加载中...

DeepSeek-V3.1（DeepSeek-V3.1）详细信息 | 名称、简介、使用方法，开源情况，商用授权信息 | DataLearnerAI

DeepSeek-V3.1

Name: DeepSeek-V3.1
Availability: InStock
Author: DeepSeek-AI

发布时间: 2025-08-201,683

在线体验 GitHub Hugging Face

模型参数

6710.0亿

上下文长度

128K

中文支持

支持

推理能力

数据优先来自官方发布（GitHub、Hugging Face、论文），其次为评测基准官方结果，最后为第三方评测机构数据。了解数据收集方法

模型基本信息

推理过程

支持

上下文长度

128K tokens

最大输出长度

8192 tokens

模型类型

聊天大模型

发布时间

2025-08-20

模型文件大小

1340GB

MoE架构

是

总参数 / 激活参数

6710.0 亿 / 370 亿

知识截止

暂无数据

推理模式

常规模式（Non-Thinking Mode）思考模式（Thinking Mode）

开源和体验地址

代码开源状态

MIT License

预训练权重开源

MIT License- 免费商用授权

GitHub 源码

暂无GitHub开源地址

Hugging Face

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

在线体验

https://chat.deepseek.com/

官方介绍与博客

官方论文

DeepSeek-V3.1 Release

DataLearnerAI博客

DeepSeek V4没有等到，但是DeepSeekAI把DeepSeek V3升级到DeepSeek V3.1了，小幅更新，但核心架构和参数不变

API接口信息

接口速度

3/5

💡默认单位：$/100万 tokens。若计费单位不同，则以供应商公开的原始标注为准。

标准计费Standard

模态	输入	输出
文本	$0.56	$1.68

评测得分

综合评估

共 7 项评测

评测名称 / 模式

得分

排名/总数

MMLUthinking

93.40

1 / 59

MMLUnormal

91.80

3 / 59

MMLU Prothinking

12 / 109

MMLU Pronormal

83.70

28 / 109

GPQA Diamondthinking

80.10

42 / 141

GPQA Diamondnormal

74.90

61 / 141

HLEthinking

15.90

49 / 83

常识问答

共 1 项评测

评测名称 / 模式

得分

排名/总数

SimpleQAthinking

93.40

4 / 44

编程与软件工程

共 3 项评测

评测名称 / 模式

得分

排名/总数

LiveCodeBenchthinking

74.80

21 / 99

SWE-bench Verifiednormal

40 / 75

LiveCodeBenchnormal

56.40

59 / 99

数学推理

共 4 项评测

评测名称 / 模式

得分

排名/总数

AIME 2024thinking

93.10

7 / 62

AIME2025thinking

88.40

37 / 101

AIME 2024normal

66.30

41 / 62

AIME2025normal

49.80

83 / 101

AI Agent - 工具使用

共 1 项评测

评测名称 / 模式

得分

排名/总数

Terminal-Benchnormal + 使用工具

31.30

19 / 35

Agent能力评测

共 2 项评测

评测名称 / 模式

得分

排名/总数

Aider-Polyglotthinking

76.30

5 / 22

Aider-Polyglotnormal

68.40

12 / 22

发布机构

DeepSeek-AI

查看发布机构详情

模型解读

DeepSeek V3.1 是 DeepSeek V3 的升级版本，于2025年8月19日发布，知识日期截止到2024年8月，比DeepSeek V3-0324版本多一个月（DeepSeek V3-0324的知识为2024年7月）。

2025年8月19日，官方群里发布更新，官网的DeepSeek更新到DeepSeek V3.1版本，但没有公布更多详情。根据官网的消息，DeepSeekV3.1在复杂数学计算、逻辑推理和代码生成方面进行了优化，提高了准确性和推理深度，尤其是在多步推理任务上表现更好。此外，虽然都是128K输入，但V3.1 在长文本理解和信息提取方面更加精准，减少了冗余回答。

关于DeepSeek-V3.1详细介绍参考： https://www.datalearner.com/blog/1051755634545683

DataLearner 官方微信

欢迎关注 DataLearner 官方微信，获得最新 AI 技术推送