DeepSeek V3.1 Thinking

# 一、简介与定位

DeepSeek V3.1 Thinking是中国杭州深度求索（DeepSeek）公司于2025年8月21日正式发布的旗舰级通用大模型，定位为“迈向Agent时代的核心载体”，主打高效混合推理与智能体能力升级。

其名称中“V3.1”代表该模型是DeepSeek V3系列的迭代升级版本，后缀“Thinking”则直接点明其核心特色——内置思考模式，可实现思考与非思考双模式切换；核心功能涵盖多语言处理、代码生成、复杂推理、长文本处理及智能体工具调用等，同时针对国产芯片进行了专项优化。官方使用门槛方面，个人用户可免费使用网页端和App基础功能，API调用需按用量计费，无免费额度，2025年9月6日起调整后，输入缓存命中0.5元/百万tokens、缓存未命中4元/百万tokens，输出12元/百万tokens，取消夜间时段优惠；同期发布的“兄弟模型”为DeepSeek V3.1 Base，该版本开源于Hugging Face，侧重基础基座能力，供开发者二次开发。

目前该模型处于生命周期中的主力活跃阶段，尚未被淘汰，且仍在持续灰度升级，其最突出的核心特点是单模型融合双推理模式，在保证性能的同时大幅降低token消耗，兼顾推理深度与使用成本。

# 二、发展历程

# 2.1 研发背景

DeepSeek V3.1 Thinking发布前，行业内主流大模型呈现“两极分化”态势：海外方面，OpenAI的GPT系列、Anthropic的Claude系列主打深度推理，但存在token消耗过高、成本居高不下的痛点；谷歌Gemini系列推出思考预算机制，侧重B端成本控制，但体验不够灵活。国内方面，阿里Qwen3系列曾尝试混合推理模式，但因性能未达预期被迫停用；DeepSeek自身的V3系列和R1系列，前者缺乏高效推理能力，后者虽推理出色但token消耗大、响应慢。彼时行业核心痛点集中在“推理性能与使用成本难以平衡”，同时Agent时代到来，市场对模型的工具调用、多步骤任务处理能力要求大幅提升，DeepSeek V3.1 Thinking正是在这种“既要高效推理，又要控制成本，还要适配智能体场景”的时代局势下诞生的。

# 2.2 关键节点

DeepSeek在推出V3系列后，便开始布局推理效率优化，2025年上半年启动V3.1版本的研发立项，核心目标是解决R1系列token消耗过高的问题，同时融合双推理模式。2025年8月18日，研发团队率先在Hugging Face开源了V3.1 Base版本，将上下文长度拓展至128K，完成基础基座的公开测试；8月20日晚，DeepSeek官方悄悄上线V3.1正式版本，开启小规模内部内测，收集用户反馈并优化双模式切换体验；8月21日，官方正式对外发布DeepSeek V3.1系列，包括Thinking版本和Base版本，明确其“Agent时代第一步”的定位；9月19日，亚马逊云科技宣布在Amazon Bedrock上新增DeepSeek V3.1开放权重模型，使其实现全球范围内可用；2026年2月11日，该模型开启灰度测试，将上下文窗口提升至1M级别，同步更新知识库至2025年5月。

# 2.3 家族构成

DeepSeek V3.1 Thinking隶属于DeepSeek全系列大模型，该家族涵盖通用、专项、开源等多个细分定位的模型，各核心成员定位如下：

DeepSeek LLM：通用大语言模型，对标GPT-3.5级别，包含7B、67B等不同参数规模，主打高效训练和长上下文支持，中文处理能力优异，部分版本开源，适用于对话、文本生成等基础场景。

DeepSeek Math：专注于数学推理和科学计算的专项模型，仅70亿参数，在MATH、GSM8K等数学评测中表现突出，支持中英文数学问题处理，适用于教育辅助、STEM领域研究等场景。

DeepSeek-Coder：代码生成与理解专项模型，包含1.3B、6.7B、33B等参数规模，覆盖Python、Java等主流编程语言，长上下文支持能力强，代码补全、调试准确率高，是开发者常用工具。

