新智元报道
编辑：桃子定慧
DeepSeek V3.1 新版正式上线，上下文 128k，编程实力碾压 Claude 4 Opus，成本低至 1 美元。
就在昨晚，DeepSeek 官方悄然上线了全新的 V3.1 版本，上下文长度拓展到 128k。
本次开源的 V3.1 模型拥有 685B 参数，支持多种精度格式，从 BF16 到 FP8。
综合公开信息和国内大咖 karminski3 的实测，V3.1 此次更新亮点有：
-
编程能力：表现突出，根据社区使用 Aider 测试数据，V3.1 在开源模型中霸榜。
-
性能突破：V3.1 在 Aider 编程基准测试中取得 71.6% 高分，超越 Claude Opus 4，同时推理和响应速度更快。
-
原生搜索：新增了原生「search token」的支持，这意味着搜索的支持更好。
-
架构创新：线上模型去除「R1」标识，分析称 DeepSeek 未来有望采用「混合架构」。
-
成本优势：每次完整编程任务仅需 1.01 美元，成本仅为专有系统的六十分之一。
值得一提的是，官方群中强调拓展至 128K 上下文，此前 V3 版本就已经支持。
对于这波更新，大家的热情可谓是相当高涨。
即便还未公布模型卡，DeepSeek V3.1 就已经在 Hugging Face 的趋势榜上排到了第四。
DeepSeek 粉丝数已破 8 万
看到这里，网友们更期待 R2 的发布了！
混合推理，编程击败 Claude 4
这次最明显的变化是，DeepSeek 在官方 APP 和网页端上，把深度思考（R1）中的「R1」去掉了。
同时，与 V3-base 相比，DeepSeek V3.1 新增了四个特殊 Token：
-
<｜search▁begin｜> (id: 128796)
-
<｜search▁end｜> (id: 128797)
-
(id: 128798)
-
(id: 128799)
对此，有推测认为，这可能暗示推理模型与非推理模型的融合。
在编程方面，根据网友曝出的结果，DeepSeek V3.1 在 Aider Polyglot 多语言编程测试中拿下了 71.6% 高分，一举击败了 Claude 4 Opus、DeepSeek R1。
而且，它的成本仅 1 美元，成为非推理模型中的 SOTA。
最鲜明的对比，V3.1 编程性能比 Claude 4 高1%，成本要低 68 倍。
在 SVGBench 基准上，V3.1 实力仅次于 GPT-4.1-mini，远超 DeepSeek R1 的实力。
在 MMLU 多任务语言理解方面，DeepSeek V3.1 毫不逊色于 GPT-5。不过在，编程、研究生级基准问答、软件工程上，V3.1 与之有一定的差距。
一位网友实测，模拟六边形中小球自由落体的物理测试，DeepSeek V3.1 理解力明显提升。
一手实测
第一时间，我们对 V3.1 进行了实测，首先是此次模型更新的重点：上下文长度。
假设对于中文而言，1 个 token ≈ 1–1.3 个汉字，那么这 128K tokens ≈ 100,000–160,000 汉字。
相当于整本《红楼梦》正文（约 80–100 万字）的1/6–1/8，或者一篇超长博士论文/大部头学术专著。
实际测试也很准确，DeepSeek 告诉我们它只能阅读差不多9%，也就是大约十分之一。
由于总结内容太长，我们截取了前三回，你觉得这个总结的怎么样？
在 128K 上下文测试中，DeepSeek-V3.1 输出速度相比以往获得较大提升，并且在工程上做了一些优化。
此次更新，DeepSeek 重点强调了对上下文的支持。
整个活，给 DeepSeek-V3.1 上点压力，让它根据「梦」这个字，输出尽可能多的内容，尽量达到上下文极限。
不过最后，差不多只输出了 3000 字左右，模型就停止了输出。
再来看下推理能力。
经典的 9.11 和 9.9 比大小问题，两种询问方式都能正确做答。
这次更新的一大体感还是速度变快了很多。
最后再来看看编程能力。
DeepSeek 的上一个模型是 R1-0528，主打的是编程能力。
看看这次 V3.1 是否有更大的提升。
最终结果只能说，打个 80 分吧，基本要求都满足了，但是画面风格和颜色变换功能并没有完美实现。
并且和 R1-0528 的结果相比，两者之间还是有些差距的，但孰好孰坏还需看个人偏好。
以下是开启思考模式后的结果，你觉得哪个更好？
接下来，看看 DeepSeek V3.1 能否复刻出 GPT-5 发布会上的法语学习小程序。
我们再来让 V3.1 画一个自己的 SVG 自画像，两种效果着实有些抽象。
参考资料：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
