这次发布貌似比较低调，但是发布后，社区反响还是不错，排名前列，还在持续上升中，我们也聊聊这次的亮点

核心性能突破

超长上下文处理

技术实现：128K tokens的工程突破与架构优化

DeepSeek V3.1将上下文窗口扩展至128K tokens，实现对上一代版本（64K）的翻倍提升，可处理约10万-13万汉字（相当于两本200页小说或400页书籍的文本量）。这一突破的核心在于Transformer架构的内存管理优化，通过改进注意力机制的计算效率与上下文状态追踪能力，解决了前代模型在长文本处理中常见的上下文丢失与响应碎片化问题。线上模型版本与开源版本保持一致的上下文能力，确保企业级用户与开发者可获得同等的长文本处理性能。

场景验证：从长文档分析到复杂任务支持

在企业级应用中，128K上下文能力显著提升了法律合同审查、学术论文综述等场景的效率。模型可一次性输入完整的超长法律文档（如400页合同）或博士论文（约10万汉字），并保持逻辑连贯性与细节准确性。实测显示，其在约10万字文章中删减文本中成功定位到特定句子，并能理解文章内容，验证了长文本中的精准信息检索与深度语义理解能力。

开发者场景中，模型支持大型代码库依赖分析与技术文档解析，可处理完整代码库输入并保持上下文连贯性。此外，在检索增强生成（RAG）与多轮对话任务中，模型表现出更优的上下文保持能力，解决了旧版偶发的“死循环输出”或“信息割裂”问题，满足企业级数据密集型工作流需求。

实测数据显示，模型在处理接近上下文极限（约9%，即10万字级）的输入时，仍能保持输出速度与准确性，验证了其工程优化的稳定性。这一能力不仅提升了单轮任务效率，更支持持续数小时的长对话场景，为智能客服、虚拟助手等交互系统提供了技术支撑。

编程能力跃升

DeepSeek V3.1 在编程领域实现了全方位突破，其技术领先性、实用价值与成本优势形成三维协同，重新定义了开源编程模型的性能边界。

基准测试：开源模型的性能标杆

在权威编程能力评测中，DeepSeek V3.1 展现出显著优势。Aider Polyglot 多语言编程基准测试结果显示，模型以 71.6% 的得分超越 Claude Opus 4，成为当前开源模型中表现最佳的非推理模型之一，且推理速度较同类模型更快。在专业开发场景中，其 SWE 代码修复测试与 Terminal-Bench 终端任务表现较前代模型（如 DeepSeek R1-0528）显著提升，Python 与 Bash 代码生成准确率达 60%，较 V3 版本提升数个百分点。这一系列数据印证了其在复杂逻辑实现、多语言支持与系统交互能力上的技术突破。

实战案例：从“功能实现”到“一步到位”

在复杂场景开发中，模型展现出强大的工程化能力：

·前端交互：使用 p5.js 编写含重力、摩擦力与碰撞检测的旋转六边形弹跳小球程序，自动补全转速等关键参数；

·3D 可视化：通过 Three.js 构建三层结构的交互式粒子星系（内球体 中间圆环 外球体），并支持沉浸式宇宙场景开发（含旋转物体、变形效果与发光弧线交互）；

·全栈开发：Cloudlytics 网站案例显示，模型可一次性生成 800 行无错误代码，完成从栏目规划到图片元素整合的全流程网站构建。

成本革命：中小企业的开发效率引擎

性能跃升的同时，V3.1 实现了成本的指数级优化。完成典型编程任务（如复杂脚本开发或系统工具编写）的平均成本仅1.01 美元，为闭源模型的 1/68。这一成本优势对中小企业开发流程具有颠覆性意义

“开源模型 高性能 低成本”的组合，正在打破编程工具市场的现有格局。随着 V3.1 等开源模型的成熟，传统依赖闭源 API 的开发模式面临挑战，未来编程工具生态或将向“本地化、高效率、低门槛”方向加速演进。

智能体能力增强

工具使用与函数调用

DeepSeek V3.1在工具使用与函数调用领域实现了从“认知”到“执行”的跨越，通过后训练优化（Post-Training）显著提升智能体任务处理能力，不仅能完成代码编写、命令行操作等复杂工具调用，还可通过网络搜索整合实时信息，实现从“顾问”向“工程师/研究员”的角色升级。这种能力跃迁体现在兼容性、可靠性与开发效率三大维度的系统性优化，为企业级工具链集成提供了技术支撑。

兼容性：生态无缝迁移，降低跨平台协作成本

V3.1在API层面对Anthropic API格式的原生支持，打破了智能体工具生态的平台壁垒。开发者可直接复用基于Claude Code等框架构建的工具调用逻辑，无需重构适配代码，显著降低生态迁移成本。这种兼容性设计不仅覆盖基础函数调用格式，还延伸至复杂工具链协作场景，例如在多智能体系统中，V3.1可与Claude生态工具链实现参数自动对齐与任务接力，提升跨平台工具协同效率。

