實測DeepSeek V3.1，不止拓展上下文長度

不圓 發自 凹非寺

量子位 | 公眾號 QbitAI

DeepSeek V3.1和V3相比，到底有什么不同？

官方說的模模糊糊，就提到了上下文長度拓展至128K和支持多種張量格式，但別急，我們已經上手實測，為你奉上更多新鮮信息。

我們比較了V3.1和V3，注意到它在編程表現、創意寫作、翻譯水平、回答語氣等方面都出現了不同程度的變化。

不過要說最明顯的更新，大概是DeepSeek網頁端界面的【深度思考(R1)】悄悄變成了【深度思考】。

手機端還在慢慢對齊（笑）

當前DeepSeek V3.1 Base可在抱抱臉上下載，也可通過網頁、APP和小程序使用完整版本。

開學考試現在開始

鑒于現在網頁端已全部替換成了V3.1，我們通過阿里云調用了DeepSeek V3的API（最大上下文長度還是65K）作為對比。

馬上就是開學季，我們給二個版本的模型出了一套“試卷”，從以下五個“學科”進行測試：

• 計算機：編程能力
• 語文：情境寫作
• 數學：理解應用
• 外語：翻譯水平
• 拓展：冷門知識

讓我們一起看看它們表現如何~

編程能力

在更新前，我曾向DeepSeek V3問過這樣的問題：

幫我用python寫一段代碼，把輸入的gif圖壓縮到10M以下。

它的回答如下（圖片可上下滑動）。

更新后，問V3.1同樣的問題，則得到了這樣的結果：

很直觀地就能感受到，相比起V3，V3.1要更加全面，考慮到了更多的可能性（比如使用更激進的壓縮策略，以及檢查原文件是否是GIF格式）。

還“手把手”地給出了這段代碼的使用說明，需要提前安裝必要的依賴庫，怎么使用命令行……甚至還有工作原理。

沒有優化建議，大概是因為它覺得已經足夠了吧（？）

拿之前在世界機器人大會上拍攝的眾擎機器人作為示例，原文件大小為18.3MB，用V3給出的代碼，壓縮后依然大于10MB，如果要滿足條件的話還需要再壓縮一次。

而V3.1給出的結果則直接“一步到位”（代碼針對Jupyter環境進行了一點小調整，邏輯不變），并輸出了處理步驟：

最后的兩張GIF圖如下（上為V3，下為V3.1）：

可以看到上圖的速度比下圖要快一些。

情境寫作

我們選擇了今年上海卷高考作文的題目：

有學者用“專”“轉”“傳”概括當下三類文章：“專”指專業文章；“轉”指被轉發的通俗文章；“傳”指獲得廣泛傳播的佳作，甚至是傳世文章。他提出，專業文章可以變成被轉發的通俗文章，而面對大量“轉”文，讀者又不免期待可傳世的文章。由“專”到“傳”，必定要經過“轉”嗎？請聯系社會生活，寫一篇文章，談談你的認識與思考。要求：（1）自擬題目；（2）不少于800字。

輸出結果如下，可左右滑動對比，左邊為V3，右邊為V3.1：

兩個版本在文字風格上具有很大的不同，從V3理性（人機味）的平鋪直敘，到V3.1文藝（情緒化）的詩意表達，看起來像理科生和文科生的區別。

如果你是主考官，會更喜歡哪一篇呢？

理解應用

考驗模型的數學能力，光問“9.11和9.8哪個大”這種對于實際用戶沒什么幫助的題目還是有點不夠看。

高考數學題按理來講應該是能做對的吧？

以下是今年數學全國一卷的第3題，考的是雙曲線。

若雙曲線C的虛軸長為實軸長的√7倍，則C的離心率為？

答案是2√2，兩個版本的模型都得到了正確結果，但在呈現上有所不同。

翻譯水平

我們向V3和V3.1輸入了同一篇生物學論文的摘要（含專有名詞），并要求它們將其翻譯成中文。

摘要選自Nature最新研究：《獨特毛顎動物體型的基因組起源》。

兩個版本模型的輸出結果如下：

可以看出，相比起V3喜歡用括號來補充說明，V3.1對長難句的理解程度更高；但V3.1出現了沒有翻譯出several這種簡單詞的情況。

冷門知識

結合同事的專業和最近在小紅書上刷到的內容，我們問了一個比較“偏門”的問題：

構樹的單個果實（不是由花序組成的聚花果）是核果還是瘦果？

這個問題的答案在不同教材上存在分歧，V3和V3.1分別給出了以下回答，均認為其屬于核果：

神奇的是V3.1依然存在使用conclusion替代“結論”這樣的表述，以及對于“為什么會想到瘦果”這個問題的回答偏題到該果實屬于聚花果的方向了。

順便一提，小紅書的博主通過解剖實驗，認為其屬于瘦果。

對這個結論感興趣的朋友可以去小紅書上搜索一下。

非推理模型SOTA

網友們對這次更新頗為關心，即使還未發布模型卡，就在抱抱臉上成為了第四的熱門話題。

截至發稿已榮登第二。

網友們也在使用后得到了一些有趣的發現。

Reddit就有人測試，DeepSeek V3.1在aider上得分71.6%，拿下了非推理模型的SOTA。

這是什么概念——有網友解釋到，這意味著它比Claude Opus 4得分多1%，但價格便宜68倍。

也有人在SVGBench基準上發現：V3.1的表現>V3.1（思考）>R1 0528。

這可能和V3.1的配置有關？

有網友察覺到它增加了四個特殊的token，并注意到現版本的V3.1在關閉搜索狀態下也會自動搜索。

此外，它的物理理解能力似乎有所提升，下面兩個GIF圖分別是V3.1和V3對于”在旋轉六邊形內彈跳的球“的呈現。

但也有人發現了一些問題，多與線上API相關……嗯，已經有人開罵了。

不過，最讓人好奇的是，V3.1發布了，R2呢？

參考鏈接：
[1]https://x.com/deepsseek/status/1957886077047566613
[2]https://huggingface.co/deepseek-ai/DeepSeek-V3.1-Base
[3]https://venturebeat.com/ai/deepseek-v3-1-just-dropped-and-it-might-be-the-most-powerful-open-ai-yet/
[4]https://old.reddit.com/r/LocalLLaMA/comments/1muq72y/deepseek_v31_scores_716_on_aider_nonreasoning_sota/