今天，DeepSeek 正式发文把 V3.1 推上前台，前两天还只是在群里简单通知一下，即便还未公布模型卡，DeepSeek V3.1就已经在Hugging Face的趋势榜上排到了第四。
But连官方文章都没有，搞得用户云里雾里不知道 V3.1 具体更新了些什么
而就在今天下午，官方终于发布了V3.1相关更新文章👇
DeepSeek-V3.1 发布，迈向 Agent 时代的第一步
这一版的主题很鲜明：把“思考模式（Reasoning）”与“普通对话”合到一套模型里，再把工具调用与智能体（Agent）能力一并补强。
而说起DeepSeek，我们不免会想到前不久上线，且成为 ChatGPT 的默认引擎 —— OpenAI GPT-5 这个强有力的对手了。
那两者路线不同、侧重点不同——到底怎么选？下面把最重要的变化、对比与上手路径一次说清。
一、V3.1 本次升级要点
-
混合推理架构：V3.1 兼容“思考/非思考”两种聊天模板；API 侧直接映射为
deepseek-reasoner（思考）与deepseek-chat（非思考）。官网更新日志已确认两者均已升级为 V3.1。 -
模板与上下文：开源权重的
tokenizer_config.json显示model_max_length为 131072（约 128K）；新版 chat template 引入<think>片段与更清晰的工具调用占位 -
Agent 能力显著增强：后训练优化带来工具使用与智能体任务的大幅提升；在代码与搜索类智能体评测上，V3.1 的分数整体高于前代，例如编码方面SWE-bench Verified 66.0%， 数学方面AIME 2025 88.4%（详细参数见官文）
-
工具/函数调用： 非思考模式支持 Function Calling 与严格 JSON；
-
Agent 生态更顺手：新增 Anthropic API 兼容层，可把 DeepSeek 挂进 Claude Code 流程里，无缝融入现有工程链路。
App/网页端也同步了“深度思考”开关，可在界面上自由切换模式，最明显变化就是，DeepSeek 在官方 APP 和网页版上，从“深度思考（R1）”中删除了“R1”。
二、GPT-5 的关键信息（官方口径）
-
上下文：400K 窗口、128K 最大输出
-
编码与推理：官方给出 SWE-bench Verified 74.9%、Aider-Polyglot 88%，并强调在同等任务上较 o3 更省输出 token 与工具调用
-
数学：AIME 2025 94.6%（无工具）
-
工具智能：能稳定串并联多次工具调用，长链路任务更稳。
-
价格（API）：输入 0.125 ，输出 $10；另有 mini / nano 低价档。
官网参考文档：
三、「共同基准」正面对比
说明：仅纳入 双方均有官方/模型卡数值 的基准；DeepSeek 若区分思考/非思考，取**更强的“思考”**版本一并列示。
| 任务/基准 | DeepSeek-V3.1（Think） | GPT-5 | 备注 |
|---|---|---|---|
| SWE-bench Verified（真实软件缺陷修复） | 66.0% （V3.1-NonThinking，Agent 模式） | 74.9% | DS 官方以内部 Agent 框架跑分；仍可视作同一任务族对比 |
| Aider-Polyglot（多语种代码编辑） | 76.3% | 88% | 官方均给出明确百分比 |
| AIME 2025（数学） | 88.4% | 94.6% （无工具） | 同为 Pass@1 |
对比结论
-
编码&修复：在 SWE-bench Verified 和 Aider-Polyglot 上，GPT-5 领先 6.9–11.7 个百分点，属于稳定领先。
-
数学推理：AIME 2025 上 GPT-5 领先 6.2 个百分点，也是明确领先。
因此，仅看双方共同公开的权威基准，GPT-5 整体领先一个梯级；DeepSeek-V3.1 在成本/开源/可控方面具现实优势，工程落地性强。
四、更多关键官方数据对比
| 维度 | DeepSeek-V3.1 | GPT-5 |
|---|---|---|
| 模型形态 | 同一模型双模板：chat（非思考）/reasoner（思考），前端“深度思考”开关 | 统一系统 + 自动路由；可显式切换到 Thinking |
| 上下文 | 128K（开源权重配置）；API 以定价/模型页为准 | 400K 上下文，128K 最大输出 |
| 工具/函数调用 | 非思考：支持；思考：不直接支持（传 tools 会回落到 chat） | 强化的并行/串行工具链、鲁棒错误处理、长链检索优化 |
| 结构化输出 | JSON Output（严格 JSON 返回） | 函数调用 + 结构化输出，生态配套完善 |
| Agent 生态 | 新增 Anthropic API 兼容（Claude Code 直连） | ChatGPT 原生生态（搜索/文件/图像/任务），路线更“全集成” |
| 开源/可控 | 权重开源（Base/后训），可私有化/微调 | 闭源商用，胜在产品整合与服务保障 |
| 价格带（API） | 价目将 9月6日凌晨变更并取消夜间折扣 | GPT-5：input $1.25 / output $10（百万tokens），有 mini/nano 梯度 |
| 适配场景 | 私有化可控、成本敏感、需要深度定制的 Agent/应用 | 统一入口追求最强通用生产力、复杂多工具链路任务 |
五、给不同人群的选择建议
-
要“最强通用生产力/端内一体化” ：优先GPT-5：400K 窗口 + 更强的编码&数学 + 事实性显著提升，复杂多工具链路更稳。
-
要“开源可控/私有化/成本敏感” ： 优先DeepSeek-V3.1：128K 权重、模板清晰、Function Calling/JSON/Anthropic 兼容，工程改造友好。
-
团队落地：推荐混合路由——日常与私有任务走 V3.1，超长上下文/关键链路切 GPT-5，兼顾成本与效果。
- 做搜索/代码类智能体：两者都能做；V3.1 在公开卡片上的 Agent 指标很亮眼，GPT-5 胜在并行工具与稳定性。
六、两种模型体验方式
更详尽的介绍可看原文
最后有话说
- 只看共同权威基准：GPT-5 明确领先；
- 看工程落地与可控性：DeepSeek-V3.1 更省、更开源、更好改；
- 真正实用的答案：把两者接在一起，用在各自最擅长的地方。
