甲木：聊聊DeepSeek V3.1体验，稳健升级但惊喜不足

甲木：聊聊DeepSeek V3.1体验，稳健升级但惊喜不足 甲木：聊聊DeepSeek V3.1体验，稳健升级但惊喜不足 Modified August 21, 2025 DeepSeek V3.1低调上线：128K上下文引AI圈关注 Unable to preview. Please download the file. 这样就把冯骥微博上的那段文字变成了一份杂志，排版舒适，样式精美。 之后我们对于长文本的展示都可以采用这种方法。 场景四：常识与推理能力初探 再看看V3.1在处理一些融合了常识和逻辑的“陷阱”问题时表现如何。 这类问题往往更能考验一个模型是否只会“算术”，还是真的具备了一定的“世界知识”。 案例1： 每次模型更新大家都热衷问的问题.... 案例2： 再来看一个2025年年高考全国一卷的一道数学题。 发送给DeepSeek后，立即就开始了证明过程， 最后给到了答案。 可以看出，V3.1展现了自己具备基础的数学能力和推理能力。 在这之后，我也拿之前写的商业分析应用的prompt逐一测试， 效果相比之前一个版本略有提升，但效果不太明显，这里就不给大家展示了。 结语 测评下来，可以感觉到 DeepSeek V3.1的能力有所提升但并不明显。 关于代码层面难以给我们特别突出的体验，一方面是Qwen的模型、K2的模型以及智谱GLM 4.5，效果都很优秀，而Deepseek V3.1在这些模型中的表现并没有特别亮眼的地方。 V3.1并没有给大家带来特别大的预期，但更像是一次“承上启下”的稳健升级。 它在现有V3的优秀架构基础上，针对长文本处理和代码方向进行了“一些优化”，而且在这个迭代中，它也尝试着把混合推理纳入它的范畴，做一些尝试。 这可能是DeepSeek的策略：在推出新模型（V4/R2）之前，先将现有基础模型的能力打磨到极致，巩固自己的优势领域，同时多做一些尝试，多做一些探索。 如果说V3.1是在“术”的层面精益求精， 我们当然期待R2，能够在“道”的层面的质变飞跃。 让我们保持耐心， 于无声处听惊雷，静待“R2”亮剑时， 那时，DeepSeek能像年初那样， 再一次， 惊艳全世界。 我是甲木，热衷于分享一些AI干货内容，我们下期再见👋🏻 觉得今天的内容对你有“一点点”启发吗？ 老规矩，【点赞👍】+【在看👀】+【转发↗️】走一波！ 你的每一个支持，都是甲木持续探索AI硬核应用的核动力！ DeepSeek V3.1低调上线：128K上下文引AI圈关注 Unable to preview. Please download the file. DeepSeek V3.1低调上线：128K上下文引AI圈关注 Unable to preview. Please download the file. 这样就把冯骥微博上的那段文字变成了一份杂志，排版舒适，样式精美。 之后我们对于长文本的展示都可以采用这种方法。 场景四：常识与推理能力初探 再看看V3.1在处理一些融合了常识和逻辑的“陷阱”问题时表现如何。 这类问题往往更能考验一个模型是否只会“算术”，还是真的具备了一定的“世界知识”。 案例1： 每次模型更新大家都热衷问的问题.... 案例2： 再来看一个2025年年高考全国一卷的一道数学题。 发送给DeepSeek后，立即就开始了证明过程， 最后给到了答案。 可以看出，V3.1展现了自己具备基础的数学能力和推理能力。 在这之后，我也拿之前写的商业分析应用的prompt逐一测试， 效果相比之前一个版本略有提升，但效果不太明显，这里就不给大家展示了。 结语 测评下来，可以感觉到 DeepSeek V3.1的能力有所提升但并不明显。 关于代码层面难以给我们特别突出的体验，一方面是Qwen的模型、K2的模型以及智谱GLM 4.5，效果都很优秀，而Deepseek V3.1在这些模型中的表现并没有特别亮眼的地方。 