從15.9分跳到21.7分——當我看到DeepSeek V3.1-Terminus在"人類終極測試"中的得分時，第一反應是檢查了下數據有沒有看錯。36%的提升幅度，這在AI模型優化中簡直是質的飛躍。

圖片

昨天DeepSeek正式發布了V3.1-Terminus"終極版"，這個名字挺有意思。Terminus在拉丁語里是"終點"的意思，聽起來像是V3系列的收官之作。果然，業界已經開始猜測DeepSeek是不是要憋大招準備發布V4了。

但先不聊未來，這次的V3.1-Terminus確實解決了不少實際問題。

修復了最讓人頭疼的問題

說實話，之前用DeepSeek的時候確實遇到過一些奇怪的情況。有時候問它一個中文問題，回答到一半突然冒出英文，或者偶爾蹦出幾個莫名其妙的字符。雖然不影響大體使用，但總感覺有點不夠穩定。

這次V3.1-Terminus針對性地解決了這些問題：

? 中英文混雜問題 - 不再出現莫名其妙的語言切換

? 隨機異常字符 - 告別那些突然出現的亂碼

? 輸出一致性 - 確?；卮鸬姆€定性和連貫性

智能體能力的大幅提升

除了基礎穩定性的改進，這次最大的亮點是Code Agent和Search Agent的能力優化。

Code Agent就是編程智能體，主要負責代碼生成、調試和優化。Search Agent是搜索智能體，能夠幫你快速找到和整理信息。這兩個功能在實際工作中還挺實用的，特別是對程序員和研究人員來說。

雖然DeepSeek沒有公布具體的技術細節，但從用戶反饋來看，編程能力確實有明顯提升。有開發者測試后表示，代碼生成的準確性和可執行性都比之前版本好了不少。

HLE測試得分的意義

再回到開頭提到的那個數據。"Humanity's Last Exam"（人類終極測試）是一個比較權威的AI能力評估基準，主要測試模型在復雜推理、邏輯分析等方面的表現。

從15.9分提升到21.7分，意味著DeepSeek在處理復雜任務時的準確性和邏輯性都有了質的飛躍。

這個分數提升不是簡單的數字游戲。在AI模型評測中，每一分的提升都代表著大量的技術優化和算法改進。36%的提升幅度，在業界算是相當顯著的進步了。

技術架構依然強悍

V3.1-Terminus依然采用MoE（專家混合）架構，總參數量達到6710億，但每個token只激活其中的37億參數。這種設計既保證了強大的能力，又控制了計算成本。

說白了，就是用最少的計算資源發揮最大的性能。這對國產AI來說特別重要，畢竟算力成本是個現實問題。

"終極版"背后的戰略意圖

Terminus這個命名挺有意思的。在科幻小說《銀河帝國》中，Terminus是銀河邊緣的一個重要星球，象征著舊秩序的終結和新時代的開始。

DeepSeek選擇這個名字，可能暗示V3系列即將收官，下一步要推出更重磅的版本。從時間節點來看，如果V4確實在路上，那時間窗口應該就在今年年底或明年年初。

不過這只是猜測。目前V3.1-Terminus已經在DeepSeek的官網、App和API接口全面上線，用戶可以直接體驗。

實際體驗怎么樣？

我試用了幾個小時，整體感受確實比之前的版本要穩定。特別是在處理中文邏輯推理問題時，回答的連貫性明顯提升了。

編程能力方面，我讓它幫我寫了幾個Python腳本，生成的代碼質量還不錯，基本可以直接運行。當然，復雜的算法設計還是需要人工審查，但對于日常的編碼任務已經很實用了。

搜索能力我沒有深度測試，但從簡單的信息查找來看，確實比之前快了一些，整理的信息也更有條理。

總的來說，這次更新主要解決的是用戶體驗問題，讓DeepSeek變得更加可靠和實用。雖然沒有革命性的功能突破，但在穩定性和智能體能力上的提升還是很明顯的。

如果你之前因為穩定性問題對DeepSeek有所保留，現在可能是個重新試試的好時機。畢竟免費使用，試錯成本也不高。