DeepSeek V3.1 终极版拆解：“人类最后测试”表现提升36.5%，或为 V4/R2 模型序曲

在非Agent（Thinking）模式下， DeepSeek-V3.1-Terminus在MMLU-Pro（广泛学科知识）、GPQA-Diamond（顶尖专业科学难题）等方面表现较旧版本更优。其中在Humanity‘s Last Exam（人类最后测试）中表现提升高达36.5%，目前已超越Gemini 2.5 Pro模型来到全球排行榜第三位，该测试主要考察模型在多种极端困难任务上的整体表现。

而在Agent测评中，DeepSeek-V3.1-Terminus的网页浏览、编程能力和问答表现均得到小幅提升。

实测：被吐槽的两大bug修复，终于不再“迷糊”今年8月，在DeepSeek-V3.1发布后，有不少用户反馈新模型有两个严重Bug值得关注。其一是模型会出现语言不一致问题，输出的回答经常中、英、法等语言混用，令用户费解。另一方面在于用API调用模型时，会不受控地随机输出“极”、“extreme”字样，影响代码正常运行。

有开发者在开源社区吐槽，“调试时满屏都是‘极’字，仿佛在玩文字游戏。”

针对第一个问题，有网友在让DeepSeek-V3.1帮忙分析红楼梦的文学价值时，输出的答案会突然插一句“这个metaphor运用得极其精妙”，让用户哭笑不得。

搜狐科技在新模型DeepSeek-V3.1-Terminus测试发现，语言混杂的问题得到了缓解，并且语意表述较之前更为通顺。

另有网友提到，此前翻译小语种时DeepSeek-V3.1出现多国语言混杂问题更加严重。搜狐科技也对此进行了测试，把一长段西班牙语喂给DeepSeek-V3.1-Terminus，并要求用7国语言进行转译，未发现语言混杂问题出现。

我们也对之前网传“极你太美”的Bug进行了测试：

之前会在输出代码中出现“time.Se极”等异常字符，尤其是在用Go和Python语言编写时出现概率很高。但在新模型上经多次测试，均未再出现类似异常。

DeepSeek-V3.1系列，已走到终点？

自V3.1版本模型发布以来，DeepSeek官方将其称为“迈向 Agent 时代的第一步”，并持续深入在 AI Agent 领域的布局。如今强调DeepSeek-V3.1-Terminus在Agent能力上的优化，进一步证实了这一战略重心。

据多方消息爆料，DeepSeek 目前正紧锣密鼓开发具备更强大 AI Agent 能力的全新模型，计划于 2025 年第四季度重磅推出。

此次对于“Terminus（终点）”的模型命名，一度引发网友猜测。有业内人士表示，“虽然DeepSeek并未官宣这是V3系列的最后一次更新，但其名称确实表明了这一点。预计下一版本的发布会是一个全新的架构，并会在Agent方面展示更多惊喜。”

另有开发者也表达了相似观点，“这极有可能代表V3.1的技术架构，到这里已经打磨的差不多了，DeepSeek-V3.1-Terminus就是这个系列的收官之作，恰好也是下一代模型的起点。”

海内外社交平台已经频现网友催更：DeepSeek-V4/DeepSeek-R2，是不是就要来了？