可靠性：Strict Mode与schema校验，保障企业级任务稳定性

针对金融、医疗等对输出格式精度要求严苛的领域，V3.1推出Beta版Strict Mode函数调用（Function Calling），通过后训练优化的schema解析能力，确保模型输出严格符合预定义数据结构规范。在金融数据接口调用场景中，该模式下的格式准确率可达99%，杜绝因参数类型错误、字段缺失导致的接口调用失败。此外，MCP（Multi-Capability Programming）工具链的引入，使模型能自主解析工具说明文档，动态选择最优函数组合，例如在“搜索新闻写入Markdown文件”任务中，V3.1可自动调用tavily_news_search工具完成信息检索，并按schema要求转换为指定格式，全程无需人工干预。

开发效率：模板化调用与Token优化，缩短集成周期

V3.1通过工具调用模板库减少80%的Prompt工程工作量，开发者可直接基于预设模板定义工具参数，无需手动编写复杂的函数描述prompt。量化数据显示，采用模板化集成后，工具调用功能的平均接入时间从传统的2天缩短至1天，效率提升50%。同时，模型架构中嵌入的“搜索Token”与“思考Token”支持内部推理步骤拆分，使智能体在处理多步骤任务时能自主规划工具调用顺序，例如代码编写场景中，V3.1可先调用搜索工具获取最新API文档，再执行代码生成与错误修复，减少开发者的人工干预环节。

综合来看，DeepSeek V3.1通过兼容性设计降低生态迁移门槛，以Strict Mode保障企业级任务可靠性，借助模板化工具调用提升开发效率，构建了“能用、好用、耐用”的工具使用体系，为智能体在复杂工业场景的规模化应用奠定了技术基础。

编程与搜索智能体

DeepSeek V3.1在编程与搜索智能体领域实现了显著突破，通过垂直能力专精化、跨版本性能跃升及场景化落地验证，构建了高效协同的智能体系统。其核心优势体现在垂直任务专精性、Post-Training优化带来的性能提升，以及在企业与学术场景中的实用价值转化。

垂直能力：多维度任务专精性表现

在编程智能体维度，模型展现出代码生成与修复的高效性。在SWE代码修复任务与Terminal-Bench命令行终端测试中，性能较前代实现显著提升，尤其在复杂编码场景中，企业用户报告典型任务成本仅约1美元，远低于闭源竞品近70美元的水平。此外，编程智能体在创意开发场景中亦表现出潜力，例如可复现Chrome断网小恐龙游戏，尽管在外观细节与可玩性上仍有优化空间，但已实现核心规则与画风的精准还原。

搜索智能体则强化了多步推理与跨领域知识整合能力。在browsecomp复杂搜索测试与HLE多学科专家级难题测试中，模型表现大幅领先前代版本，尤其在需要整合多领域知识的复杂任务中，展现出更优的思考效率与问题拆解能力。结合新增的“search token”支持，搜索智能体的工具调用能力得到进一步增强，为复杂信息检索任务提供了技术支撑。

终端命令执行作为编程智能体的延伸能力，在Terminal-Bench测试中表现突出，验证了模型对系统级操作的精准理解与执行效率，为自动化运维等场景奠定了基础。

场景落地：企业与学术价值验证

在企业DevOps流程中，V3.1编程智能体可自动化生成部署脚本，结合搜索能力实现“工具调用-代码生成-执行验证”的端到端闭环。实测显示，此类“编程 搜索”复合任务的成本仅为使用Claude-3.5的1/30，其中代码调试场景的端到端任务成本约1.01美元，仅为传统专有系统的1/60，显著降低了企业研发成本。

学术研究场景中，搜索智能体凭借多步推理与跨库检索能力，可高效整合分散的文献资源并生成综述内容。其在跨学科难题（HLE）测试中的优异表现，表明模型能够处理需要融合多领域知识的复杂研究问题，为科研工作者提供了智能化文献分析工具。

综合来看，DeepSeek V3.1通过编程与搜索智能体的协同优化，不仅实现了技术指标的代际突破，更在企业降本与学术提效场景中展现出明确的实用价值，为大模型在垂直领域的深度应用提供了范例。

API 定价调整与实际成本优势

在使用成本层面，DeepSeek V3.1 于 2025 年 9 月 6 日起调整 API 定价策略：输入价格缓存命中时为0.5 元/百万 tokens，未命中时为 4 元/百万 tokens（此前 V3 为 2 元/百万 tokens）；输出价格为 12 元/百万 tokens（此前 V3 为 8 元/百万 tokens），同时取消夜间时段优惠。尽管部分场景的单次调用成本略有上升，但 Token 效率提升（减少 20%-50%）与推理速度加快（60 TPS）有效抵消了价格调整的影响，整体性价比仍保持行业领先。与同类模型相比，DeepSeek V3.1 的 API 价格优势显著。