2025年8月19日，DeepSeek在Hugging Face平台正式开源新一代大模型DeepSeek-V3.1，并于8月21日面向全球开发者发布完整版本。官方将其定位为“迈向Agent（智能体）时代的第一步”，通过Post-Training优化显著提升了工具使用与智能体任务能力，同时宣布API价格调整及国产芯片深度适配方案，引发行业震动。
01 技术升级：更强记忆、更优架构、更稳工具调用
更强大的记忆能力：相比V3版本64K的上下文窗口，新一代模型将处理能力提升至128K，可处理相当于30万汉字的长文本，为长文档分析、复杂代码生成和深度多轮对话提供了巨大支持。这一升级使得模型在工具调用、函数执行及复杂推理任务中的表现提升约40%，特别是在数学证明、编程协作与多模态任务规划方面展现出色能力。
架构设计升级，有助于智能体调试和优化：DeepSeek-V3.1实现了从单一推理模式向双模式架构的升级。原来的架构相对单一，更多是基于传统的Transformer架构进行优化，主要侧重于文本生成和基础问答等功能，对于智能体所需的复杂任务处理、多步骤推理以及工具协同等方面的支持较为有限。而此次升级后的API体系同步升级为双模式架构，将能够更好地满足不同场景的需求：DeepSeek-Chat（非思考模式）：延续了原版本的快速响应特性，适用于即时响应场景，如客服对话、简单信息查询等，能快速给出简洁准确的答案；而新增的DeepSeek-Reasoner（思考模式）支持完整思维链推导，在面对复杂的逻辑推理、问题拆解、方案设计等任务时，会像人类一样逐步分析问题，展现出清晰的思考过程。这不仅提高了复杂问题解答的准确性和透明度，更让开发者能够调试和优化智能体的决策逻辑，这对于构建高可信度的应用至关重要。
更强大的工具调用能力，使智能体更可靠地与企业内部交互：原来的模式较为简单，主要是单一的交互模式，在工具调用时缺乏严格的格式约束和多样化的适配能力，容易出现输出格式混乱、与其他系统对接不畅等问题。而此次DeepSeek-V3.1在原有标准Function Calling基础上，新增了strict模式的支持。同时，模型兼容Anthropic API格式，可无缝接入Claude Code开发生态，在此模式下，模型能严格保证输出格式完全符合开发者预定义的参数 schema，极大消除了格式错误或参数缺失等常见问题，使得智能体能够可靠地与企业内部API、数据库等进行交互，为生产环境的稳定部署奠定了基础。
（DeepSeek-V3.1与GPT-5等模型实测画面对比）
02 UE8M0 FP8格式：哪些企业会受益？
根据DeepSeek官方信息，DeepSeek-V3.1使用了一种名为UE8M0 FP8 Scale的参数精度格式。DeepSeek官微在置顶留言里表示，UE8M0 FP8是针对即将发布的下一代国产芯片设计。
什么是“UE8M0 FP8”？
这一概念，可以拆分成前后两个部分来解释：
第一，前面的部分UE8M0，是MXFP8路径里的“缩放因子”。MXFP8是Open Compute Project在2023年发布的《Microscaling (MX) Formats Specification v1.0》里定义的8 bit微缩块格式。
第二，后面的部分FP8，是Float8的简称，即用8位二进制数表示浮点数，主要用于深度学习的训练和推理。相比传统的FP32（32位浮点数）或FP16（16位浮点数），FP8显著降低了显存占用和计算资源需求，同时通过优化设计（如动态范围调整）维持了较高的精度。这种设计能够减少芯片计算单元的冗余，提高计算效率，同时降低显存占用（相比 FP16降低50%-75%），从而支持更大的批次（batch size）或更长的上下文长度。FP8对国产芯片的使用效率提升显著，将进一步缩小与NV芯片的效率/成本差距，大大增加国产芯片的可用性。
哪些企业会受益？
受益比较显著的莫过于国产AI芯片厂商，如寒武纪、华为昇腾、海光、沐曦，中昊芯英等，从长期来看，这些厂商借助DeepSeek-V3.1的深度优化，得以提升国际竞争力，扩大应用生态。从短期来看，市场反应相当明显：国产芯片企业股价明显上涨，截止22日下午3点，寒武纪股价已大涨20%，总市值跃居科创板头名。
另一方面，这一技术进展也为部分企业带来挑战：
第一类是国际闭源模型厂商（如OpenAI、Anthropic），这些厂商将面临更大幅度的开源竞争压力，DeepSeek-V3.1在模型效能与成本方面的优势可能迫使闭源厂商调整API定价或开放更多技术细节。
第二类是其他开源模型提供商（如Meta、Mistral AI），DeepSeek在模型优化与量化方面设立更高基准，技术竞争壁垒提高，其他开源模型提供商需持续跟进优化版本以维持生态吸引力。
