DeepSeek-V3.1已更新至DeepSeek-V3.1-Terminus版本。

9月22日晚間，據DeepSeek介紹，此次更新在保持模型原有能力的基礎上，針對用戶回饋的問題進行了改進，包括：語言一致性：緩解中英文混雜、偶發異常字元等情況。在Agent（智能體）能力方面，進一步優化Code Agent與Search Agent的表現，DeepSeek-V3.1-Terminus的輸出效果相比前一版本更加穩定。

目前，官方App、網頁端、小程式與DeepSeek API模型均已同步更新為DeepSeek-V3.1-Terminus。不過，記者看到這款大模型名為Terminus，意思是“終極版”，或許這也是V3.1最後一次更新。外界觀望下一次大版本更新到底是V4還是R2的到來。

在公開的基準測試成績中，V3.1-Terminus整體較V3.1有所提升，不過其中部分分數也有下滑，不過在“人類最後考試”（Humanity’s Last Exam）基準上進步較為突出，分數從 15.9大幅提升至21.7，根據官網數據，這一成績僅次於 Grok 4（25.4）和GPT-5（25.3），並略微超越 Gemini 2.5 Pro（21.6）。

值得注意的是，DeepSeek在中英文混雜方面的改進尤為受到歡迎。澎湃新聞記者在社交媒體上看到，不少用戶點贊：“中英文混雜問題在思考時間很長的時候確實會出現，遇到過幾次，還在想這是什麼問題，這下子正好給解決了。”

資深AI投資人郭濤向記者分析稱，本次DeepSeek-V3.1-Terminus版本更新聚焦工程化落地與場景適配，核心突破體現在兩大核心競爭提升：一方面，通過語義層降噪技術顯著改善語言一致性，有效抑制中英文混雜、異常字元等干擾，提升文本生成純淨度；另一方面，深度重構Agent執行框架，針對Code Agent的語法解析精度、Search Agent的資訊檢索召回率進行專項優化，使智能體輸出穩定性提升。

此次全管道（App/網頁/小程式/API）同步升級，展現國產大模型從演算法創新向工程可靠性演進的關鍵跨越，標誌著國產模型在複雜任務處理、多模態協同等工業化應用層面邁出重要一步，為後續垂直領域深度賦能奠定更堅實基礎。

作為國產大模型的風向標，DeepSeek的動態都廣泛被外界關注。

此前9月18日，梁文鋒帶著DeepSeek-R1的研究，登上最新一期國際頂級期刊《自然》（Nature）封面。

今年1月份，國產大模型公司深度求索（DeepSeek）在預印本平臺arxiv公佈論文《DeepSeek-R1: Incentivizing Reasoning Capability in LLMs via Reinforcement Learning》，創始人梁文鋒位於署名之列。

《自然》雜誌指出，如此總結DeepSeek-R1帶來的進步：如果訓練出的大模型能夠規劃解決問題所需的步驟，那麼它們往往能夠更好地解決問題。這種“推理”與人類處理更複雜問題的方式類似，但這對人工智慧有極大挑戰，需要人工干預來添加標籤和注釋。

DeepSeek的研究人員揭示了他們如何能夠在極少的人工輸入下訓練一個模型，並使其進行推理。DeepSeek-R1模型採用強化學習進行訓練。在這種學習中，模型正確解答數學問題時會獲得高分獎勵，答錯則會受到懲罰。

DeepSeek團隊也首次對外回應“蒸餾”相關質疑。論文中表示，對於深度求索V3基礎版（DeepSeek-V3-Base）的訓練數據僅使用普通網頁和電子書，未納入任何合成數據，“不過，我們注意到部分網頁包含大量由OpenAI模型生成的答案，這可能會讓基礎模型間接地從其他強大模型獲取知識。但在預訓練冷卻階段，我們並未刻意加入由OpenAI生成的合成數據；該階段使用的所有數據都是通過網路爬取自然獲取的。預訓練數據集包含大量與數學和代碼相關的內容，這表明深度求索V3基礎版接觸到大量的推理軌跡數據。”

今年1月20日，中國AI初創公司深度求索（DeepSeek）推出大模型DeepSeek-R1引爆AI行業，作為一款開源模型，R1在數學、代碼、自然語言推理等任務上的性能能夠比肩OpenAIo1模型正式版，並採用MIT許可協議，支持免費商用、任意修改和衍生開發等。春節假期後，國內多個行業龍頭公司均宣佈接入DeepSeek。

伴隨AI大模型行業的日新月異，DeepSeek已經更新出R1以外的新版本，但萬眾期待的R2尚未面世。此前8月21日DeepSeek正式發佈DeepSeek-V3.1，稱其為“邁向Agent（智能體）時代的第一步”。

來源：中國澎湃新聞