DeepSeek V3.1 Terminus Thinking

# 一、简介与定位

DeepSeek V3.1 Terminus Thinking是中国北京深度求索人工智能基础技术研究有限公司（DeepSeek）于2025年9月22日发布的旗舰级开源大模型，定位为V3.1系列的终极优化版本，聚焦工程化落地与核心痛点修复。

其名称中“V3.1”代表基于DeepSeek V3系列的迭代版本，“Terminus”源自拉丁语，意为“终点”，暗示该版本是V3.1架构的收官之作；核心功能涵盖混合推理、长文本处理、智能体优化三大板块，支持思考与快速双模式切换。使用门槛方面，该模型已在Hugging Face、魔搭等平台开源，支持商用及二次开发，API采用差异化定价，缓存命中输入0.5元/百万tokens，输出12元/百万tokens，无强制订阅要求，无明显使用限制；同期发布的兄弟模型为DeepSeek V3.1基础版，二者核心架构一致，基础版未针对语言一致性等痛点进行优化。

目前该模型处于生命周期的成熟阶段，尚未被淘汰，仍是DeepSeek V3系列的主力优化版本，其最突出的核心特点是“不堆参数重优化”，以工程化改进解决实际使用痛点，兼顾性能、效率与低成本。

# 二、发展历程

# 2.1 研发背景

DeepSeek V3.1 Terminus Thinking发布前，行业内主流大模型呈现“两极分化”格局：海外阵营以GPT-4o、Claude-3.5、Gemini-3.1为代表，优势在于综合性能强劲、智能体能力突出，但存在定价高昂、国内使用壁垒等问题；国产阵营则有DeepSeek V3基础版、文心一言4.0、通义千问3.0等，优势在于适配中文场景、开源成本低，但普遍存在语言输出不规范、智能体性能不稳定、长文本处理能力不足等痛点。同时，国内AI产业面临“自主可控”的战略需求，国产芯片适配、低成本部署成为行业核心诉求，在此背景下，DeepSeek推出V3.1 Terminus Thinking，聚焦痛点修复与工程化优化，填补国产旗舰模型的实用化缺口。

# 2.2 关键节点

2024年12月26日，DeepSeek正式发布V3系列首个版本，奠定了MoE架构的核心基础，为后续迭代埋下伏笔；2025年8月，DeepSeek V3.1基础版上线，但随即暴露出中英文混杂、异常字符输出等严重问题，引发开发者吐槽，官方紧急启动优化计划；2025年9月上旬，优化版本进入内测阶段，重点测试语言一致性、智能体性能及长文本处理能力，同步完成国产芯片适配调试；2025年9月22日晚，DeepSeek官方正式发布DeepSeek V3.1 Terminus Thinking，同步开源模型权重，并公布详细的缺陷修复方案与测试数据；2025年9月至10月，该模型完成华为昇腾910C、寒武纪MLU590算子级优化，逐步切入政务、企业服务等场景；2026年3月，随着混合推理架构的进一步完善，该模型综合表现逼近国际顶尖水平，成为国产开源模型的标杆之一。

# 2.3 家族构成

DeepSeek V3.1 Terminus Thinking隶属于DeepSeek大模型家族，该家族涵盖通用大模型、专用大模型两大品类，核心成员如下：

DeepSeek LLM：2024年1月发布的首个通用大模型，包含7B/67B两个版本，全部开源，在中文理解、编码和数学方面表现突出，超越同期Llama2 70B Base，为家族奠定了技术基础。

DeepSeek-Coder：专注于代码生成的专用模型，2024年1月首次发布，2024年6月迭代至V2版本，支持338种编程语言，上下文长度扩展至128K，在代码基准测试中可与GPT-4-Turbo抗衡，是开发者常用的开源代码工具。

DeepSeekMath：2024年2月发布的数学专用模型，基于DeepSeek-Coder-v1.5 7B优化而来，在竞赛级MATH基准测试中表现优异，接近Gemini-Ultra和GPT-4的性能水平，无需依赖外部工具包即可完成复杂数学推理。

DeepSeek-VL：视觉-语言多模态模型，2024年3月首次发布，2024年12月迭代至VL2版本，采用混合视觉编码器，可高效处理高分辨率图像，在视觉问答、文档理解等任务中表现突出。