DeepSeek-V3.1与国产算力的协同发展，不仅强化了国内AI产业在全栈自研方面的能力，也在全球范围内树立了开源大模型高效部署的新标杆。这一融合推动国产硬件与模型生态共同进步，为行业带来更丰富、可持续的选择。
DeepSeek的这一举措，不但优化了算力资源分配，更推动国产芯片生态向全栈自研迈出重要一步。在当前国际科技竞争日益激烈的背景下，国产大模型与国产芯片的深度融合，将有助于提升我国在人工智能领域的自主可控能力，减少对国外芯片和技术的依赖，为我国人工智能产业的长期健康发展提供有力支撑。同时，这也为国产芯片的应用开辟了更广阔的空间，促进国产芯片技术的不断迭代和进步，形成大模型与芯片产业相互促进、协同发展的良好局面。
03 开源VS闭源：重塑竞争格局
在Anthropic等公司仍坚持闭源商业化路径的背景下，大模型开源生态的竞争格局因巨头的新动作而日趋复杂。尽管OpenAI推出了开源模型GPT-OSS-120B/20B，但其开源策略与DeepSeek等公司的全面开源存在显著差异：OpenAI并未开放其训练代码与核心数据，其开源行为更倾向于一种生态布局；而DeepSeek则持续践行深度开源理念。
DeepSeek-V3.1采用Apache 2.0许可证，允许免费商用及修改，显著降低了企业部署和研发的门槛。这种彻底的开放策略，与OpenAI的“有限开源”和API闭源商业模式形成了鲜明对比，为开发者提供了更高自由度的选择，并持续推动闭源厂商面临更大的竞争压力。随着DeepSeek-V3.1的开源，更多中小企业和开发者能够以较低成本接入先进的大模型技术，加速相关应用的开发和落地，这将进一步打破闭源模式下少数巨头对大模型技术的垄断，促进整个行业的创新和发展。
DeepSeek-V3.1的全面开源，尤其让以下几类公司显著受益：
第一类是应用层和智能体开发公司：所有基于大模型构建应用（如AI编程助手、法律AI、财务AI、营销自动化工具、AI客服）的初创公司和开发者都是受益者。他们的模型成本大幅下降，利润空间增加，或者可以将节省的成本让利给用户，加速市场扩张。例如国内的字节跳动（豆包）、阿里巴巴（通义千问应用）、昆仑万维等，虽然它们有自己的模型，但也可以利用DeepSeek-V3.1来补充生态或降低成本。
第二类是云计算和硬件厂商：开源模型的繁荣意味着对GPU算力的需求持续增长。英伟达（NVIDIA）等硬件厂商将持续受益于训练、微调及推理部署带来的算力需求。同时，云计算平台（如AWS, Azure, Google Cloud, 阿里云, 华为云等）可提供“一键部署DeepSeek-V3.1”的解决方案，并配套售卖GPU算力实例和存储服务，从而推动云业务增长。
第三类是拥有数据和应用场景的传统企业：制造业、金融业、教育业等传统行业公司能够以更低成本、更安全地利用DeepSeek-V3.1开发内部AI智能体，提升生产效率，实现数字化转型。
当然，开源模式的兴起也带来更为复杂的竞争态势。其他开源模型厂商，如Meta（Llama系列）、Mistral AI、零一万物（Yi系列）、百川智能等，既面临DeepSeek-V3.1带来的性能基准提升的压力，也因整个生态的繁荣而获得更多发展机遇。多模型共存已成为常态，不同模型仍可在特定场景中发挥其优势。
从开发者生态来看，开源模式更能激发全球开发者的参与热情。开发者可以自由查DeepSeek-V3.1的源代码，深入理解模型的运行机制，从而根据自身需求进行个性化定制和优化。这种开放协作的模式，能够汇聚全球智慧，快速发现并修复模型存在的问题，不断提升模型的性能和稳定性。而闭源模式下，开发者只能通过API接口调用模型，无法触及核心技术，在一定程度上限制了创新的可能性。
对于企业而言，选择开源还是闭源大模型需要权衡多方面因素。闭源大模型通常由专业团队维护，在安全性、稳定性和服务支持方面可能更有保障，适合对技术可靠性要求极高且预算充足的大型企业。而开源大模型DeepSeek-V3.1，虽然在服务支持上可能不如闭源模型完善，但能为企业节省大量的授权费用，同时赋予企业更大的自主权，使其能够根据业务场景深度定制模型，尤其适合那些注重技术自主可控和成本控制的中小企业。
开源与闭源的竞争，将推动整个大模型行业向更健康、更多元的方向发展。闭源厂商为了应对开源模式的冲击，可能会在技术创新、服务质量和价格策略上做出调整，以保持自身的竞争力。而开源生态则会在开发者的共同推动下不断壮大，形成丰富的应用场景和解决方案。这种良性竞争，将促使大模型技术更快地走向成熟，更好地服务于各行各业。
本文来自微信公众号“第一新声”，作者：贾玥，36氪经授权发布。