DeepSeek V3系列：高性能多模态大模型，采用MoE架构，支持文本、图像、音频等多模态输入输出，V3.1 Thinking是该系列的迭代升级版本，侧重混合推理与智能体能力。

DeepSeek-MoE：基于混合专家架构的高效开源模型，16B参数，推理时仅激活部分参数，计算成本低，性能接近同级别稠密模型，适用于资源受限环境部署。

DeepSeek R1系列：旗舰推理模型，主打深度思考能力，V3.1 Thinking的推理模式部分继承了该系列的技术优势，但优化了响应速度和token消耗，R1-0528版本是V3.1 Thinking的直接对标对象。

# 三、核心技术剖析

# 3.1 固有技术

DeepSeek V3.1 Thinking继承了DeepSeek家族的核心底层技术，首先是Transformer架构，摒弃传统RNN、CNN结构，采用自注意力机制，可并行处理输入序列，大幅提升长文本处理和复杂语言任务的效率，这也是其能支持128K上下文窗口的基础。其次是混合专家（MoE）架构，采用671B参数规模，推理时仅激活37B参数，兼顾性能与计算效率，解决了大参数模型推理成本过高的问题，这一架构继承自DeepSeek V3和R1系列。最后是常规对齐手段，采用人类反馈强化学习（RLHF）进行对齐优化，同时延续了上一代模型的Post-Training（后训练）流程，确保模型输出符合人类需求，降低幻觉概率。

# 3.2 创新技术

该模型的核心创新集中在混合推理与效率优化上，具体可分为以下3点，均以通俗语言解读：

1.  单模型双推理模式（混合推理架构）：这是其最核心的创新，区别于传统需要维护多个专家模型的做法，该模型在单一架构内同时支持“思考模式”和“非思考模式”。简单来说，面对“1+1等于几”这类简单问题时，会自动切换到非思考模式，直接输出答案，快速高效；面对数学解题、代码开发、复杂方案撰写等难题时，会切换到思考模式，像人类一样逐步拆解问题、推演过程，确保逻辑严谨。用户可通过官方App或网页端的“深度思考”按钮手动切换，兼顾效率与精准度，从根源上解决了“简单问题浪费算力、复杂问题响应太慢”的行业痛点。

2. UE8M0 FP8参数精度优化：首次采用针对下一代国产芯片设计的UE8M0 FP8参数精度，FP8即8位浮点数，相比传统的FP32（32位）、FP16（16位）浮点数，能在大幅降低显存占用和计算资源需求的同时，通过动态范围调整维持较高的推理精度。这一优化不仅让模型适配国产芯片，还进一步缩小了国产芯片与NV芯片的效率、成本差距，让模型在国产硬件上的部署成本大幅降低。

3. 思维链压缩与上下文扩展：一方面，通过专项训练实现思维链压缩，在输出token数减少20%-50%的情况下，推理表现与DeepSeek R1-0528持平，大幅降低用户的API使用成本；另一方面，将上下文窗口从V3系列的64K扩展至128K（约96万字，相当于6本《红楼梦》），可一次性处理整张Excel、百页PDF、长篇小说等长文本，彻底解决了大模型“长文本遗忘”的痛点，同时优化了分词器及chat template，提升了文本处理的流畅度和准确性。

# 四、表现评估

# 4.1 历史与现状

刚发布时（2025年8月），DeepSeek V3.1 Thinking凭借单模型双推理模式和成本优势，迅速在国内大模型市场崭露头角，填补了“高效推理+低成本”的市场空白，彼时其行业地位仅次于GPT-4系列、Claude 4系列等海外顶尖模型，在国内模型中排名前列，尤其受到开发者和中小企业的青睐。截至2026年4月，该模型仍处于主力活跃状态，通过灰度测试持续升级，上下文窗口已拓展至1M级别，知识库同步更新，行业地位稳中有升，在代码生成、长文本处理等细分领域已接近海外顶尖水平，但在多模态融合能力上仍有差距，整体处于“国内第一梯队、全球中上水平”的位置。

