DeepSeek 更新了！

大数据文摘出品

昨日，Deepseek推出了V3.1-Terminus，据介绍，这是其混合AI模型Deepseek-V3.1的改进版本。

新模型首先解决了语言区分问题，能够更准确地区分中文与英文，从而避免出现随机特殊字符等低级错误。

同时，Deepseek对内置的代码和搜索代理进行了调整，这让模型在调用外部工具时的稳定性更高，结果也更可靠。

基准测试数据显示，最显著的提升出现在需要工具使用的任务中。在BrowseComp基准测试中，成绩从30.0分提升到38.5分，在Terminal-bench上则从31.3分跃升到36.7分。

不过，图表也揭示了一个微妙的权衡。模型在英语BrowseComp中的表现提升明显，但在中文网络上的BrowseComp-ZH却出现小幅下滑。这说明，在优化英文任务的同时，中文任务的表现可能受到影响。

值得一提的是，对于不依赖工具的纯推理任务，提升幅度较为有限，模型在思维能力上的进展没有工具使用那样突出。

模式与训练

V3.1-Terminus延续了V3.1的“双模式”设计。所谓的“思考模式”（Deepseek-reasoner）专门用于复杂的工具任务，而“非思考模式”（Deepseek-chat）则适合直接对话。

这两种模式都支持长达128,000 tokens的上下文窗口，足以应对长文档、复杂对话和跨领域任务。

新版本的训练规模也进一步扩大。团队在原有数据基础上额外加入了8400亿tokens，并配合全新的分词器和更新后的提示模版。

在与国际竞争对手的对比中，Deepseek-V3.1已经展示出强劲的表现。它在多个混合模型的基准上超越了OpenAI和Anthropic的一些版本，同时也胜过了Deepseek自己研发的纯推理模型R1。

除了功能上的提升，Deepseek也保持了此前的定价策略。输出tokens的价格仍然是每百万1.68美元，远低于GPT-5的10美元，以及Claude Opus 4.1的最高75美元。

API的缓存机制同样维持在低价水平，每百万tokens的缓存命中收费0.07美元，缓存未命中则为0.56美元。这样的定价明显是为了吸引开发者和企业在大规模部署时选择Deepseek。

此外，V3.1-Terminus不仅可以通过App和网页端使用，也对外提供API，并且在Hugging Face上开源了模型权重，采用MIT许可协议。

模型已发布：Hugging Face：

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

ModelScope：https://modelscope.cn/models/deepseek-ai/DeepSeek-V3.1-Terminus

注：头图AI生成