DeepSeek R1–0528（2025 年 5 月）
- 過渡更新，提升品質與可用性
- 基準測試改進：增強效能指標
- 前端升級：改善使用者互動體驗
- 減少幻覺：更好的事實一致性
- 全新 API 功能：支援 JSON 輸出與函數呼叫
DeepSeek V3.1（2025 年 8 月）
- 邁向代理時代的第一步
- 混合推論：單一模型支援雙重模式（思考與非思考）
- 更快的思考：V3.1-Think 比 R1–0528 更快得出結果
- 增強代理技能：訓練後改進工具使用與多步驟任務
- 上下文支援：所有模式皆維持 128K token 上下文
DeepSeek V3.1 與 DeepSeek R1 架構比較
DeepSeek V3.1 與 DeepSeek R1 基準測試
通用基準測試
搜尋代理基準測試
程式碼基準測試
程式碼代理基準測試
數學基準測試
V3.1-Thinking 在通用、程式碼、數學與搜尋任務上表現優於或持平 R1-0528。
V3.1-Non-Thinking 在程式碼代理基準測試中領先，而 R1-0528 僅在長篇人文推理上略有優勢。
DeepSeek V3.1 與 DeepSeek R1 速度比較
| 指標 | DeepSeek V3.1（非思考模式） | DeepSeek R1–0528 | DeepSeek V3.1（推理模式） |
|---|---|---|---|
| 輸出速度 (tokens/s，越高越好) | 20 | 20 | 20 |
| 延遲 – 第一個回答 Token 的時間 (s) | 2.9 | 102.3 | 103.9 |
| 端到端回應時間（500 tokens） (s，越低越好) | 28.1（25.2 輸入 + 2.9 輸出） | 127.1（99.4 輸入 + 24.9 輸出 + 2.8 估計思考時間） | 129.2（101 輸入 + 25.2 輸出 + 3.0 估計思考時間） |
V3.1 混合思考模式的價值在於靈活性：
- 非思考模式： 最低延遲（僅需 2.9 秒即可產出第一個 Token，完整 500 Token 回應僅需 28.1 秒）。最適合延遲敏感的應用，例如聊天或互動 API。
- 推理模式： 效能與 R1–0528 相當，維持強大的鏈式思考準確性。最適合複雜推理任務。
- 整體最佳化： 改進之處不在於原始輸出速度，而在於能夠繞過長時間的「思考延遲」。這使得 V3.1 能根據任務需求，在 ** 快速互動 ** 與 ** 深度推理** 之間取得平衡。
DeepSeek V3.1 與 DeepSeek R1 系統需求
| **模型 ** | **#總參數 ** | **#啟用參數 ** | ** 上下文長度** |
|---|---|---|---|
| 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 模型需要約 1–1.5 TB 的 GPU RAM 以全精度運行。
為了充分利用 V3.1 的 FP8 最佳化，建議使用支援 FP8 的 GPU（NVIDIA H100、H200、Blackwell 系列）。
您可以使用 Novita AI 的即時計費，以低至 每小時 $1.63 美元 ** 取得 H200 SXM，或僅 ** 每小時 $0.90 美元 取得 H100 SXM](https://novita.ai/gpus-console/explore)。
DeepSeek V3.1 與 DeepSeek R1 應用場景
| **任務類型 ** | ** 建議模型 ** | ** 建議模式** |
|---|---|---|
| API 工具呼叫 | DeepSeek V3.1 | 非思考模式 |
| 多輪代理執行 | DeepSeek V3.1 | 非思考模式 |
| 數學 / 邏輯 / 程式推理 | DeepSeek V3.1 或 R1 | 思考模式 |
| 快速使用者互動 | DeepSeek V3.1 | 非思考模式 |
| 長文件閱讀與摘要 | DeepSeek V3.1 | 思考模式（128K 上下文） |
總結來說，R1 是先進的推理引擎，最適合強調邏輯與計算的任務；而 V3.1 則是更具通用性、具備代理能力的模型，可同時服務一般聊天與複雜的工具型應用。
