DeepSeek V3.1：开源模型如何在性能上逼近闭源前沿
2025年对 DeepSeek 来说是爆发之年。1月20日，DeepSeek-R1 发布，以约 560 万美元的训练成本做出媲美 OpenAI o1 推理能力的开源模型，震惊全球并触发美股 AI 芯片板块暴跌。8月，DeepSeek-V3.1 更进一步，将 V3 的对话能力和 R1 的推理能力融合到一个混合模型中，在多个基准上逼近甚至超越了 GPT-4o。
从 R1 到 V3.1：DeepSeek 的进化逻辑
DeepSeek 的 2025 年故事从一场”地震”开始。
2025年1月20日，距离中国农历新年仅一周，DeepSeek 发布了开源推理模型 R1。这个模型在数学推理和代码生成等任务上的表现与 OpenAI o1 不相上下，训练成本却仅约 560 万美元——远低于 OpenAI 的估算训练成本（o1 的训练被估算为数亿美元级别）。
更令人震撼的是 R1 的发布方式：完整的技术报告（详细到数据处理管线和超参数选择）、MIT 许可证开源权重、以及允许商用和衍生。这种”全裸开源”的做法在 AI 行业极为罕见——大多数公司即使”开源”，也只会选择性披露部分信息。
8月发布的 V3.1 是 R1 的自然演进。V3 是一个强大的对话和生成模型，R1 是一个强大的推理模型——V3.1 把两者的能力融合在了一起：同一个模型既能流畅对话，又能深度推理，无需在两个模型之间切换。
V3.1 的技术创新
混合推理架构
V3.1 最核心的创新在于它的”混合推理”架构。与 GPT-5 将深度推理内置到所有输出中不同，V3.1 能够动态判断是否需要深度推理。
对于简单问题（“今天天气怎么样”），V3.1 走快速通道，响应延迟接近 V3。对于复杂问题（“证明这个数学定理”），V3.1 自动激活推理模式，调用更多的计算资源来做链式推理。
这个设计带来的直接好处是性价比——用户不需要为简单问题支付”深度推理”的成本。在 API 定价上，V3.1 的推理模式比 GPT-5 便宜约 80%，这对国内开发者来说是一个巨大的吸引力。
MoE（混合专家）架构的精进
V3.1 延续并优化了 MoE 架构。在 MoE 模型中，每次推理只激活部分参数（“专家”），而不是全部参数。这大大降低了推理成本。
V3.1 的 MoE 设计有一个独特之处：它的专家路由（决定哪个专家处理哪个 token）是基于语义相似度而非简单的负载均衡。这意味着相似的问题会被路由到擅长该领域的专家，从而提升生成质量。这是 DeepSeek 团队在 R1 训练过程中发现的一个”意外之喜”。
中文理解的天然优势
作为一个由中国团队训练、使用大量中文语料的模型，V3.1 在中文理解和生成上有着天然的优势。在中文 NLP 基准测试（如 C-Eval、CMMLU）上，V3.1 的表现与 GPT-5 持平甚至略优，在古文理解、中文幽默、网络用语理解等方面更是明显领先。
这对国内用户来说是一个实质性的加分项。用 GPT-5 写中文文章，有时会感受到”翻译腔”；用 V3.1 则更贴近母语表达的流畅感。
资源受限下的技术突围
DeepSeek 的故事最引人注目的不是它有多强，而是它在资源严重受限的情况下做到了多强。
由于美国出口管制，DeepSeek 无法获得最先进的 NVIDIA H100/B200 芯片。据报道，DeepSeek 的训练集群主要由较老款的 H800 组成（在中国大陆仍可购买，但性能被阉割）。据估算，DeepSeek 的训练算力仅为 OpenAI 的 1/10 到 1/5。
在这种约束下做出接近前沿水平的模型，靠的是极致的工程优化：
- 更高效的训练策略（更聪明的数据编排、更优的超参数搜索）
- 对 MoE 架构的深度理解（比别人更会用 MoE 来节省算力）
- 对中文场景的聚焦（不做”全能”模型，而是在优势场景做深）
这种”用更少做更好”的工程哲学，某种程度上比简单的”堆算力”更具有技术参考价值。对于绝大多数没有无限 GPU 预算的团队来说，DeepSeek 的方法论比 OpenAI 的更具可复制性。
DeepSeek 的局限
当然，V3.1 与 GPT-5 和 Gemini 3 Pro 之间仍存在差距。最明显的是多模态能力——V3.1 本质上是纯文本模型，视觉理解依赖于额外的 Vision Encoder，而非原生多模态。
其次是Agent 能力。V3.1 的工具使用能力不如 GPT-5 的”原生 Agent”那样无缝，更多地依赖外部的工具调用框架。
第三是生态。OpenAI 有 ChatGPT 这个月活 3 亿+ 的超级应用，有 Assistants API，有 GPT Store。DeepSeek 虽然也有自己的 Chat 应用，但在全球范围内的用户基数和生态建设上差距明显。
结语
DeepSeek 的 2025 年证明了三件事：第一，中国团队可以在 AI 前沿竞争中占据一席之地；第二，开源模型正在以超出预期的速度缩小与闭源模型的差距；第三，“资源受限”可以是技术创新的催化剂而非阻碍。
2026年，DeepSeek 的 V4 版本预计将在春节前后发布。届时，开源与闭源之间的差距会进一步缩小吗？这可能是 2026 年 AI 行业最值得关注的悬念之一。
参考来源：