DeepSeek V3.1：架构之变与智能体能力跃迁

8月19日晚间，DeepSeek悄然发布了其全新的V3.1版本，引起了业界的广泛关注。

虽然官方强调此次更新增加了上下文长度至128k，但社区的深入探索揭示了更多变革：模型架构的演进和重点能力的微调，编程能力显著提升，成本优势再度显现。

然而，模型融合的技术路线引发了激烈讨论，部分用户反馈旧版模型的“顽疾”再现，更新评价呈现两极分化。

发布两天后，DeepSeek官方通过公众号分享了相关信息。

此时，正是我们细致分析V3.1“小更新”的良机。

1

架构革新：V3.1整合R1，简化部署

尽管官方将上下文长度拓展至128k作为核心亮点，但V3版本早已支持此功能，只是接口限制在64K。

因此，更新的核心在于模型架构的进化。V3.1采用混合推理架构，同时支持思考模式与非思考模式。

在DeepSeek的网页和APP上，即使开启“深度思考”模式，模型标识也从“R1”统一为“V3”。

用户通过API调用时，模型明确标识为V3。与GPT-5不同，是否启用思考模式仍由用户控制。

尽管混合模型可能影响创意写作和情商表达等能力，但可简化部署和运维，提高算力利用效率。

2

能力优化：编程再升级，成本再降低

V3.1不仅架构改变，编程能力也大幅提升。Aider编程基准测试数据显示其得分为71.6%，在开源模型中领先。

其表现不仅超越DeepSeek R1，还击败了强大的闭源模型Claude 4 Opus。

在SVGBench和MMLU等其他基准测试中，V3.1同样表现出色。在研究生级别问答和软件工程等领域，与GPT-5相比仍有一定差距。

在编程能力实战中，V3.1表现可圈可点但非完美。生成“黑客帝国风格”的three.js动态世界任务中，基本功能满足但细节实现不够精准，效果被评“80分”。

在成本效益上，V3.1也表现出色。完成同样编程任务仅需约1.01美元，远低于Claude 4 Opus（便宜68倍）。

根据官方宣布的价格表，输入价格为0.5元/百万 tokens（缓存命中）和4元/百万 tokens（缓存未命中），输出价格为12元/百万 tokens。

3

智能体能力跃迁：最大的升级

DeepSeek V3.1的Agent能力显著增强却未引起足够关注。这一提升源自底层搜索和工具调用能力的提升。

在发布中，官方强调通过Post-Training优化，新模型在工具使用与智能体任务中表现大幅提升。

在复杂的软件工程和终端控制任务上表现尤为突出，几乎实现跨越式进步。

在通用网页浏览和工具调用能力上也获得增强。Browsecomp测试中得分从R1-0528的8.9分提升至30.0分，Seal0基准得分从29.7提升至42.6。

4

隐忧与挑战：合并模型的未来

尽管V3.1取得突破，但模型融合策略引发争议。阿里的Qwen模型尝试后分开发布，GPT-5则使用智能路由而非直接融合。

因强化学习优化导致模型在处理非严密逻辑任务时表现不佳。用户反馈V3.1重新出现幻觉严重和中英夹杂问题。

此外，模型在面对复杂问题时表现出“能省则省”的倾向。激进的更新策略也令商业API用户不满，担心影响业务稳定性。