DeepSeek于8月19日晚间上线了全新的V3.1版本，官方强调上下文长度拓展至128k，但此次更新的核心在于模型底层架构的演进。V3.1采用混合推理架构，使用一个模型同时支持思考模式与非思考模式，用户通过API调用时，模型明确标识为V3，而非过去的R1。这种架构调整简化了部署和运维，提高了算力利用效率，但也可能影响非推理任务的能力。
在能力优化方面，DeepSeek V3.1的编程能力大幅提升。根据Aider编程基准测试数据，V3.1取得了71.6%的高分，超越了此前的R1版本和闭源模型Claude 4 Opus。在SVGBench测试中，V3.1仅次于GPT-4.1-mini，远超前代R1；在多任务语言理解的MMLU测试中，V3.1得分达到88.5%，表现不逊于GPT-5。不过，在研究生级别问答（GPQA）和软件工程（SWE-Bench）等领域，V3.1与GPT-5相比仍存在差距。
DeepSeek V3.1的成本效益也显著提升。完成一次完整的编程任务，V3.1的成本仅需约1.01美元💵，远低于Claude 4 Opus（便宜68倍）。官方宣布的最新价格表显示，输入价格为0.5元/百万tokens（缓存命中），4元/百万tokens（缓存未命中），输出价格为12元/百万tokens，该价格于2025年9月6日00：00起生效。成本下降主要得益于思维链压缩训练，减少了无意义的思维链输出。
V3.1的智能体能力也显著增强，通过后训练优化，新模型在工具使用与智能体任务中表现突出。在SWE-bench Verified基准测试中，V3.1得分66.0分，远超前代；在Terminal-Bench测试中，V3.1得分31.3分，是前代的五倍以上。在网页浏览和工具调用能力上，V3.1也获得了全面增强。
然而，V3.1的“模型融合”策略引发了社区的激烈争论。部分用户反馈，V3.1版本重新出现了幻觉严重和中英夹杂的问题，且在面对复杂问题时表现出“能省则省”的倾向。此外，DeepSeek激进的更新策略也引发了商业API用户的不满，新模型直接覆盖旧模型，且不提供旧版本的API，导致线上生产业务的API可能在毫无预警的情况下被更改，严重影响了商业应用的稳定性。
