近日，DeepSeek正式推出了其备受瞩目的V3.1版本，此次更新不仅将上下文长度扩展至128k，更在模型架构上实现了重大突破。V3.1采用了创新的混合推理架构，集思考模式与非思考模式于一体，用户通过API调用时，将统一识别为V3标识，这一变革大大简化了部署流程，提升了算力使用效率。
在性能提升方面，DeepSeek V3.1的编程能力实现了质的飞跃。据Aider编程基准测试结果显示，V3.1以71.6%的高分傲视群雄，不仅超越了前任R1版本，甚至超过了闭源模型Claude 4 Opus。在SVGBench测试中，V3.1紧随GPT-4.1-mini之后，远超前代R1的表现。在多任务语言理解测试MMLU中，V3.1也取得了88.5%的优异成绩，与GPT-5不相伯仲。然而，在研究生级别问答GPQA和软件工程SWE-Bench等领域，V3.1与GPT-5之间仍存在一定的差距。
DeepSeek V3.1在成本效益方面也取得了显著进展。完成一次完整的编程任务，V3.1的成本仅为约1.01美元，相较于Claude 4 Opus，成本降低了68倍之多。官方公布的新价格表显示，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），输出价格则为12元/百万tokens，该价格策略将于2025年9月6日起正式生效。这一成本的大幅下降，主要得益于思维链压缩训练技术的运用，有效减少了无意义的输出。
在智能体能力方面，V3.1同样表现出色。经过后训练优化，新模型在工具使用和智能体任务中展现出了卓越的性能。在SWE-bench Verified基准测试中，V3.1以66.0分的成绩遥遥领先前代。而在Terminal-Bench测试中，V3.1更是以31.3分的成绩，达到了前代五倍以上的水平。V3.1在网页浏览和工具调用能力上也得到了全面提升。
然而，V3.1的“模型融合”策略却引发了社区的广泛争议。部分用户反映，新版本中幻觉现象严重，且出现了中英夹杂的问题。同时，在面对复杂问题时，V3.1似乎更倾向于“能省则省”，这在一定程度上影响了其处理复杂任务的能力。DeepSeek激进的更新策略也让商业API用户感到不满。新模型直接替代了旧模型，且未提供旧版本的API接口，这导致线上生产业务的API可能在没有预警的情况下被更改，给商业应用的稳定性带来了严重影响。
