刚刚，DeepSeek-V3.1「终极版」重磅发布！最大提升超36%，V4/R2还远吗？

推荐语

DeepSeek-V3.1-Terminus重磅升级，性能提升超36%，彻底解决"极你太美"等顽疾！

核心内容：
1. 模型核心改进：语言一致性与Agent能力优化
2. 关键突破：Humanity's Last Exam成绩飙升36.48%
3. 开源生态：官方API与多平台同步更新

杨芳贤

53AI创始人/腾讯云(TVP)最具价值专家

DeepSeek API文档、官方微信均已正式确认本次更新：

目前，官方App、网页端、小程序与DeepSeek API模型均已同步更新为DeepSeek-V3.1-Terminus。

开源版本下载地址如下：

在推理能力和智能体工具使用上，本次更新在多个基准上得到提升。

DeepSeek上次更新为8月21日，短短一个月，取得这一成绩来之不易，可喜可贺。

值得一提的是，新模型在Humanity's Last Exam（人类最后的考试）中，成绩提升幅度高达36.48%！

之前，有网友发现：DeepSeek V3.1输出中随机带有「极」字。网友称：

这次更新明确已解决「偶发异常字符等情况」，结合「Code Agent优化」，希望这次更新能完美解决DeepSeek无法从事编程或对输出结构敏感的相关工作的Bug。

至于中英文混杂，是LLM的老毛病了，比如OpenAI o3-mini等模型被曝使用中文推理。

OpenAI o3-mini被曝大量使用中文推理！全世界AI都要学中国话了？

在DeepSeek-R1的Nature论文中，DeepSeek坦言：

这次DeepSeek更新解决了中英文混杂问题。

我们也对之前在网上流传最广的会触发「极你太美」Bug的Prompt进行了测试：

之前，time.Second会被DeepSeek-V3.1在输出中破坏成time.Se极 / time.Se極 / time.Seextreme。

现在，新模型给出了5种定时器实现方法，多处都使用了time.Second。

我们经过多次尝试，均未能复现出该Bug，说明Bug确实可能已经被修复了。

此外，非Agent（Thinking模式）测评中，多项基准测试成绩得到提升：MMLU-Pro、GPQA-Diamond、Humanity's Last Exam。

同时，Agent相关测评也来了。

图源：https://x.com/karminski3/status/1970129020382826758

与DeepSeek-V3.1相比，新模型在工具使用与Agent任务中的表现有较大提升：

• BrowseComp：30.0 -> 38.5

• SimpleQA：93.4 -> 96.8

• SWE-bench Verified: 66.0 -> 68.4

• SWE-bench Multilingual: 54.5 -> 57.8

• Terminal-bench: 31.3 -> 36.7

DeepSeek上次更新发布了DeepSeek-V3.1，称之为「迈向Agent时代第一步」。

短短一个月，Agent能力再次得到提升，年底的高级Agent还会远吗？

DeepSeek大招曝光？梁文锋督战超级智能体：能自主学习，或年底发布

奇怪的是，并非全部基准测试成绩都得到提升，Codeforces、Aider-Polyglot、BrowseComp-zh测评成绩有小幅下降。

不过，新模型DeepSeek-V3.1-Terminus总体上进步明显，特别是在Humanity's Last Exam、LiveCodeBench、SimpleQA、SWE-bench Verified评测中，胜过了Gemini 2.5 Pro，补齐了Humanity's Last Exam这块最大的短板。

Terminus这个单词的中文意思是：终点。

DeepSeek这波更新理所应当地引起了网友的关注。网友在线催更：

期待DeepSeek-V4和DeepSeek-R2给我们带来更大的震撼！