当 DeepSeek 在 2025 年 8 月推出 V3.1 时，许多人期待着一个新世代：“为什么不是 R2？”答案在于其战略重心从纯粹推理引擎转向灵活、支持 Agent 的 LLM。DeepSeek R1 是一个由强化学习驱动的最先进的推理模型，而 V3.1 则代表了另一种演进：融合了快速交互、深度推理和工具使用。
本文探讨 DeepSeek V3.1 和 R1 之间的关键差异——不仅从基准测试或架构层面，更从 DeepSeek 为何转向混合推理、真实世界 Agent 用例和效率的角度展开。
DeepSeek V3.1 相较于 R1 的主要改进有哪些？
| 维度 | DeepSeek V3.1 | R1 |
|---|---|---|
| 模式支持 | 混合思维模式。 支持通过聊天模板切换： • thinking 启用思维链推理• response 切换至直接响应模式 |
仅推理模式。主要为思维链推理，模式固定 |
| 工具/Agent 能力 | 更强的 Agent 技能。 • 训练后增强工具使用 • 支持结构化工具调用 • 专用代码/搜索 Agent 模板 |
最初缺乏支持。 R1-0528 更新后增加了 JSON 输出和函数调用 |
| 推理效率 | 响应更快。 • DeepThink 模式 ≈ R1 回答质量 • 非思考模式更快，适合延迟敏感的应用 |
较慢但稳定。 • 主要为推理模式，适合注重准确性的任务 |
DeepSeek V3.1 与 DeepSeek R1：发布说明
DeepSeek R1（2025 年 1 月）
- 首个基于强化学习的推理模型
- 性能持平：在数学/编码/推理基准测试上与 OpenAI 的 o1（GPT-4o 级别）相当
- 密集模型 SOTA：六个蒸馏小模型（1.5B–70B）达到了最先进水平
- 创新方法：开创了“训练后的大规模强化学习”方法论
DeepSeek R1–0528（2025 年 5 月）
- 质量和可用性提升的临时更新
- 基准测试改进：性能指标增强
- 前端升级：用户交互体验改进
- 幻觉减少：事实一致性更好
- 新增 API 功能：支持 JSON 输出和函数调用
DeepSeek V3.1（2025 年 8 月）
- 迈向 Agent 时代的第一步
- 混合推理：一个模型支持双模式（思考与非思考）
- 思考更快：V3.1-Think 比 R1–0528 更快获得结果
- 增强的 Agent 技能：训练后改进工具使用和多步骤任务
- 上下文支持：所有模式下保持 128K token 上下文
DeepSeek V3.1 与 DeepSeek R1：架构
DeepSeek V3.1 与 DeepSeek R1：基准测试
通用基准测试
搜索 Agent 基准测试
代码基准测试
代码 Agent 基准测试
数学基准测试
V3.1-Thinking 在通用、编码、数学和搜索任务上表现优于或持平 R1-0528。
V3.1-Non-Thinking 在代码 Agent 基准测试上领先，而 R1-0528 仅在长文本人文学科推理上略有优势。
DeepSeek V3.1 与 DeepSeek R1：速度
| 指标 | DeepSeek V3.1（非思考模式） | DeepSeek R1–0528 | DeepSeek V3.1（推理模式） |
|---|---|---|---|
| 输出速度（tokens/s，越高越好） | 20 | 20 | 20 |
| 延迟 – 至首个回答 Token 的时间（秒） | 2.9 | 102.3 | 103.9 |
| 端到端响应时间（500 tokens）（秒，越低越好） | 28.1（输入 25.2 + 输出 2.9） | 127.1（输入 99.4 + 输出 24.9 + 估计思考 2.8） | 129.2（输入 101 + 输出 25.2 + 估计思考 3.0） |
立即使用免费 Playground 测试 DeepSeek V3.1！
V3.1 混合思维模式的价值在于灵活性：
- 非思考模式： 延迟最低（首个 token 仅 2.9 秒，完整 500 token 响应仅 28.1 秒）。最适合延迟敏感的应用，如聊天或交互式 API。
- 推理模式： 与 R1–0528 性能相当，保持强大的思维链准确性。最适合复杂推理任务。
- 整体优化： 改进不在于原始输出速度，而在于能够绕过长时间“思考延迟”。这使得 V3.1 能够根据任务在 ** 快速交互 ** 和 ** 深度推理** 之间取得平衡。
DeepSeek V3.1 与 DeepSeek R1：系统要求
| **模型 ** | ** 总参数数量 ** | ** 激活参数数量 ** | ** 上下文长度** |
|---|---|---|---|
| DeepSeek-V3.1-Base | 671B | 37B | 128K |
| DeepSeek-V3.1 | 671B | 37B | 128K |
| DeepSeek-R1-0528 | 671B | 37B | 128K |
| DeepSeek-R1 | 671B | 37B | 128K |
完整的 671B MoE 模型需要大约 1–1.5 TB 的 GPU 内存才能以全精度运行。
为了利用 V3.1 的 FP8 优化，建议使用支持 FP8 的 GPU（NVIDIA H100、H200、Blackwell 系列）。
您可以使用 Novita AI 的竞价计费，以低至 **$1.63/小时 ** 的价格租用 H200 SXM，或仅 $0.90/小时 租用 H100 SXM。](https://novita.ai/gpus-console/explore)
