DeepSeek-V3.1已更新至DeepSeek-V3.1-Terminus版本。
9月22日晚间，据DeepSeek介绍，此次更新在保持模型原有能力的基础上，针对用户反馈的问题进行了改进，包括：语言一致性：缓解中英文混杂、偶发异常字符等情况。在Agent（智能体）能力方面，进一步优化Code Agent与Search Agent的表现，DeepSeek-V3.1-Terminus的输出效果相比前一版本更加稳定。
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。不过，记者看到这款大模型名为Terminus，意思是“终极版”，或许这也是V3.1最后一次更新。外界观望下一次大版本更新到底是V4还是R2的到来。
在公开的基准测试成绩中，V3.1-Terminus整体较V3.1有所提升，不过其中部分分数也有下滑，不过在“人类最后考试”（Humanitys Last Exam）基准上进步较为突出，分数从 15.9大幅提升至21.7，根据官网数据，这一成绩仅次于 Grok 4（25.4）和GPT-5（25.3），并略微超越 Gemini 2.5 Pro（21.6）。
值得注意的是，DeepSeek在中英文混杂方面的改进尤为受到欢迎。澎湃新闻记者在社交媒体上看到，不少用户点赞：“中英文混杂问题在思考时间很长的时候确实会出现，遇到过几次，还在想这是什么问题，这下子正好给解决了。”
资深AI投资人郭涛向澎湃新闻记者分析称，本次DeepSeek-V3.1-Terminus版本更新聚焦工程化落地与场景适配，核心突破体现在两大核心竞争提升：一方面，通过语义层降噪技术显著改善语言一致性，有效抑制中英文混杂、异常字符等干扰，提升文本生成纯净度；另一方面，深度重构Agent执行框架，针对Code Agent的语法解析精度、Search Agent的信息检索召回率进行专项优化，使智能体输出稳定性提升。
此次全渠道（App/网页/小程序/API）同步升级，大盘配资展现国产大模型从算法创新向工程可靠性演进的关键跨越，标志着国产模型在复杂任务处理、多模态协同等工业化应用层面迈出重要一步，为后续垂直领域深度赋能奠定更坚实基础。
作为国产大模型的风向标，DeepSeek的动态都广泛被外界关注。
此前9月18日，梁文锋带着DeepSeek-R1的研究，登上最新一期国际顶级期刊《自然》（Nature）封面。
今年1月份，国产大模型公司深度求索（DeepSeek）在预印本平台arxiv公布论文《DeepSeek-R1: Incentivizing Reasoning Capability in LLMs via Reinforcement Learning》，创始人梁文锋位于署名之列。
《自然》杂志指出，如此总结DeepSeek-R1带来的进步：如果训练出的大模型能够规划解决问题所需的步骤，那么它们往往能够更好地解决问题。这种“推理”与人类处理更复杂问题的方式类似，但这对人工智能有极大挑战，需要人工干预来添加标签和注释。
DeepSeek的研究人员揭示了他们如何能够在极少的人工输入下训练一个模型，并使其进行推理。DeepSeek-R1模型采用强化学习进行训练。在这种学习中，模型正确解答数学问题时会获得高分奖励，答错则会受到惩罚。
DeepSeek团队也首次对外回应“蒸馏”相关质疑。论文中表示，对于深度求索V3基础版（DeepSeek-V3-Base）的训练数据仅使用普通网页和电子书，未纳入任何合成数据，“不过，我们注意到部分网页包含大量由OpenAI模型生成的答案，这可能会让基础模型间接地从其他强大模型获取知识。但在预训练冷却阶段，我们并未刻意加入由OpenAI生成的合成数据；该阶段使用的所有数据都是通过网络爬取自然获取的。预训练数据集包含大量与数学和代码相关的内容，这表明深度求索V3基础版接触到大量的推理轨迹数据。”
今年1月20日，中国AI初创公司深度求索（DeepSeek）推出大模型DeepSeek-R1引爆AI行业，作为一款开源模型，R1在数学、代码、自然语言推理等任务上的性能能够比肩OpenAIo1模型正式版，并采用MIT许可协议，支持免费商用、任意修改和衍生开发等。春节假期后，国内多个行业龙头公司均宣布接入DeepSeek。
伴随AI大模型行业的日新月异，DeepSeek已经更新出R1以外的新版本，但万众期待的R2尚未面世。此前8月21日DeepSeek正式发布DeepSeek-V3.1，称其为“迈向Agent（智能体）时代的第一步”。
文章为作者独立观点，不代表盛达优配观点
