DeepSeek-V3.1 评测详情

DeepSeek-V3.1 当前已收录的代表性评测结果包括 MMLU（1 / 124，得分 93.40）、SimpleQA（4 / 47，得分 93.40）、AIME 2024（7 / 62，得分 93.10）。

评测结果

DeepSeek-V3.1

评测结果

综合评估

共 5 项评测

评测名称 / 模式

得分

排名/总数

常规模式

91.80

4 / 124

思考模式

93.40

1 / 124

常规模式

83.70

44 / 134

思考模式

85

27 / 134

思考模式

15.90

156 / 197

科学与综合推理

共 2 项评测

评测名称 / 模式

得分

排名/总数

常规模式

74.90

175 / 274

思考模式

80.10

146 / 274

常识问答

共 1 项评测

评测名称 / 模式

得分

排名/总数

思考模式

93.40

4 / 47

编程与软件工程

共 3 项评测

评测名称 / 模式

得分

排名/总数

常规模式

56.40

84 / 128

思考模式

74.80

44 / 128

SWE-bench Verified

常规模式

66

76 / 116

数学推理

共 4 项评测

评测名称 / 模式

得分

排名/总数

常规模式

66.30

40 / 62

思考模式

93.10

7 / 62

常规模式

49.80

88 / 107

思考模式

88.40

42 / 107

写作和创作

共 1 项评测

评测名称 / 模式

得分

排名/总数

Creative Writing

常规模式

1433.20

57 / 106

AI Agent - 工具使用

共 1 项评测

评测名称 / 模式

得分

排名/总数

常规模式工具

31.30

19 / 35

常识推理

共 1 项评测

评测名称 / 模式

得分

排名/总数

常规模式

40

68 / 94

与其他模型对比