V3.1并没有给大家带来特别大的预期，但更像是一次“承上启下”的稳健升级。 它在现有V3的优秀架构基础上，针对长文本处理和代码方向进行了“一些优化”，而且在这个迭代中，它也尝试着把混合推理纳入它的范畴，做一些尝试。 这可能是DeepSeek的策略：在推出新模型（V4/R2）之前，先将现有基础模型的能力打磨到极致，巩固自己的优势领域，同时多做一些尝试，多做一些探索。 如果说V3.1是在“术”的层面精益求精， 我们当然期待R2，能够在“道”的层面的质变飞跃。 让我们保持耐心， 于无声处听惊雷，静待“R2”亮剑时， 那时，DeepSeek能像年初那样， 再一次， 惊艳全世界。 我是甲木，热衷于分享一些AI干货内容，我们下期再见👋🏻 觉得今天的内容对你有“一点点”启发吗？ 老规矩，【点赞👍】+【在看👀】+【转发↗️】走一波！ 你的每一个支持，都是甲木持续探索AI硬核应用的核动力！ 🔗 原文链接： https://mp.weixin.qq.com/s/oFnBHEWm... https://mp.weixin.qq.com/s/oFnBHEWm... 原创 甲木Zuiyn 甲木未来派2025年08月21日 09:52 北京 小伙伴们大家好呀，我是甲木。 抱歉断更了这么久，前几天一直在忙企业服务相关的事情， 去河南调研分享了几天，回北京后又跟百度的小伙伴们对「养猪吧少年— AI养猪」活动进行复盘直播 忙完后看这几天AI的发展，真的是AI一天，人间一年。 阿里的Qwen Image Edit，智谱的AutoGLM，还有神秘的nano banana等等.. 就在整个AI圈都在翘首以盼，猜测DeepSeek传说中的推理模型R2何时能“亮剑”的时候，19号晚上七点，DeepSeek悄无声息地上线了V3.1版本。 还是一如既往地低调，群里发个消息，完事了 今天就来看看DeepSeek的V3.1效果如何，结论先行： • 上下文窗口扩充，变成128K • 指令遵循能力得到一点点提升（体感并不明显） • ToolUse、Coding能力有所提升 • 关于文本创作方面体感不明显。 一句话总结，符合+0.1版本的更新，除了上下文外整体效果提升并不明显，本次版本尝试混合推理和一些其他的小改进。 没有铺天盖地的宣传，就是这么一次版本号+0.1的更新，却也是在AI圈里激起了一阵不小的涟漪。 trending榜 那么问题来了，这次版本号仅增加0.1的更新，到底更新了哪些东西？ 先说UI界面最明显的变化，就是把深度思考（R1）中的「R1」去掉了... 意味着什么呢... 我们来看看DeepSeek V3.1的实际能力，看看它在这次进化中，到底藏了哪些“真功夫”？ V3.1的核心更新速览 咱们先来看看这次更新的“官方说明书”和社区里的第一波反馈。V3.1的核心升级点非常明确，主要集中在两个方面： 关键更新 1：上下文窗口翻倍至128k 如果说大模型的上下文窗口是它的“记忆力”，那这次升级，相当于直接把DeepSeek的短期记忆从能记住一本杂志，提升到了能记住一本中篇小说的水平。 128k的上下文窗口，意味着模型可以一次性“阅读”和处理10万个汉字的内容。 实际测试也很准确，我将一份大约300万字的《十日终焉》发送给DeepSeek，让他帮我总结内容。它告诉我们它只能阅读了前3%，也就是将近9 10万字。 同时也给到了前10万字，也就是第1章至第43章内容的总结。 这块就不多说了，其它家的模型很多都已经支持128k了，这算是一个常规的更新，在多轮对话、长文档分析、代码库理解层面有一些应用。 关键更新 2：编程与代码能力再精进 这次更新在开发者社区里反响最热烈的，就是其代码能力的再次增强。 在Hugging Face和Reddit上，已经有不少开发者放出了初步的评测结果。 