DeepSeek发布V3.1-Terminus版本，模型性能与Agent能力全面升级
9月22日晚，DeepSeek团队在官方社群宣布，其线上模型已全面升级至 DeepSeek-V3.1-Terminus。目前，deepseek-chat 与 deepseek-reasoner 两大核心模型均已同步更新，官方也邀请用户进行测试并反馈问题。
据介绍，此次版本升级在保留原有能力的基础上，重点针对用户反馈进行了优化：
语言一致性 —— 显著缓解了中英文混杂及偶发异常字符的情况，提升跨语言任务的稳定性；
Agent能力 —— 进一步增强了 Code Agent 与 Search Agent 的表现，智能体任务的执行效率与可靠性都有明显提升。
事实上，DeepSeek自年初以来便频频引发业界关注。作为开源大模型的代表，DeepSeek-R1 在数学计算、代码生成、自然语言推理等方面的表现已达到国际一流水平。今年9月17日，相关研究成果还登上了《Nature》封面，成为全球焦点。该论文首次揭示了 DeepSeek-R1 所采用的大规模推理模型训练方法。值得注意的是，团队在研发过程中采用了强化学习来代替传统的人类示例标注，从而降低了训练成本并简化了复杂性。
而在8月21日，DeepSeek刚刚发布 DeepSeek-V3.1，首次引入“混合推理架构”，使模型能够在思考模式与非思考模式间灵活切换，不仅提升了推理效率，也增强了智能体的工具使用能力。当时，DeepSeek还宣布采用了 UE8M0 FP8 Scale 参数精度，这一设计与新一代国产芯片深度适配，引发了产业链企业股价的集体上涨。
如今的 V3.1-Terminus 版本，可以视为对上一版本的进一步迭代与打磨，重点在于实际用户体验的优化与智能体生态的拓展。这不仅展现了DeepSeek在开源大模型领域的持续投入，也意味着国产AI在全球竞争中正稳步推进。
在实际应用层面，国内开发者若希望便捷接入包括DeepSeek在内的多模态大模型，不妨关注 PoloAPI平台（www.poloapi.com）。该平台汇聚了海量主流大模型API接口，覆盖文本、图像、音频等多模态任务，能帮助企业和个人快速调用最新的AI能力，大幅降低接入与运维成本。对于正在探索AI应用落地的开发者而言，这是一个高效、可靠的选择。