DeepSeek-V2：2024年5月发布的第二代开源MoE模型，总参数2360亿，兼顾性能与训练效率，相比前代节省42.5%的训练成本，是V3系列的核心技术基石。

DeepSeek-V3：2024年12月发布的通用旗舰模型，采用671B参数MoE架构，在知识类任务、数学竞赛中表现突出，生成速度较前代提升3倍，是V3.1系列的基础版本。

DeepSeek-R1：2025年1月发布的轻量化旗舰模型，开源可商用，在风格控制类任务中表现顶尖，已接入英伟达、微软、亚马逊等企业平台，主打高效部署与场景适配。

DeepSeek V3.1基础版：2025年8月发布，是V3.1系列的初始版本，具备混合推理、128K上下文等核心功能，但存在语言输出不规范等痛点，为Terminus版本的优化提供了方向。

# 三、核心技术剖析

# 3.1 固有技术

DeepSeek V3.1 Terminus Thinking继承了家族前代模型的核心底层技术，确保性能的稳定性与延续性。其一，继承了DeepSeek V3系列的671B参数MoE架构，即混合专家模型架构，该架构包含256个专家和1个共享专家，每次token仅激活37B参数，既能保证模型性能接近稠密大模型，又能大幅降低训练与推理的算力成本，解决了“参数与效率不可兼得”的行业痛点。其二，延续了Transformer基础架构，采用分组查询注意力（GQA）和旋转位置编码（RoPE），前者兼顾注意力性能与计算效率，后者有效提升长文本处理时的位置感知能力，避免长文本“失忆”问题。其三，沿用了监督微调（SFT）与人类反馈强化学习（RLHF）的对齐手段，确保模型输出符合人类指令意图，同时保留了FP8混合精度、GPU部署优化等工程化技术，提升模型的部署效率。

# 3.2 创新技术

该模型的核心创新集中在痛点修复与工程化优化，未追求参数堆砌，重点解决实际使用中的核心问题，具体如下：

1.  动态对齐训练技术：针对前代模型中英文混杂、异常字符输出的痛点，通过改良tokenizer和优化训练范式，实现语言一致性的大幅提升，将中英文混杂率降低68%，异常字符出现频率下降73%，彻底解决了代码编译中异常字符干扰、文本生成中语言混乱的问题，尤其适配中文场景的正式文本生成与代码开发需求。

2.  混合推理双模式优化：在继承混合推理架构的基础上，进一步优化了思考模式与快速模式的切换逻辑，无需复杂操作，用户可通过网页端“深度思考”按钮或API直接切换。思考模式针对复杂任务优化，可像人类一样逐步拆解问题、推理演算，适合数学解题、方案撰写、代码开发等场景；快速模式主打高效响应，直接输出结果，适合文本总结、日常对话等轻量化场景，兼顾精准度与使用效率。

3.  上下文窗口与推理效率优化：将上下文窗口稳定扩展至128K tokens（约96万字，相当于六本《红楼梦》），可一次性处理整张Excel、百页PDF、长篇小说等长文本，彻底解决AI“失忆”问题；同时优化动态路由机制，解决MoE架构中专家负载不均衡的问题，使训练与推理效率提升40%，并采用UE8M0 FP8 Scale参数精度，适配国产芯片，实现“低卡高能”部署。

4.  智能体能力专项升级：重点优化Code Agent与Search Agent的性能，其中Code Agent代码生成准确率提升12%，可一次性读懂十万行工程代码，适配多语言编程场景；Search Agent多轮检索提速40%，能精准识别并交叉验证多条件信息，信息连贯性大幅提升，在复杂搜索、多步骤任务中表现突出。

# 四、表现评估

# 4.1 历史与现状

刚发布时（2025年9月），DeepSeek V3.1 Terminus Thinking凭借痛点修复与高效部署的优势，迅速获得开发者关注，上线初期便在Hugging Face等平台获得大量下载，凭借“不炫技、重实用”的特点，区别于同期其他国产模型，快速跻身国产开源旗舰模型第一梯队，当时其综合表现接近Claude-3.5-Sonnet，在中文处理、代码生成领域形成差异化优势。截至2026年4月，该模型仍是DeepSeek V3系列的主力版本，未被淘汰，经过多轮优化与场景适配，综合表现已逼近GPT-5.4、Claude-Opus等国际顶尖模型，在部分细分维度（如中文长文本处理、低成本部署）实现反超，同时通过国产芯片适配，逐步切入政务、金融、医疗等B端场景，成为国产大模型工程化落地的标杆。

