DeepSeek在2025年9月22日正式發布升級版本DeepSeek-V3.1-Terminus，這是該公司對V3.1版本的改進，專門解決用戶反饋的核心問題。
核心技術突破
DeepSeek-V3.1-Terminus在保留原有V3.1版本所有核心功能的基礎上，主要針對兩大關鍵領域進行深度優化。首先是語言一致性問題的徹底解決，該版本大幅減少中英文混雜輸出現象，同時完全消除隨機字符產生的技術缺陷。這項改進對於需要穩定輸出的企業級應用具有重要意義。
在代理功能方面，新版本顯著提升Code Agent和Search Agent的性能表現，使模型在處理編程任務和資訊檢索方面更加精確可靠。這些改進源於訓練數據的精細調整和模板更新，讓模型能夠更無縫地整合各種工具。
架構設計與技術規格
DeepSeek-V3.1-Terminus採用混合專家(MoE)架構，總參數量達671億個，其中37億參數為每個token的激活參數。該模型支援最高128K token的上下文長度，並採用UE8M0 FP8微縮放數據格式，確保與微縮放數據格式的兼容性。
模型提供雙重運作模式：思考模式(deepseek-reasoner)和非思考模式(deepseek-chat)。在思考模式下，模型會進行多步驟推理，運用內部邏輯處理複雜問題；而非思考模式則優先考慮對簡單查詢的快速回應。
基準測試成果表現
在多項基準測試中，DeepSeek-V3.1-Terminus展現出明顯的性能提升。在推理模式下，MMLU-Pro得分從84.8提升至85.0，GPQA-Diamond從80.1提升至80.7，Humanity’s Last Exam更是從15.9大幅躍升至21.7。
在代理工具使用方面的表現更為突出，BrowseComp從30.0提升至38.5，SimpleQA從93.4提升至96.8，SWE Verified從66.0提升至68.4，SWE-bench Multilingual從54.5提升至57.8，Terminal-bench從31.3提升至36.7。
可用性與部署選項
DeepSeek-V3.1-Terminus已在多個平台同步上線，包括移動應用程式(Android/iOS)、網頁版本和API接口。開源版本已在Hugging Face和ModelScope平台提供下載，同時也被加入到AnyCoder和NovitaLabs無伺服器API中。
該模型支援結構化工具調用、代碼代理和搜尋代理功能，適合用於研究、編程和代理工作流程。用戶可以通過reasoning enabled布林值來控制推理行為。
