DeepSeek V3.1 終極版拆解：「人類最后測試」表現提升36.5%，或為 V4/R2 模型序曲

出品｜搜狐科技

作者｜鄭松毅

DeepSeek新發「終極版」模型！

幾小時前，DeepSeek官宣發佈最新升級模型DeepSeek-V3.1-Terminus（Terminus拉丁語意為終點），並隨后宣佈模型開源。

目前，官方App、網頁端、小程序與DeepSeek API模型均已同步更新為DeepSeek-V3.1-Terminus。

據官方介紹，此次更新是基於原有模型能力，着重改進了語言一致性問題，並進一步優化了Code Agent與Search Agent的表現。

「人類最后測試」表現提升36.5%，躍升至全球第三

值得一提的是，距離上次DeepSeek-V3.1模型更新僅過了一個月，新模型DeepSeek-V3.1-Terminus在多個專業基準測試中的表現均有提升。

在非Agent（Thinking）模式下， DeepSeek-V3.1-Terminus在MMLU-Pro（廣泛學科知識）、GPQA-Diamond（頂尖專業科學難題）等方面表現較舊版本更優。其中在Humanity‘s Last Exam（人類最后測試）中表現提升高達36.5%，目前已超越Gemini 2.5 Pro模型來到全球排行榜第三位，該測試主要考察模型在多種極端困難任務上的整體表現。

而在Agent測評中，DeepSeek-V3.1-Terminus的網頁瀏覽、編程能力和問答表現均得到小幅提升。

實測：被吐槽的兩大bug修復，終於不再「迷糊」今年8月，在DeepSeek-V3.1發佈后，有不少用户反饋新模型有兩個嚴重Bug值得關注。其一是模型會出現語言不一致問題，輸出的回答經常中、英、法等語言混用，令用户費解。另一方面在於用API調用模型時，會不受控地隨機輸出「極」、「extreme」字樣，影響代碼正常運行。

有開發者在開源社區吐槽，「調試時滿屏都是‘極’字，彷彿在玩文字遊戲。」

針對第一個問題，有網友在讓DeepSeek-V3.1幫忙分析紅樓夢的文學價值時，輸出的答案會突然插一句「這個metaphor運用得極其精妙」，讓用户哭笑不得。

搜狐科技在新模型DeepSeek-V3.1-Terminus測試發現，語言混雜的問題得到了緩解，並且語意表述較之前更為通順。

另有網友提到，此前翻譯小語種時DeepSeek-V3.1出現多國語言混雜問題更加嚴重。搜狐科技也對此進行了測試，把一長段西班牙語餵給DeepSeek-V3.1-Terminus，並要求用7國語言進行轉譯，未發現語言混雜問題出現。

我們也對之前網傳「極你太美」的Bug進行了測試：

之前會在輸出代碼中出現「time.Se極」等異常字符，尤其是在用Go和Python語言編寫時出現概率很高。但在新模型上經多次測試，均未再出現類似異常。

DeepSeek-V3.1系列，已走到終點？

自V3.1版本模型發佈以來，DeepSeek官方將其稱為「邁向 Agent 時代的第一步」，並持續深入在 AI Agent 領域的佈局。如今強調DeepSeek-V3.1-Terminus在Agent能力上的優化，進一步證實了這一戰略重心。

據多方消息爆料，DeepSeek 目前正緊鑼密鼓開發具備更強大 AI Agent 能力的全新模型，計劃於 2025 年第四季度重磅推出。

此次對於「Terminus（終點）」的模型命名，一度引發網友猜測。有業內人士表示，「雖然DeepSeek並未官宣這是V3系列的最后一次更新，但其名稱確實表明了這一點。預計下一版本的發佈會是一個全新的架構，並會在Agent方面展示更多驚喜。」

另有開發者也表達了相似觀點，「這極有可能代表V3.1的技術架構，到這里已經打磨的差不多了，DeepSeek-V3.1-Terminus就是這個系列的收官之作，恰好也是下一代模型的起點。」

海內外社交平臺已經頻現網友催更：DeepSeek-V4/DeepSeek-R2，是不是就要來了？