特别是在Aider这个专门评估AI代码能力的基准测试上，V3.1的表现也比较亮眼，有网友已经抢先测试，V3.1得分是71.6%，在开源模型中表现很突出。 当然，我们得客观一点，基准测试的成绩斐然，就像是“考试状元”，但这并不完全等同于在真实、复杂多变的开发环境中的“实战能力”。 所以，它到底是不是真的那么能打，还得我们亲自上手试试。 V3.1的实际场景表现 接下来，就是大家最喜欢的“talk is cheap, show me the case”环节，我们直接上实测！ 场景一：128k长文本处理能力 由于之前我们上传的《十日终焉》第一卷内容，DeepSeek只阅读了前3%。这次我们就截取前3%的内容，也就是前43章，字数大约10万字。 上传给DeepSeek后，让它帮我们概括内容，同时加上常规长文本“大海捞针”的测试。 DeepSeek概括《十日终焉》第一卷前43章的部分内容 可以看到这次V3.1的表现还不错。它准确地概括了文章的核心设定，章节的主要情节发展总结的也很不错。 这证明了它确实“读完”并“读懂”了整份长文档。 场景二：文本创作能力 小七姐 之前开源过一次风格化迁移的prompt，用来对中文经典文学风格进行提炼， 之后再把提炼出来的结果给到AI模型进行参考，这里结合deepseek的长文本提升就能做更多的尝试。 这里用当时测评Qwen3的案例：“中文经典文学风格迁移测评”，看一下这次DeepSeek的表现。（Prompt可以看之前小七姐的文章） 仿照《西游记》的叙事风格，来写哪吒闹海的故事。 如果你之前看到过小七姐的测评，就会知道，这次DeepSeek的表现和Qwen3的表现相比，是不相上下的。 这里再看我在 我们皆为历史尘埃，但 AI 或能听见其间的心跳 “每个小人物，都值得一部史诗”（附Prompt） 中写的大事件中的小人物刻画prompt， 我们皆为历史尘埃，但 AI 或能听见其间的心跳 “每个小人物，都值得一部史诗”（附Prompt） 文本风格和流畅度还是很不错的。 场景三：常规编程任务 接下来，我们来检验一下社区里被吹爆的“代码能力”。 案例1：“表情符号反应堆” 我们来模拟一个真实的前端开发需求，让它来实现一个甲木之前用Qwen3的做过 “表情符号反应堆” 的游戏。 先来看一下之前Qwen3的表现。 No access 1 00:00 No access 1 00:00 No access 2 00:00 No access 2 00:00 再把同样的提示词发送给DeepSeek，来看一下它的表现。 我认为DeepSeek在这个案例中生成的要比当时的Qwen3版本效果好上一丢丢。 首先美观度上要比Qwen3稍微强一点，其次使用Web Audio API生 成了不同情况下的音效反馈 ，最后在功能上 实现了本地存储 ，使用localStorage来保存最高分记录，还在玩法层面加入了combo连击机制。 案例2：“情绪价值营销的大师” 再来用甲木之前的“情绪价值营销的大师”的卡片，测试一下DeepSeek v3.1的能力。 感兴趣的可以看 Claude帮你来做「情绪价值营销」（附prompt） 文章 Claude帮你来做「情绪价值营销」（附prompt） 输入「国产3A游戏 黑神话：钟馗」，直接生成： 最终生成的卡片虽然美观度差了一些，但是对文本的理解能力还是可以的。 用一句充满画面感、力量感和宿命感的话，直接唤醒了大家血液中的文化基因和英雄情结，直接与那些渴望变强、不惧挑战的玩家共鸣。 案例3： 文本杂志编排能力 这里我拿@ 摸鱼小李 的文本杂志排版prompt进行测试，直接把一段长文本给到deepseek，然后让它基于文本内容出设计方案， 用冯骥微博做个测试 确定格式方案之后，它可以直接进行处理： 杂志排版风格，deepseek直出！