DeepSeek V3.1 与 DeepSeek R1：应用场景
| **任务类型 ** | ** 推荐模型 ** | ** 推荐模式** |
|---|---|---|
| API 工具调用 | DeepSeek V3.1 | 非思考模式 |
| 多轮 Agent 执行 | DeepSeek V3.1 | 非思考模式 |
| 数学/逻辑/编程推理 | DeepSeek V3.1 或 R1 | 思考模式 |
| 快速用户交互 | DeepSeek V3.1 | 非思考模式 |
| 长文档阅读与摘要 | DeepSeek V3.1 | 思考模式（128K 上下文） |
总而言之，R1 是前沿的推理引擎，最适合强调逻辑和计算的任务；而 V3.1 是更通用、支持 Agent 的模型，既能服务于通用聊天，也能处理复杂的基于工具的应用。
如何通过廉价且稳定的 API 访问 DeepSeek V3.1 和 R1？
Novita AI 集成了广泛的 DeepSeek 模型，包括 V3.1、R1 0528、V3 Turbo、R1 Turbo 以及多个轻量级蒸馏版本（如 Qwen 14B/32B 和 LLaMA 70B）——涵盖从长上下文推理到成本高效推理的全方位需求。
Novita 的独特之处在于其 内部优化的 DeepSeek R1 Turbo，吞吐量最高提升 **3 倍 ，并且 ** 限时 60% 折扣，使其成为追求性能和性价比的开发者的理想选择。
| 指标 | DeepSeek V3.1 数值 |
|---|---|
| 输入价格 | $0.55 |
| 输出价格 | $1.66 |
| 延迟 | 3.00 秒 |
| 吞吐量 | 48.28 tps |
| 可用性 | 🟩🟩🟩 |
步骤 1：登录并访问模型库
登录您的账户，点击 模型库 按钮。
步骤 2：选择您的模型
浏览可用选项，选择适合您需求的模型。
步骤 3：开始免费试用
开始免费试用，探索所选模型的能力。
步骤 4：获取您的 API 密钥
为进行 API 身份验证，我们将为您提供一个新的 API 密钥。进入“设置”页面，您可以按照图中的指示复制 API 密钥。
步骤 5：安装 API
使用您编程语言的包管理器安装 API。
安装完成后，将必要的库导入到您的开发环境中。使用您的 API 密钥初始化 API 以开始与 Novita AI LLM 交互。以下是为 Python 用户提供的聊天补全 API 示例。
from openai import OpenAI
base_url = "https://api.novita.ai/openai"
api_key = "<Your API Key>"
model = "deepseek/deepseek-v3.1"
client = OpenAI(
base_url=base_url,
api_key=api_key,
)
stream = True # 或 False
max_tokens = 1000
response_format = { "type": "text" }
chat_completion_res = client.chat.completions.create(
model=model,
messages=[
{
"role": "user",
"content": "你好！",
}
],
stream=stream,
extra_body={
}
)
if stream:
for chunk in chat_completion_res:
print(chunk.choices[0].delta.content or "", end="")
else:
print(chat_completion_res.choices[0].message.content)
DeepSeek R1 仍然是一个 **推理标杆 ——它开创了基于强化学习的训练后方法，并在数学和逻辑任务上与 GPT-4o 相抗衡。但它 ** 慢 、 僵硬，并不是为 Agent 而构建的。
然而，DeepSeek V3.1 是为 真实世界部署时代 设计的：
- 🔁 在推理和速度之间切换。
- 🛠️ 原生调用 API、Agent 和工具。
- 🚀 更快推理、更低成本、更智能集成。
DeepSeek 没有将其命名为 R2，而是选择通过 V3.1 **表明新方向 ：它 ** 不仅更聪明——而且更实用。
对于开发人员、研究人员和企业来说，V3.1 是实用、灵活且生产就绪的替代方案，而 R1 则仍然是学术基准。
常见问题解答
V3.1 只是 R1 的更快版本吗？
不完全是。虽然 V3.1-Think 在推理质量上与 R1 相当，但其非思考模式提供了超低延迟。更重要的是，V3.1 支持 Agent 任务和结构化工具使用，而 R1（原生）并不支持。
为什么 DeepSeek 在命名中跳过了“R2”？
因为 V3.1 不仅仅是一个新的推理模型——它是一种新的混合范式。这一命名表明 DeepSeek 专注于 Agent 时代的准备，而不仅仅是更好的逻辑。
如何轻松尝试 DeepSeek V3.1？
您可以通过 Novita AI 在其免费 playground 中立即测试 DeepSeek V3.1。Novita 提供：
✅ 全面支持 DeepSeek V3.1、R1 和 Turbo 模型
💸 H100 从 **$0.90/小时 **，H200 从 $1.63/小时（竞价定价）
Novita AI 是一个一体化云平台，助力您的 AI 抱负。集成 API、无服务器、GPU 实例——您所需的经济高效工具。消除基础设施负担，免费起步，让您的 AI 愿景成为现实。
推荐阅读
Qwen 3 在 RAG 流水线中的应用：一体化 LLM、嵌入与重排序模型
