模型评测对比最新基准汇总

DeepSeek-V3.1与DeepSeek-V3-0324、DeepSeek-R1-0528模型对比

DeepSeek-V3.1 并不是一次彻底的架构革新，而是对 V3 系列在 稳定性、推理性能与代码生成能力 上的平衡升级，同时在推理模式和 Agent 应用层面有了实质性进展。

1. 推理与非推理的混合模式

与前代模型相比，V3.1 在 “thinking 模式” 与 “normal 模式” 上的差异化表现非常明显：

在纯推理任务（如数学、复杂逻辑）中，V3.1 的 thinking 模式大幅提升精度，接近甚至超过 R1。
在代码类任务中，V3.1 能够灵活切换——thinking 模式强化复杂问题解决，normal 模式则兼顾速度与成本。
相比之下，V3-0324 几乎只能依赖 normal 模式，表现受限；而 R1 则虽然推理极强，但缺少足够的 normal 模式支撑。

这意味着 V3.1 实现了推理与高效执行之间的动态平衡，适合在不同任务下灵活调用，而不是单一走“极致推理”路线。

2. Agent 能力的提升

V3.1 在 Agent 场景中的表现也有明显改进：

长链条任务规划：在 Aider Benchmark、LiveCodeBench 等评测中，V3.1 在保持推理能力的同时，更能稳定完成复杂多步骤代码生成和调试，说明其在“自洽任务执行”上更强。
工具调用与任务协调：虽然尚未开源，但在评测反馈中可以看到 V3.1 的“深度思考”模式能更自然地衔接工具调用，相较 V3-0324 更少中断，较 R1 更均衡。
应用价值：这使得 V3.1 在 Agent 应用场景（如自动问答、运维助手、产品设计助手等）中，更具落地性——不仅能推理，还能把结果落实到工具链条中。

总结洞察

对比 V3-0324：V3.1 不仅提升了精度和鲁棒性，更在推理/非推理混合模式下表现优异，解决了前代模型“只能跑快但不够深”的短板。
对比 R1-0528：V3.1 正在逐渐接近 R 系列的推理优势，同时在 Agent 能力和成本控制上更有优势，成为更均衡的选择。

整体来看，V3.1 的核心价值在于：用混合模式和强化 Agent 能力，推动大模型从“只会答题”走向“能规划、能执行”的下一步。

📊 左右滑动可查看更多模型数据 →

DeepSeek-V3.1

DeepSeek-AI 发布的聊天大模型模型。

了解更多在线体验

核心信息

开发机构

DeepSeek-AI

发布时间 2025-08-20

模型类型聊天大模型

MoE 架构

性能与规格

总参数量 6,710 亿

激活参数量 370 亿

模型大小 1340GB

推理能力

推理速度

思考模式

深度思考

最大上下文 128K

最大输出 8192

支持模态

Input

Output

API 价格 (每百万Tokens)

输入价格 0.56 美元/100 万tokens

输出价格 1.68 美元/100 万tokens

开源与许可

代码开源否

权重开源否

商业用途免费商用授权

DeepSeek-V3.1与DeepSeek-V3-0324、DeepSeek-R1-0528模型各评测基准得分对比表

评测基准	DeepSeek-V3.1 thinking	DeepSeek-V3.1 normal	DeepSeek-V3-0324 normal	DeepSeek-R1-0528 thinking
HLE 知识问答	15.9	0	5.2	17.7
GPQA Diamond 常识推理	80.1	74.9	68.4	81
SWE-bench Verified 代码生成	0	66	38.8	57.6
AIME 2024 数学推理	93.1	66.3	59.4	91.4
LiveCodeBench 代码生成	74.8	56.4	49.2	73.3
AIME2025 数学推理	88.4	49.8	47.7	87.5
Terminal-Bench 综合评估	0	31.3	13.3	5.7
Aider Benchmark 代码生成	76.3	68.4	55.1	71.4

DeepSeek-V3.1与DeepSeek-V3-0324、DeepSeek-R1-0528模型对比

1. 推理与非推理的混合模式

2. Agent 能力的提升

总结洞察

DeepSeek-V3.1与DeepSeek-V3-0324、DeepSeek-R1-0528模型各评测基准得分对比表

DeepSeek-V3.1与DeepSeek-V3-0324、DeepSeek-R1-0528模型评测结果汇总对比图

DeepSeek-V3.1与DeepSeek-V3-0324、DeepSeek-R1-0528模型的API价格对比图 (文本输入/输出)

DeepSeek-V3.1与DeepSeek-V3-0324、DeepSeek-R1-0528模型在各评测基准详细对比