如何透過便宜且穩定的 API 存取 DeepSeek V3.1 與 R1？
Novita AI 整合了多種 DeepSeek 模型，包括 V3.1、R1 0528、V3 Turbo、R1 Turbo，以及數個輕量蒸餾版本如 Qwen 14B/32B 和 LLaMA 70B——涵蓋從長上下文推理到成本效益推論的各項需求。
讓 Novita 與眾不同的是其 內部最佳化的 DeepSeek R1 Turbo，擁有高達 3 倍的吞吐量提升 ** 與 ** 限時 60% 折扣，使其成為追求效能與經濟實惠的開發者理想選擇。
| 指標 | DeepSeek V3.1 價格 |
|---|---|
| 輸入價格 | $0.55 |
| 輸出價格 | $1.66 |
| 延遲 | 3.00 秒 |
| 吞吐量 | 48.28 tps |
| 正常運行時間 | 🟩🟩🟩 |
步驟 1：登入並存取模型庫
登入您的帳戶，然後點擊 模型庫 按鈕。
步驟 2：選擇您的模型
瀏覽可用選項，選擇符合您需求的模型。
步驟 3：開始免費試用
開始免費試用，探索所選模型的功能。
步驟 4：取得您的 API 金鑰
為了透過 API 進行驗證，我們將提供您新的 API 金鑰。進入「設定」頁面，您即可依照圖片指示複製 API 金鑰。
步驟 5：安裝 API
使用您程式語言的套件管理器安裝 API。
安裝完成後，將必要的函式庫匯入您的開發環境。使用您的 API 金鑰初始化 API，開始與 Novita AI LLM 互動。以下是給 Python 使用者的聊天補全 API 範例。
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 # or False
max_tokens = 1000
response_format = { "type": "text" }
chat_completion_res = client.chat.completions.create(
model=model,
messages=[
{
"role": "user",
"content": "Hi there!",
}
],
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 **推理的基準 ——它開創了基於 RL 的訓練後方法，並在數學與邏輯任務上與 GPT-4o 匹敵。但它 ** 速度慢 、 僵化，且並非為代理而建。
而 DeepSeek V3.1 則是為 真實世界的部署時代 設計：
- 🔁 在推理與速度之間切換。
- 🛠️ 原生呼叫 API、代理與工具。
- 🚀 推論更快、花費更少、整合更智慧。
DeepSeek 並未將其命名為 R2，而是選擇用 V3.1 來 **標示新方向 ：它 ** 不僅更聰明——而且更實用。
對於開發者、研究人員與企業而言，V3.1 是實用、靈活且可投入生產的替代方案，而 R1 則仍是學術基準。
常見問題
V3.1 只是 R1 的更快版本嗎？
不完全是。雖然 V3.1-Think 在推理品質上與 R1 相當，但其非思考模式提供超低延遲。更重要的是，V3.1 支援代理任務與結構化工具使用，這是 R1 原生不支援的。
為什麼 DeepSeek 在命名上跳過了「R2」？
因為 V3.1 不僅僅是新的推理模型——它是一種全新的混合範式。命名表明 DeepSeek 專注於代理時代的準備，而不只是更好的邏輯。
我如何輕鬆試用 DeepSeek V3.1？
您可以使用 Novita AI 在他們的免費遊樂場中立即測試 DeepSeek V3.1。Novita 提供：
✅ 完整支援 DeepSeek V3.1、R1 與 Turbo 模型
💸 H100 每小時 **$0.90 美元 **，H200 每小時 $1.63 美元（即時計價）
Novita AI 是一站式雲端平台，助力您的 AI 抱負。整合 API、無伺服器、GPU 實例——您所需的成本效益工具。消除基礎設施負擔，免費開始，讓您的 AI 願景成真。
推薦閱讀
Qwen 3 在 RAG 管線中的應用：一站式 LLM、Embedding 與重排序模型
