DeepSeek-V3.1发布 具备更高的思考效率以及更强的Agent能力

智通财经APP获悉，8月21日，DeepSeek正式发布 DeepSeek-V3.1。本次升级包含主要变化有：混合推理架构(一个模型同时支持思考模式与非思考模式)；更高的思考效率(相比 DeepSeek-R1-0528，DeepSeek-V3.1-Think 能在更短时间内给出答案)；更强的 Agent 能力(通过 Post-Training 优化，新模型在工具使用与智能体任务中的表现有较大提升)。

官方App与网页端模型已同步升级为DeepSeek-V3.1。用户可以通过“深度思考”按钮，实现思考模式与非思考模式的自由切换。DeepSeek API 也已同步升级，deepseek-chat 对应非思考模式，deepseek-reasoner 对应思考模式，且上下文均已扩展为 128K。同时，API Beta 接口支持了 strict 模式的 Function Calling，以确保输出的 Function 满足 schema 定义。另外，DeepSeek增加了对 Anthropic API 格式的支持，让大家可以轻松将 DeepSeek-V3.1 的能力接入 Claude Code 框架。

工具调用/智能体支持增强

编程智能体

表 1：编程智能体测评(SWE 使用内部框架测评，相比开源框架 OpenHands 所需轮数更少；Terminal Bench 使用官方 Terminus 1 framework)

在代码修复测评 SWE 与命令行终端环境下的复杂任务(Terminal-Bench)测试中，DeepSeek-V3.1 相比之前的 DeepSeek 系列模型有明显提高。

搜索智能体

表 2：搜索智能体测评(测试结果调用商用搜索引擎 API+网页过滤+128K context window；R1-0528 使用内部 workflow 模式测试；HLE 测试同时使用 python 与 search 工具)

DeepSeek-V3.1 在多项搜索评测指标上取得了较大提升。在需要多步推理的复杂搜索测试(browsecomp)与多学科专家级难题测试(HLE)上，DeepSeek-V3.1 性能已大幅领先 R1-0528。

测试结果显示，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。

在各项评测指标得分基本持平的情况下(AIME 2025: 87.5/88.4， GPQA: 81/80.1， liveCodeBench: 73.3/74.8)，R1-0528 与 V3.1-Think 的 token 消耗量对比图

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。