DeepSeek-V3.1

Mis on DeepSeek-V3.1?

DeepSeek-V3.1 on DeepSeeki suur keelemudel, mis on loodud üldiseks teksti genereerimiseks, arutlemiseks, tarkvaraarenduseks ja tööriistade abil täidetavateks ülesanneteks. Tegemist on ekspertide segu ehk MoE-mudeliga: kontrollpunkt sisaldab kokku 671 miljardit parameetrit, kuid iga märgi puhul aktiveeritakse neist ligikaudu 37 miljardit. Nii saab mudel säilitada väga suure parameetrite mahu, kasutamata iga vastuse iga osa jaoks kõiki parameetreid.

DeepSeek avaldas V3.1 21. augustil 2025 DeepSeek-V3 järglasena. Erinevalt süsteemidest, mis vajavad eraldi üldotstarbelist ja arutlusmudelit, pakub V3.1 mõtlemis- ja mittemõtlemisrežiimi sama mudeli kontrollpunkti kaudu. Mittemõtlemisrežiim on mõeldud kiiremate tavapäraste vastuste jaoks, mõtlemisrežiim aga suunab rohkem arvutusressursse ülesannetele, mille puhul on kasu mitmeastmelisest arutlemisest.

Mudel on saadaval avatud kaaludega väljaandena MIT-litsentsi alusel. See muudab selle asjakohaseks organisatsioonidele ja teadlastele, kes soovivad mudelit uurida, kohandada, kvantida või oma taristus või ühilduva kolmanda osapoole teenuse kaudu juurutada.

Kuidas hübriidsed arutlusrežiimid toimivad

V3.1 peamine eripära on hübriidne arutlusdisain. Mittemõtlemisrežiimis koostab mudel tavapärase vastuse ilma pikema arutluskäiguta, mida seostatakse arutlusele keskenduvate mudelitega. See võib vähendada viivitust tavapäraste küsimuste, koodi teisendamise, andmete eraldamise ja muude ülesannete puhul, mille jaoks pikk arutlusprotsess pole vajalik.

Mõtlemisrežiim on mõeldud probleemidele, mis nõuavad põhjalikumat analüüsi, näiteks keerukale matemaatikale, silumisele, planeerimisele, keerukale programmeerimisele ja mitmeastmelisele tööriistade kasutamisele. DeepSeek teatas, et see režiim pakkus vastuste kvaliteeti, mis oli võrreldav mudeliga DeepSeek-R1-0528, kuid reageeris tõhusamalt. See võrdlus on teenusepakkuja väide, mitte sõltumatu hinnang, mistõttu tegelikud tulemused sõltuvad viibast, teeninduskonfiguratsioonist ja ülesandest.

Mudelit jätkukoolitati DeepSeek-V3 baaskontrollpunkti põhjal veel 840 miljardi eelkoolituse märgiga. DeepSeek kirjeldas ka laiendatud pika konteksti treeninguetappe, mis hõlmasid 32K ja 128K konteksti. Need muudatused näitavad, et V3.1 ei ole lihtsalt režiimilüliti: väljaanne ühendab ajakohastatud treeningu, muudetud vestlusmalli ning tööriistade kasutamisele ja agendikäitumisele suunatud järelkoolituse.

Tehnilised andmed ja konteksti maht

128K märgi suurune kontekstiaken on kasulik suurte lähtefailide, tehnilise dokumentatsiooni, pikkade vestluste ja mitme dokumendi analüüsi puhul. Kontekstiaken näitab sisendi ja genereeritud teksti hulka, mida teenindussüsteem suudab ühe päringu jooksul töödelda; see ei garanteeri, et mudel kasutab väga pika viiba kõiki osi võrdselt hästi.

Täieliku kontrollpunkti käitamine nõuab palju ressursse. Ametlik jaotus on ligikaudu 685 GB ning praktiline juurutamine nõuab üldjuhul mitut GPU-d, optimeeritud järeldustarkvara, kvantimist või hostitud järeldusteenuse pakkujat. Esitatud uurimismaterjal ei kinnita kindlat maksimaalset väljundi pikkust, mistõttu ei tohiks rakendused eeldada, et konteksti pikkus annab automaatselt samaväärse väljundimahu.