# 4.2 优势亮点

结合业内排行榜数据与媒体实测，该模型的优势主要集中在以下三个维度，表现突出且贴合实用需求：

1.  中文处理能力优异：在SuperCLUE中文大模型排行榜中，该模型中文一致性、语义理解、文本生成三项评分均位列国产开源模型前列，动态对齐训练技术有效解决了中文输出不规范的问题，在文学分析、公文撰写、小语种翻译（中文适配）等场景中表现稳定，无明显语言混杂现象。

2.  智能体与代码能力突出：在Humanity's Last Exam基准测试中，性能提升36.5%，超越Gemini 2.5 Pro跃居全球第三位；Code Agent在代码生成、调试、补全任务中表现优异，前端开发、多语言编程准确率提升32%，开发者意图匹配率达85%，在小球弹跳等物理模拟编程任务中，能精准还原物理逻辑，动画效果自然。

3.  性价比与部署效率领先：相较于GPT-4每百万token10美元的定价，该模型API定价仅1.68美元左右，且支持缓存命中优惠，大幅降低开发者使用成本；同时适配华为昇腾、寒武纪等国产芯片，推理时延降低22%，可实现低成本部署，适合中小企业与个人开发者使用，在第三方平台的调用量占比超过70%。

# 4.3 缺点与不足

客观来看，该模型仍存在一些短板，未达到“完美收官”的预期，主要集中在三个方面：

1.  高端推理能力仍有差距：尽管在常规数学推理、代码任务中表现优异，但在顶级数学竞赛、复杂逻辑推演等高端场景中，仍落后于GPT-4o、Claude-3.5等国际顶尖模型，AIME测试准确率87.5%，虽超越前代，但与国际顶尖水平仍有小幅差距。

2.  多模态能力缺失：作为纯语言模型，未集成视觉、语音等多模态能力，无法处理图像识别、语音转写等任务，在多模态融合场景中竞争力不足，与DeepSeek-VL系列模型协同使用时，衔接不够流畅。

3.  开源生态存在隐患：虽然模型开源且支持商用，但面临“免费复刻”的风险，部分第三方平台未经优化便直接复用模型权重，导致模型口碑出现分化；同时，下游工具链的完善度不足，相较于Llama系列，其二次开发的配套资源较少，增加了开发者的适配成本。

# 五、重大事件

1.  2025年9月22日，模型正式发布并同步开源：DeepSeek官方于当晚宣布推出DeepSeek V3.1 Terminus Thinking，同步在Hugging Face、魔搭平台上线开源权重，公布缺陷修复方案与测试数据，因“坦诚披露问题、聚焦实用优化”引发行业关注，发布当日相关话题在科技圈引发热议，开源下载量单日突破10万次。

2.  2025年9月，缺陷修复引发行业信任重构：官方公开披露前代模型异常字符、语言混杂问题的根源（中文sub-token采样表与注意力阈值耦合异常），同步公布2万条测试集规模及0.02%复发率，将舆论危机转化为信任资产，这种“量化解决问题”的方式，在行业内形成差异化，推动大模型行业估值逻辑从“训练成本”转向“高危缺陷存活天数”。

3.  2025年10月，完成国产芯片适配并切入政务场景：该模型完成华为昇腾910C、寒武纪MLU590算子级优化，推理时延降低22%，成功接入某省政务审批系统，单日处理量达12万件，凭借“等保3+国密算法”认证与合规训练数据，有望进入6省采购短名单，标志着其正式切入B端核心场景。

4.  2026年3月，综合表现逼近国际顶尖水平：经媒体实测与排行榜更新，该模型在代码生成、长文本处理、数学推理等维度的表现逼近GPT-5.4、Claude-Opus等国际顶尖模型，部分维度实现反超，印证了国产大模型与海外顶尖模型的差距持续缩小，进入“并跑”阶段。