DeepSeek-V3.1震撼发布，全球开源编程登顶！R1/V3首度合体，训练量暴增10倍

新智元报道
编辑：桃子
【新智元导读】DeepSeek-V3.1官宣了，作为首款「混合推理」模型，将开启智能体新时代。新模型共有671B参数，编码实力碾压DeepSeek-R1、Claude 4 Opus，登顶编程开源第一。
官宣了！
刚刚，DeepSeek正式上线DeepSeek-V3.1，这是迈向智能体时代第一步。
新版V3.1采用了「混合推理」，一个模型，两种模型：思考与非思考（自主切换）。


相较于DeepSeek-R1-0528 ，DeepSeek-V3.1-Think推理速度更快。
最关键的是，V3.1具备了强大的智能体能力，不论是工具使用，还是多步骤任务，全部拿捏。
在软件工程基准测试中，DeepSeek-V3.1全方位碾压V3-0324和R1-0528。


在人类的最后考试HLE中，V3.1拿下了29.8高分，另外在数学、知识问答、编程等任务中，全面超越推理模型R1。


CoT压缩训练后，V3.1-Think在输出token减少了20%-50%，与R1-0528打成平手
在Hugging Face上，一共开源了两款V3.1 Base和V3.1，前者在V3基础上又进行了8400亿token的持续预训练，扩展了上下文支持。


项目地址：
https://huggingface.co/deepseek-ai/DeepSeek-V3.1-Base
https://huggingface.co/deepseek-ai/DeepSeek-V3.1
总的来说，DeepSeek-V3.1此次更新的最大亮点：

参数共671B，激活参数37B，上下文128k
混合推理模式：一个模型，即可同时支持推理模式和非推理模式。
更智能的工具调用能力：工具使用、智能体任务有了显著提升，多步推理能力强化，复杂搜索不在话下
更高的推理效率：回答质量上与DeepSeek-R1-0528相媲美，思考效率飙升，反应快如闪电
全面基准测试：实力全面碾压DeepSeek-R1-0528、DeepSeek-V3-0324

在API方面，deepseek-chat是非思考模式，deepseek-reasoner是思考模式，全部支持128k。


从9月5日开始，采用新的API定价
继OpenAI gpt-oss之后，DeepSeek终于做出了最强回应。


V3.1编程击败Claude 4，训练扩增10倍
HF模型卡中，给出了DeepSeek新模型技术的详细解读。
基于DeepSeek-V3.1-Base，DeepSeek-V3.1通过后训练优化完成。而V3.1-Base又是基于V3模型训练而来。


具体来说，它通过「两阶段长上下文扩展策略」构建，遵循了原始V3论文中的方法。
研究团队又扩展了数据集，收集了更多长文档，并大幅延长了两个训练阶段的规模。
32k扩展阶段增加了10倍，达6300亿Token，而128k扩展阶段增加了3.3倍，达到2090亿Token。



此外，DeepSeek-V3.1采用UE8M0 FP8缩放数据格式进行训练，确保与微尺度数据格式的兼容性。
在通用能力的基准测试中，开启思考模式V3.1，在MMLU、GPQA上拿下了亮眼的成绩。


数学方面，V3.1同样刷新SOTA，创下了最高分。


如上文所述，V3.1是迈向智能体时代第一步。它可以支持多种Code Agent框架，开发者可以自己搭建智能体。
在编码测试中，DeepSeek-V3.1-Thinking在Aider编码测试中，拿下了76.3%高分，远超Claude 4 Opus、Gemini 2.5 Pro（0325）。


在编码智能体测试中，DeepSeek-V3.1-Non Thinking性能碾压R1、V3。


此外，DeepSeek-V3.1可以支持Search Agent，在推理模式下可以使用。
当需要访问外部信息或最新信息的复杂问题，V3.1可以通过多轮工具调用流程，利用用户提供的搜索工具来完成。
基准测试中，尤其是BrowseComp上，V3.1实力粉碎了R1。


**Artificial Analysis基准，同样验证了DeepSeek-V3.1强大实力，仅次于gpt-oss。


在推理效率方面，V3.1也与OpenAI相当。


如今来看，DeepSeek-V3.1稳坐编程开源第一王座。


参考资料：
https://x.com/karminski3/status/1958429843558945015
https://x.com/deepseek_ai/status/1958417062008918312