Programmeerimine, tööriistad ja agenditöökoormused

DeepSeek-V3.1 läbis järelkoolituse tööriistakutsete ja mitmeastmelise agendikäitumise jaoks. Praktikas võib tööriistu kasutav rakendus lubada mudelil taotleda selliseid toiminguid nagu funktsiooni kutsumine, välise teenuse päring või terminalipõhise töövooga suhtlemine. Mudel ise ei paku automaatselt veebotsingut, sirvimist ega piiramatut arvutikontrolli. Need võimalused sõltuvad ümbritsevast rakendusest ja sellele kättesaadavaks tehtud tööriistadest.

DeepSeek tõi V3.1 oluliste sihtvaldkondadena esile tarkvaratehnika ja terminaliagendi ülesanded. See muudab mudeli sobivaks kandidaadiks koodiassistentidele, mis peavad uurima koodihoidlaid, pakkuma muudatusi, kutsuma arendustööriistu või läbima korduva silumisprotsessi. Pikk kontekst võib olla kasulik ka siis, kui rakendus peab ühe päringu raames edastama mitu faili või mahuka projektidokumentatsiooni.

Algne API-väljaanne lisas Anthropic API ühilduvuse ja beetaversioonis range funktsioonikutsumise. Need funktsioonid võivad lihtsustada lõimimist olemasolevate arendussüsteemidega, kuid neid tuleb eristada avatud kaaludega kontrollpunktist endast. Isehostitud juurutus võib vajada ühilduvat järeldusserverit ja täiendavat seadistust, enne kui see toetab sama API-käitumist või struktureeritud tööriistakutsete funktsioone.

Toetatud modaalsused

Esitatud mudelipõhise uurimismaterjali kohaselt on DeepSeek-V3.1 ainult tekstimudel. See võtab vastu tekstisisendit ja annab tekstiväljundi. Kontrollitud andmed ei kinnita loomulikku pildi-, heli- ega videosisendi tuge ning mudel ei genereeri pilte, heli ega videot.

See eristus on oluline, sest laiem DeepSeeki teenus hõlmab uuemaid visuaalse mõistmise võimalusi, kuid neid ei tohiks omistada mudelile V3.1. Kui rakendus vajab pildianalüüsi, kõnetöötlust või meedia genereerimist, on sobivam spetsiaalne multimodaalne või meediamudel. V3.1 saab siiski multimodaalses rakenduses kaudselt osaleda, kui mõni teine süsteem teisendab meedia enne mudelile saatmist tekstiks.

Hinnastus ja hostitud API olek

Esitatud uurimismaterjalis ei ole täpse praeguse mudeli API-hinda. Algne API-juurutus kasutas mittemõtlemisrežiimi jaoks identifikaatorit deepseek-chat ja mõtlemisrežiimi jaoks identifikaatorit deepseek-reasoner, kuid need hostitud marsruudid viidi hiljem üle uuematele versioonidele. Seejärel liikus DeepSeek edasi V3.1-Terminus- ja V3.2-põlvkondadele ning avaldas hiljem veel uusi mudeleid.

Seetõttu ei tohiks arendajad eeldada, et vanemat identifikaatorit kasutav praegune hostitud API-päring töötab endiselt algse V3.1 kontrollpunktiga. Uute hostitud juurutuste puhul tuleks praegust DeepSeeki kataloogi otse kontrollida. Korratava uurimistöö, isehostimise, mudeli hindamise või algsete kaaludega katsetamise jaoks on ametlikud DeepSeek-V3.1 repositooriumid endiselt asjakohased lähteallikad.

Kontrollitud praeguse hinna puudumine on eriti oluline kulude võrdlemisel. V3.1 positsioneeriti kulutõhusa ekspertide segu mudelina ning selle toimetuslik kuluskoor on esitatud andmetes kõrge, kuid see skoor on toimetuslik võrdlev hinnang, mitte teenusepakkuja avaldatud hind ega võrdlustesti tulemus. Tegelik kasutuskulu sõltub riistvarast, kvantimisest, läbilaskevõimest, elektrist, hostimisest ja sellest, kas kolmanda osapoole teenusepakkuja võtab tasu märkide arvu järgi.

