加载中...

DeepSeek-V3.1

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

发布时间: 2025-08-20更新于: 2025-08-23 01:15:361,963

在线体验GitHubHugging Face Compare

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

DeepSeek-V3.1

模型基本信息

推理过程

支持

思考模式

不支持思考模式

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

DeepSeek-V3.1

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/

DeepSeek-V3.1

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

DeepSeek-V3.1

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

DeepSeek-V3.1

评测结果

综合评估

共 7 项评测

评测名称 / 模式

得分

排名/总数

MMLU

常规

93.40

3 / 59

MMLU

常规

91.80

3 / 59

MMLU Pro

常规

32 / 114

MMLU Pro

常规

83.70

32 / 114

GPQA Diamond

常规

80.10

79 / 160

GPQA Diamond

常规

74.90

79 / 160

HLE

常规

15.90

76 / 112

常识问答

共 1 项评测

评测名称 / 模式

得分

排名/总数

SimpleQA

常规

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

LiveCodeBench

常规

74.80

64 / 104

LiveCodeBench

常规

56.40

64 / 104

SWE-bench Verified

常规

57 / 92

数学推理

共 4 项评测

评测名称 / 模式

得分

排名/总数

AIME 2024

常规

93.10

41 / 62

AIME 2024

常规

66.30

41 / 62

AIME2025

常规

88.40

90 / 108

AIME2025

常规

49.80

90 / 108

AI Agent - 工具使用

共 1 项评测

评测名称 / 模式

得分

排名/总数

Terminal-Bench

常规

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-Polyglot

常规

76.30

13 / 26

Aider-Polyglot

常规

68.40

13 / 26

查看评测深度分析与其他模型对比

DeepSeek-V3.1

发布机构

DeepSeek-AI

查看发布机构详情

DeepSeek-V3.1

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