Deepseek V3.1 看似只是一次版本迭代，实则是迈向“通用智能”的关键一步。本文全面解析新版本的能力提升、使用场景与背后意义，帮助你理解这款国产大模型如何在技术演进中稳扎稳打，走出自己的节奏。

Deepseek V3.1的发布

8月19日，Deepseek团队官方宣布名为Deepseek V3.1的版本更新，并于2天后正式官方发文。作为国产AI的“杠把子”，向来低调的Deepseek团队任何的动作都注定会引来各方关注。在下不才，经过这些天的集中式搜集，希望能够在本文为各位朋友全面介绍本次Deepseek V3.1，包括都有哪些更新，分别意味着什么，坊间对于本次更新又有哪些夸赞与吐槽。甚至你会看到，本次Deepseek更新是如何仅凭一句话，就推动了8月22日国产芯片股的集体暴涨。

Deepseek V3.1 更新了什么

在最开始的8月19日，Deepseek在其官方群里宣布了线上模型版本已升级至V3.1。从下面的截图我们可以看到，关于Deepseek V3.1 的更新内容，最开始Deepseek的宣传点是“上下文长度拓展至128k”。但一直关注Deepseek的各种人士都知道，此前的Deepseek的开源版本早已支持128K上下文，只是官方仅开放至64K，现在算是对齐了。

应该说，上下文长度提升对于日常使用的体验肯定是有所提升的。不过，以Deepseek“不鸣则已，一鸣惊人”的性格，断然是不会因为这么一点更新就刷一个新的版本号（要知道，之前像V3-0324，R1-0528这么大的更新，也就刷了个日期号）。于是，各方人马纷纷开始了各种体验。

果然，两天后的Deepseek官方发文，口径就发生了变化，称之为“迈向 Agent 时代的第一步”（确实，只有这么个级别的更新，才配得上一次版本号更新）。我们具体来看看，这回Deepseek V3.1版本除了前面的“上下文长度拓展至128k”，都有哪些更新。

官方文章在开篇就给出了三点。第一点，混合推理架构。我们知道，此前Deepseek的模型，按照推理和非推理，是分为R1和V3两个模型的。这次版本，Deepseek团队就将这两个模型进行了合并，也就是一个模型同时支持思考模式与非思考模式。不过它和GPT-5的自动路由机制不同。GPT-5是模型自己根据用户的提问来判断是否要调用推理模型，而DeepseekV3.1依然是用户控制。

尽管我们都不是AI方面的技术专家。但也不难猜测，要将两个独立的AI模型合并应该不是一件简易的事。那为什么Deepseek团队要费劲合并两个模型呢？那肯定是因为“收益大于付出”嘛，这就得提到后续的第二点、第三点了。

首先是更高的思考效率。按照官方的说法，“经过思维链压缩训练后，V3.1-Think 在输出 token 数减少 20%-50% 的情况下，各项任务的平均表现与 R1-0528 持平”，“同时，V3.1 在非思考模式下的输出长度也得到了有效控制，相比于 DeepSeek-V3-0324 ，能够在输出长度明显减少的情况下保持相同的模型性能”。

思考效率的提升直接带来的收益就是API价格的下降，这对于各大开发者就是实打实的“帮家人们把价格打下来”了。我们来对比一下，Deepseek的API价格变化。

国外也有用户汇总整理了各个主流模型的性价比，从下表中可以看到，Deepseek V3.1的性价比同样名列前茅。

然后是更重要的，更强的Agent能力。AI Agent这个名词已多次出现在我们过往的讨论当中，它的本质之一就是AI大模型能够自行根据需要，合理地调用各类工具来解决复杂问题。在官方析出的材料中，包含了涉及编程、工具调用、网页浏览、终端操作等多个衡量智能体能力的基准测评结果。从结果来看，本次DeepseekV3.1在这些测评中的表现对比之前的版本都有显著提升，这些都为构建更强大的AI智能体应用提供了更多的可能性。

