友曝出的結(jié)果，DeepSeek V3.1在Aider Polyglot多語言編程測(cè)試中拿下了71.6%高分，一舉擊敗了Claude 4 Opus、DeepSeek R1。

而且，它的成本僅1美元，成為非推理模型中的SOTA。

最鮮明的對(duì)比，V3.1編程性能比Claude 4高1%，成本要低68倍。

在SVGBench基準(zhǔn)上，V3.1實(shí)力僅次于GPT-4.1-mini，遠(yuǎn)超DeepSeek R1的實(shí)力。

在MMLU多任務(wù)語言理解方面，DeepSeek V3.1毫不遜色于GPT-5。不過在，編程、研究生級(jí)基準(zhǔn)問答、軟件工程上，V3.1與之有一定的差距。

一位網(wǎng)友實(shí)測(cè)，模擬六邊形中小球自由落體的物理測(cè)試，DeepSeek V3.1理解力明顯提升。

一手實(shí)測(cè)

第一時(shí)間，我們對(duì)V3.1進(jìn)行了實(shí)測(cè)，首先是此次模型更新的重點(diǎn)：上下文長(zhǎng)度。

假設(shè)對(duì)于中文而言，1個(gè)token ≈ 1–1.3個(gè)漢字，那么這128K tokens ≈ 100,000–160,000漢字。

相當(dāng)于整本《紅樓夢(mèng)》正文（約80–100萬字）的1/6–1/8，或者一篇超長(zhǎng)博士論文/大部頭學(xué)術(shù)專著。

實(shí)際測(cè)試也很準(zhǔn)確，DeepSeek告訴我們它只能閱讀差不多9%，也就是大約十分之一。

由于總結(jié)內(nèi)容太長(zhǎng)，我們截取了前三回，你覺得這個(gè)總結(jié)的怎么樣？

在128K上下文測(cè)試中，DeepSeek-V3.1輸出速度相比以往獲得較大提升，并且在工程上做了一些優(yōu)化。

此次更新，DeepSeek重點(diǎn)強(qiáng)調(diào)了對(duì)上下文的支持。

整個(gè)活，給DeepSeek-V3.1上點(diǎn)壓力，讓它根據(jù)「夢(mèng)」這個(gè)字，輸出盡可能多的內(nèi)容，盡量達(dá)到上下文極限。

不過最后，差不多只輸出了3000字左右，模型就停止了輸出。

再來看下推理能力。

經(jīng)典的9.11和9.9比大小問題，兩種詢問方式都能正確做答。

這次更新的一大體感還是速度變快了很多。

最后再來看看編程能力。

DeepSeek的上一個(gè)模型是R1-0528，主打的是編程能力。

看看這次V3.1是否有更大的提升。

最終結(jié)果只能說，打個(gè)80分吧，基本要求都滿足了，但是畫面風(fēng)格和顏色變換功能并沒有完美實(shí)現(xiàn)。

并且和R1-0528的結(jié)果相比，兩者之間還是有些差距的，但孰好孰壞還需看個(gè)人偏好。

以下是開啟思考模式后的結(jié)果，你覺得哪個(gè)更好？

接下來，看看DeepSeek V3.1能否復(fù)刻出GPT-5發(fā)布會(huì)上的法語學(xué)習(xí)小程序。

我們?cè)賮碜孷3.1畫一個(gè)自己的SVG自畫像，兩種效果著實(shí)有些抽象。

參考資料：HYX

https://weibo.com/2169039837/Q0FC4lmeo

https://x.com/karminski3/status/1957928641884766314

https://github.com/johnbean393/SVGBench/

https://huggingface.co/deepseek-ai/DeepSeek-V3.1-Base