# 4.2 优势亮点

结合社区测试数据和行业评测，DeepSeek V3.1 Thinking的优势主要集中在三个核心维度，数据支撑扎实，无夸大表述：

1.  代码生成能力突出：在Aider Polyglot多语言编程测试中，取得71.6%的高分，超越了Claude 4 Opus和DeepSeek R1等知名模型；在SVGBench基准测试中，实力仅次于GPT-4.1-mini，远超DeepSeek R1，同时完成一次完整编程任务仅需1.01美元，成本仅为专有系统的六十分之一，性价比优势显著，尤其适配中小开发者和企业的代码开发需求。

2.  推理效率与成本平衡极佳：在AIME 2025、GPQA Diamond和LiveCodeBench等基准测试中，其思考模式的表现与DeepSeek R1持平，但token消耗量减少25%-50%；相比上一代V3-0324版本，非思考模式的输出长度大幅减少，却能保持相同性能，API调用成本虽有上调，但综合成本仍低于同级别推理模型。

3.  长文本处理与智能体能力优异：128K上下文窗口可轻松处理超长文档，在需要多步推理的复杂搜索测试（browsecomp）与多学科专家级难题测试（HLE）上，性能大幅领先DeepSeek R1-0528；通过Post-Training优化，工具使用、任务规划等智能体相关能力大幅提升，是目前国内适配Agent场景的优质模型之一。此外，其多语言支持能力也有明显优化，可处理超过100种语言，尤其提升了亚洲语言和小众语种的处理能力。

# 4.3 缺点与不足

客观来看，该模型仍存在以下明显短板，均为实际使用中可验证的问题，无刻意抹黑：

1.  部分场景存在过度思考现象：正如部分用户反馈，该模型在处理简单问题（如基础计算、简单问答）时，偶尔会出现“过度思考”的情况，类似“1加1等于几”也会进行多余的推演，不仅浪费token，还会降低响应速度，这也是混合推理模式尚未完全优化到位的表现。

2.  数学推理能力不均衡：虽然在AIME测试中表现优异，但在部分复杂数学定理证明、高阶微积分运算场景中，表现不如DeepSeek Math专项模型，甚至略逊于同级别其他通用模型，存在“偏科”现象。

3.  多模态能力缺失：作为通用大模型，其仅支持文本模态，不具备图像、音频等多模态输入输出能力，与GPT-4、Gemini 2.5等海外顶尖模型差距明显，无法适配多模态融合场景（如图文生成、语音交互）。

4.  API价格调整引发争议：2025年9月6日的API价格上调，取消夜间优惠，输入缓存未命中价格从2元/百万tokens涨至4元/百万tokens，输出价格从8元/百万tokens涨至12元/百万tokens，导致部分中小开发者和高频用户的使用成本大幅增加，引发社区不少负面反馈。

# 五、重大事件

1.  2025年8月21日正式发布，引发行业关注：DeepSeek官方宣布发布V3.1系列模型，其中Thinking版本的混合推理架构被行业视为“解决推理成本与性能矛盾”的重要尝试，多家科技媒体（界面新闻、新京报等）进行报道，该模型当天登上AI领域热搜，成为当时国内最受关注的大模型之一。

2.  2025年9月6日API价格调整，引发社区争议：官方宣布调整API调用价格并取消夜间优惠，导致部分用户使用成本上涨，在DeepSeek官方公众号、Hugging Face社区引发广泛讨论，有用户表示将转向其他高性价比模型，但也有企业用户认可其性能优势，选择继续使用。

2025年9月19日，登陆亚马逊云科技Bedrock平台：亚马逊云科技宣布在其Bedrock平台新增DeepSeek V3.1开放权重模型，标志着该模型正式走向全球市场，可被全球开发者和企业使用，大幅提升了其国际影响力。

4.  2026年2月11日开启灰度测试，重大功能升级：多位用户反馈该模型在网页及App端开启灰度测试，上下文窗口从128K提升至1M级别，可处理百万token级超长文本，同时知识库更新至2025年5月，非联网状态下可准确输出2025年4月的新闻事件，引发用户对其后续正式升级的期待。

5.  行业内混合推理趋势引领：该模型的单模型双推理模式，与GPT-5、Claude 3.7 Sonnet等模型共同推动混合推理成为大模型领域的新常态，不少国内厂商（如快手、阿里）纷纷跟进探索混合推理技术，DeepSeek V3.1 Thinking成为该趋势的重要引领者之一。