DeepSeek新模型实测：编程超越Claude 4，写作稍逊

为了评估 V3.1 的长文本检索能力，测试者将《三体》全文压缩至约 10 万字，并在其中植入了一句与上下文完全无关的台词：「我觉得烟锁池塘柳的下联应该是『深圳铁板烧』」，以此验证模型能否精准定位。

结果并不令人意外——DeepSeek V3.1 首先提示文档超限，仅读取前 92%，但仍然成功锁定了这句话。更有意思的是，它顺带推荐了一个经典文学对仗：「焰镕海坝枫」。

网友抢先测试了编程基准 Aider Polyglot 的得分：71.6%。这一成绩不仅在开源模型中拔得头筹，甚至超越了 Claude 4 Opus。

实测过程中，V3.1 在编程方面的实力确实可圈可点。以经典的六边形小球题目为例：

「编写一个 p5.js 程序，演示一个球在旋转的六边形内弹跳的过程。球应该受到重力和摩擦力的影响，并且必须逼真地从旋转的墙壁上弹起。」

V3.1 的表现相当亮眼：生成的代码不仅完成了基础碰撞检测，还自动填充了转速、重力等参数细节。物理效果极其逼真——小球在底部会略有减速，这种微小运动都得到了模拟。

接着提升难度，要求它用 Three.js 构建交互式 3D 粒子星系。基础框架搭得很扎实，三层结构（内球体、中间圆环、外球体）设计完整。不过 UI 审美嘛……只能说好坏参半，配色风格略显花哨。

继续挑战更复杂的任务：让它搭建一个沉浸式 3D 宇宙，包含旋转物体、变形效果、发光弧线，并配备时间切换、主题转换的交互按钮。点击控制确实能触发不同的视觉特效。

最后一关，让它用 Three.js 实现交互式 3D 网络可视化，要求包含用户触发的能量脉冲动画，外加主题切换与密度控制功能。整体来看，表现还算过关。

「有一牧场，已知养牛 27 头，6 天把草吃尽；养牛 23 头，9 天把草吃尽。如果养牛 21 头，那么几天能把牧场上的草吃尽呢？并且牧场上的草是不断生长的。」

DeepSeek V3.1 并未采用苏格拉底式的启发引导，但其解答逻辑清晰、步骤完整。每一步推导都有理有据，最终给出了正确的答案。

面对「两把武器对比，1~5 攻击 VS 2~4 攻击，哪把更厉害？」这类问题，普通回答往往只算平均伤害。但 DeepSeek V3.1 思考得更周全——它引入了伤害稳定性的概念，运用方差进行深入分析。这才是真正的关键所在。

近期基孔肯雅热疫情肆虐，到处都在灭蚊。那么问题来了：冰岛有蚊子吗？注意，未开启搜索功能。仅从回答质量来看，DeepSeek V3.1 的表现明显优于 GPT-5。

前阵子在网上看到一段话：

懂者得懂其懂，懵者终懵其懵，天机不言即为懂，道破天机岂是懂? 懂是空非空非非空的懂，不懂是色不异空空不异色的不懂:懂自三千大世界来，不懂在此岸与彼岸间徘徊。懂时看山不是山是懂，不懂时看山是山的懂。

懂者以不懂证懂，懵者以懂证懵，你说你懂懂与不懂之懂? 你怎知这懂的背后没有大不懂? 凡言懂者皆未真懂，沉默不语的懂，方是天地不言的大懂不懂的懂是懂，懂的不懂也是懂，此乃懂的最高境界——懂无可懂之懂的真空妙有阿!

当许多人还在用逻辑硬啃这段文字时，DeepSeek 反而劝人别掉进「道破天机岂是懂」的陷阱：「它本身就是对理性傲慢的警告，邀请你跳出文字游戏，直观内心。」

主流 AI 在代码、数学领域疯狂内卷，争相推进 Agent 开发时，写作能力反而成了被遗忘的角落。从某种角度看，这倒是个好消息——AI 完全取代编辑的那一天，似乎又往后推了推。

尝试让它创作一个「蚊子在冰岛开发布会」的荒诞故事。遗憾的是，DeepSeek 的 AI 味依然很重，喜欢堆砌大词。哦不对，更准确地说，DeepSeek 味还是那么浓。

同样的问题在另一个创作任务中也有体现。当要求它写一则「AI 与人类争夺文章作者身份」的故事时，能明显感受到某些段落信息密度过高，反而造成视觉疲劳。尤其是意象堆砌感过于明显，削弱了叙事张力。

DeepSeek-V3.1-Base 发布之后，Hugging Face CEO Clément Delangue 在 X 平台发文称：「Deepseek V3.1 已经在 HF 上悄悄发布，没有模型卡就直接冲到趋势榜第四了。」然而，他还是低估了这款模型的发展势头——如今它已经跃升至第二位，离登顶估计也只是时间问题。

此外，这次版本更新中一个比较引人注目的变化是，DeepSeek 在官方 APP 和网页端移除了深度思考模式中的「R1」标识，同时新增了原生「search token」支持，意味着搜索功能得到了进一步优化。

根据目前曝光的信息，有推测认为 DeepSeek V3.1 可能是融合推理模型与非推理模型的混合模型。但这样的技术路线是否明智，还有待商榷。而阿里 Qwen 团队在上个月也明确表态：「在与社区交流并深入思考后，我们决定停止使用混合思维模式。取而代之的是，我们将分别训练 Instruct 模型和 Thinking 模型，以确保获得尽可能高的质量。」

截至发稿前，全网翘首以待的 DeepSeek-V3.1-Base 模型卡仍未更新。也许等正式发布后，能看到更多有趣的技术细节。

附 Hugging Face 地址：
https://huggingface.co/deepseek-ai/DeepSeek-V3.1-Base

小彩蛋：