编程智能体：

搜索智能体：

介绍完官方宣传中最主要的三项更新，还有一处信息我需要特别指出的，那就是藏在文章中的这一句话“需要注意的是，DeepSeek-V3.1 使用了 UE8M0 FP8 Scale 的参数精度”。这里的“UE8M0 FP8 Scale”是AI模型部署到算力硬件时的一种压缩技术，能够有效地降低模型大小和计算成本，同时保持模型的性能和精度。Deepseek官方专门在评论区留言补充道“UE8M0 FP8是针对即将发布的下一代国产芯片设计”，也就是说，这是下一代国产芯片专用的技术。就是这一句话直接推动22号大A国产芯片股的集体上涨，“寒王”寒武纪更是在此前的高股价下直接20%涨停。之前坊间一直就有流转Deepseek的下一代R2模型会全面适配采用国产算力芯片，这下算是实锤了二者的深度绑定。

对于Deepseek V3.1的夸赞与吐槽

在距离此次V3.1发布的一周多后，我利用Deepseek总结了目前网络上用户对于这次新版本的使用感受，并按“夸赞”和“吐槽”进行分类。

我们先来看看“夸赞”的内容，其实基本上与这次版本的更新内容是重叠的，因此我们也不作展开论述。

• 模型推理速度更快，这一点我个人也有体会，体感上有大约10%-20%的提速。
• Agent（智能体）能力增强，编程能力提升显著。
• 上下文长度从64K扩展到128K，能更好地处理长文本和复杂逻辑任务。
• 成本效益高，输入/输出token价格有所降低。
• 接下来我们重点来看看关于这次更新的一些吐槽。
• 使用问题：网上就有部分用户反馈使用新模型时“感觉”更容易出现幻觉，这可以说是Deepseek的一个恒久问题了。个别用户也反馈遇到过翻译时偶尔会漏词的表现。
• 生成预期以外的内容：部分用户反映生成内容中不必要的中英文混杂现象有所增多。代码生成中曾出现随机插入“极/極/extreme”等token的离谱Bug，影响编译（关于这个问题，腾讯的CodeBuddy称已经和DeepSeek团队取得联系，确认将在最近的一个版本中进行修复）。
• API更替策略激进：DeepSeek选择用V3.1直接覆盖旧版API，且不提供旧版本访问途径，这直接就引起了部分B端用户的投诉。对于这一点我十分能够理解，因为调试适配一个AI模型本来就要花费不少工夫，而且有不少调试可能就是针对模型的某个版本定制的。直接覆盖旧版API，可能会让原本稳定的AI应用受到稳定性和兼容性的影响。而B端客户最怕的就是“服务的不稳定不可靠”。

说实在的，外网对DeepSeek V3.1的整体评价仍然是积极占主导，吐槽方面不算多。如果硬要再补一条，那就是“期待落空”。即传说中的R2推理模型还是没见着，用户提到像多模态能力仍然缺失，在功能全面性有所不足。这方面基本上跟我之前一次关于R2的可能更新方向是重叠的。

总结：Deepseek的“一小步”

DeepSeek-V3.1的混合推理架构被视为大模型发展的一个重要方向。它标志着行业竞赛的重点正从一味追求参数规模，转向如何更精巧地整合多种能力于一体，并在性能、速度、成本之间找到最佳平衡点。

此外，模型的Agent能力也将会是后续重点发展的方向。Agent能力指向的是AI模型解决复杂问题的能力，这一点从这次Deepseek官方的宣传点“迈向Agent时代的第一步”便可得知，毕竟，得先有“Agent时代”存在，才有“迈向第一步”这么一说嘛。

还有就是对于国产芯片的支持。在AI三要素——模型、数据、算力——当中，算力是目前我们依然被卡脖子的、亟待突破的领域。而Deepseek推动“软硬结合”的做法，有助于打破卡脖子，推动我国AI产业建立从底层芯片、算法框架到上层应用的闭环体系。

我将V3.1的更新称为Deepseek的“一小步”，无论是混合推理模型、Agent能力、国产芯片软硬结合，都是面向未来却又充满未知的领域。这些探索，可能成功，亦可能失败，但我们不能也不甘于永远都在AI行业充当一个“追赶者”的角色，总需要有人去到这些领域尝试开拓。

愿Deepseek的“一小步”，能成为国产AI的“一大步”。