Tugevused ja piirangud

Peamised tugevused

• Paindlik arutlus: mõtlemis- ja mittemõtlemisrežiim võimaldavad rakendustel valida vastuse põhjalikkuse ja viivituse vahel.
• Pikk kontekst: 128K märgi suurune aken toetab suuri koodibaase, dokumente ja mitmeastmelisi seansse.
• Agendisuunitlus: tööriistakutsete ja terminaliagendi treening muudavad mudeli sobivaks töövoogudele, mis ühendavad mudeli vastused väliste toimingutega.
• Avatud juurutamine: MIT-litsentsiga kaalud toetavad isehostimist, uurimistööd, kvantimist ja kolmandate osapoolte järeldusteenuseid.
• Tõhus aktiveerimine: ligikaudu 37 miljardit aktiivset parameetrit märgi kohta on 671 miljardi parameetri suuruse kogumahuga võrreldes märksa vähem, kuigi kogu mudel nõuab endiselt palju salvestusruumi ja taristut.
• Programmeerimisele ja arutlusele keskendumine: väljaanne oli suunatud eelkõige tarkvaratehnikale, arutlusele ja keerukatele agenditöödele.

Olulised piirangud

• Suured riistvaranõuded: täielik kontrollpunkt ei sobi tavapärastele sülearvutitele ega väikestele ühe GPU-ga juurutustele ilma põhjaliku optimeerimiseta.
• Ainult tekst: tegemist ei ole loomuliku pildi-, heli- ega videomudeliga.
• Vananenud hostitud olek: algne hostitud API-põlvkond on asendatud uuemate DeepSeeki mudelitega, mistõttu ei pruugi saadavus ja hinnastus algse väljaandega kattuda.
• Täpsustamata väljundi- ja teadmistepiirangud: esitatud autoriteetne uurimismaterjal ei määra maksimaalset väljundi märkide arvu ega täpset teadmiste lõppkuupäeva.
• Sõltuvus tööriistadest: sirvimine, otsing, terminali juurdepääs ja muud toimingud nõuavad väliseid integratsioone. Need ei ole baaskontrollpunkti loomupärased võimalused.
• Juurutamise keerukus: ühilduvad kaalud üksi ei taga tootmiskõlbulikku teenindust, rangelt struktureeritud väljundit ega identset API-käitumist.

Millal valida DeepSeek-V3.1?

Vali DeepSeek-V3.1 siis, kui prioriteediks on avatud kaaludega mudel arutlemiseks, programmeerimiseks, pika konteksti analüüsiks või agentidega katsetamiseks. See sobib eriti juhul, kui organisatsioon soovib juurutamise üle suuremat kontrolli, kui suletud hostitud mudel võimaldab, või kui teadlased vajavad hindamiseks ja korratavuseks kindlat mudeliartefakti.

Hübriidrežiimid on kasulikud segatöökoormusega süsteemides. Koodiassistent võib kasutada mittemõtlemisrežiimi lihtsate koodiselgituste jaoks ja lülituda mõtlemisrežiimi arhitektuuriküsimuste või keeruka silumise korral. Töövooagent võib enne tööriistakutsete jada käivitamist kasutada pikemat arutluskäiku ning jätta kiiremad vastused olekuteavituste ja lihtsate teisenduste jaoks.

Teist tüüpi mudel võib olla parem valik, kui juurutus peab olema väikese ressursivajadusega, kui oluline on stabiilne praegune hostitud API ja selgelt dokumenteeritud hinnastus või kui rakendus vajab loomulikku nägemist, kõnet, piltide genereerimist või videote genereerimist. Uute DeepSeeki API-projektide puhul tasub hinnata ka teenusepakkuja praeguseid mudeleid, mitte valida V3.1 üksnes seetõttu, et selle algsed API-nimed on tuttavad.

Kokkuvõte

DeepSeek-V3.1 on kõige mõistlikumalt käsitletav avatud kaaludega ainult tekstimudelina, mis ühendab üldised vastused ja põhjaliku arutlemise ühes 671 miljardi parameetriga MoE-kontrollpunktis. Selle praktiline väärtus tuleneb 128K suurusest kontekstiaknast, programmeerimisele ja agentidele suunatusest, tööriistakutsete toest ning MIT-litsentsiga kaaludest. Peamised kompromissid on suured taristunõuded, loomulike meediavõimaluste puudumine, praeguse API-hinna ebakindlus ja mudeli vananenud olek DeepSeeki hostitud kataloogis.