也許是最近開源模型太多（Qwen3、K2、Step3、GLM4.5等等），也許是大家等R2時(shí)間太久，DeepSeek 開源V3.1模型，竟然能被狂噴，這點(diǎn)我是沒有想到的。

如果說是APP、客戶端，那沒辦法，畢竟DS的顯卡資源有限，我反正能理解。

API的話，就真不至于，因?yàn)镈eepSeek-V3.1模型本身就開源，完全可以自己部署之前版本，或者用火山引擎、阿里百煉、硅基流動(dòng)等等等云模型廠商的老版本API。

然后從昨晚到今天，也是看了不少帖子，褒貶不一。

跟不少人交流了一下使用體驗(yàn)，還是那句話，不同人在不同任務(wù)下，體感很不同。

我昨天反正第一時(shí)間做了???評(píng)測(cè)??，在我的任務(wù)上沒有什么提高，

但是好友袋鼠帝在Tool Use上體驗(yàn)是變好的，比V3穩(wěn)定很多。

看了牙醫(yī)、崔思莫的評(píng)測(cè)，說Coder上好了不少。

我覺得雖然V3.1沒達(dá)到我們的預(yù)期，但我們還是要對(duì)神保持敬仰，畢竟也沒說是R2、V3.5，只是升了0.1個(gè)版本。

反正我覺得核心還是現(xiàn)在開源大模型很多，Qwen3-2507、GLM4.5、K2、Step3等等，大家已經(jīng)變得比較挑剔了，我們已經(jīng)不是2024年的我們了。

我們這兩個(gè)月吃的太好。

當(dāng)然還有就是我們對(duì)DeepSeek的期望太高了，也是等R2等的比較久了~

說回V3.1本身，Base模型已經(jīng)開源，但是Model Card還沒寫，不過通過Config文件和從測(cè)試，可以發(fā)現(xiàn)一些內(nèi)容，分享給大家~

??https://huggingface.co/deepseek-ai/DeepSeek-V3.1-Base??

模型是混合推理模型，這個(gè)應(yīng)該是肯定得了，跟昨天模型還沒開源時(shí)，猜測(cè)一致。相當(dāng)于把v3和r1合到了一起，跟初代Qwen3是一樣的。

但是，我比較好奇，DS在訓(xùn)練混合模型的時(shí)候是否有一些技巧，通過Qwen3-2507將推理和非推理分開來看，混合推理還是存在一些問題的。

但直覺中，混合推理的模型，應(yīng)該是非推理效果會(huì)好，推理會(huì)差一點(diǎn)，有趨中情況，但是我也沒想通為啥Qwen3的非推理單獨(dú)訓(xùn)練上限更好，猜測(cè)是因?yàn)榛旌嫌?xùn)練不充分。

所以這里就比較好奇DS在這個(gè)部分有什么奇技淫巧。

除了混合推理之外，V3.1的special token還多了search標(biāo)記。

我理解，加入search標(biāo)記，應(yīng)該是讓模型在聯(lián)網(wǎng)搜索時(shí)，不是一次性檢索，而是可以邊思考邊檢索，就是豆包的變向邊搜一樣。

在生成的內(nèi)容的過程中，會(huì)觸發(fā)搜索機(jī)制，從外部獲取更多的信息，以便于更好地回答。

不過，目前在客戶端，并沒有體現(xiàn)，聯(lián)網(wǎng)搜索，依然是一次性搜索，不知道是不是還在適配，還是說后面會(huì)推出新的功能。

不過，前段時(shí)間，DS在招搜索工程師，應(yīng)該是要發(fā)力DeepResearch這一塊，不過暫時(shí)在整個(gè)產(chǎn)品上還沒有體現(xiàn)。

除了search標(biāo)記，tool use部分也做了更新，變得更加簡潔，<｜tool call begin｜> + 函數(shù)名 + <｜tool sep｜> + 參數(shù)字符串 + <｜tool call end｜>，參數(shù)直接作為字符串傳遞。

所以在tool部分，v3.1應(yīng)該也是專門訓(xùn)練過，不過具體如何還需要自行測(cè)試，袋鼠帝說調(diào)用更穩(wěn)定~

通過測(cè)試還發(fā)現(xiàn)一點(diǎn)，也是我昨天帖子里提到的，think里的內(nèi)容，中英混雜會(huì)很多，之前R1只有在數(shù)學(xué)、代碼會(huì)出現(xiàn)中英混雜現(xiàn)象，而現(xiàn)在正常文本推理中也會(huì)出現(xiàn)。

找到一篇相關(guān)paper，The Impact of Language Mixing on Bilingual LLM Reasoning，結(jié)論是語言混雜可以增強(qiáng)推理能力。

但我覺得，感覺中英混雜可能也跟V3.1訓(xùn)練不充分有關(guān)，當(dāng)然純YY，這個(gè)問題后面有機(jī)會(huì)，再好好聊聊。

我前面說了，從直覺上，混合推理的模型，推理會(huì)差一點(diǎn)，V3.1體現(xiàn)在think內(nèi)容相較于R1變短，如果按照test-time scaling來說，那整體效果變差似乎也是合理的。

當(dāng)然，大部分人在說V3.1提升主要是Code，當(dāng)然我之前測(cè)試的兩個(gè)例子R1和V3.1效果都不好，

但是在aider上，71.6%超過R1的71.4%，同時(shí)還是非推理模型第一，費(fèi)用更低。

并且很多人表示，V3.1過了他們的一些測(cè)試。符合他們的預(yù)期，也是在code上更好提高一些，

畢竟K2、Qwen3-coder現(xiàn)在代碼能力提高的不是一星半點(diǎn)，但等一波橫測(cè)~

不可否認(rèn)，改成V3.1這種混合模型，就不需要分開部署兩個(gè)模型，成本就會(huì)降低，同時(shí)現(xiàn)在V3.1也更穩(wěn)定。

我們不能忽略在系統(tǒng)層面的優(yōu)化。

最后我想說，V3.1，僅提高0.1個(gè)版本，也是DS的一次嘗試，嘗試混合推理、嘗試一些其他的小改進(jìn)。

很多人說也許沒有R2了，但我覺得不好說，畢竟Qwen3新版本還是拆開的，那么就有一定的實(shí)驗(yàn)結(jié)論，起碼暫時(shí)可能混合推理沒法達(dá)到分開效果的極限。

當(dāng)然如果DS有黑科技另說，但我更傾向會(huì)分開。

就說這么多吧，這篇是有感而發(fā)，再加上看到資料的一些匯總。

本文轉(zhuǎn)載自??NLP工作站??，作者：NLP工作站