deepseek-v3-1-terminus

DeepSeek-V3.1-Terminus‌ 是深度求索（DeepSeek）于 ‌2025年9月22日‌ 发布的 DeepSeek-V3.1 系列的最终优化版本，其命名“Terminus”（拉丁语意为“终点”）暗示该版本为 V3.1 架构的成熟收官之作 ‌ 。 

核心功能与改进 ‌语言一致性优化‌ 显著减少中英文混杂输出及异常字符（如“极”“extreme”等随机插入）问题，提升多语言处理稳定性 ‌。  ‌

增强智能体（Agent）能力‌ ‌Code Agent‌：代码生成与执行更可靠，在编程竞赛和实际开发任务中表现更稳定。 ‌

Search Agent‌：信息检索与交叉验证能力提升，能更准确整合多源信息并给出高可信度回答 ‌ 。 ‌

双模式推理支持‌ ‌非思考模式（deepseek-chat）‌：默认输出长度 4K，最高 8K，适合快速响应任务。 ‌

思考模式（deepseek-reasoner）‌：默认输出长度 32K，最高 64K，适用于复杂推理与长文本生成 ‌ 。 ‌

高性价比与高效推理‌ 输入成本：缓存命中 0.5 元 / 百万 tokens，未命中 4 元 / 百万 tokens。 输出成本：12 元 / 百万 tokens ‌ 。 

支持 128K 长上下文，推理延迟低，吞吐量高 ‌ 。 ‌

多模态能力扩展（部分资料提及）‌ 虽主要为语言模型，但有资料称其在 V3.1 基础上重构了多模态交互架构，支持文本、图像、视频的统一语义表示，在跨模态检索和视频理解任务中表现优异 ‌ 。不过此点在多数权威资料中未强调，可能属于特定实验版本或未来方向。 ‌开源与生态支持‌ 模型已开源，可在 Hugging Face 和 ModelScope 获取 ‌ 。 提供 API 接口，支持 Python、cURL、Node.js 等多种接入方式 ‌ 。 

DeepSeek更新至V3.1 Terminus版本:两大升级 头像 快科技 刚刚,DeepSeek发了“终极版”! 头

像 智东西 技术亮点（来自深度分析） ‌混合专家架构（DeepSeekMoE）‌：总参数 6850 亿，但每个 token 仅激活约 370 亿，实现高效率与低成本平衡 ‌ 。

 ‌多头潜注意力（MLA）‌：缓存体积减少 80% 以上，长序列推理效率显著提升 ‌ 。 ‌多令牌预测（MTP）‌：提升训练效率 1.8 倍，推理吞吐量提升近 2 倍 ‌。 ‌

量化支持‌：提供 w8a8 量化版本（如 QuaRot），在保持功能调用能力的同时降低部署成本 ‌ 。 

⚠️ 注意：当前主流平台（如官方 App、网页端、API）均已默认使用 ‌DeepSeek-V3.1-Terminus‌ 版本，无需手动切换 ‌。数字先锋API已集成该模型。