大家好，我是专注 ai 学习的老章
昨天大模型圈异常热闹，其实近期新版本层出不穷，尤其是 Qwen 系列，我也抽空做了一些测试，只是时间有限没来得及出文分享
D
eepSeek-V3.1-Terminus
eepSeek-V3.1-Terminus这是对 V3.1 的一次小幅迭代更新，主要修复了此前曝光的“极”字漏洞以及多语言混合输入的问题
| 基准 | DeepSeek-V3.1 | DeepSeek-V3.1-Terminus |
|---|---|---|
| 无工具使用推理模式 | ||
| MMLU-Pro | 84.8 | 85.0 |
| GPQA-Diamond | 80.1 | 80.7 |
| huanity's last test | 15.9 | 21.7 |
| LiveCodeBench | 74.8 | 74.9 |
| Codeforces | 2091 | 2046 |
| Aider-Polyglot | 76.3 | 76.1 |
| 代理工具使用 | ||
| BrowseComp | 30.0 | 38.5 |
| BrowseComp-zh | 49.2 | 45.0 |
| SimpleQA | 93.4 | 96.8 |
| SWE Verified | 66.0 | 68.4 |
| SWE-bench 多语言 | 54.5 | 57.8 |
| Terminal-bench | 31.3 | 36.7 |
Terminius 最亮眼的提升在于 Agent 能力，在 Code Agent 和 Search Agent 场景下的表现均有增强。
不过细心的朋友可能已经注意到，升级后的模型在 Codeforces 和 Aider-Polyglot 两个编程竞技类评测中分数反而略有下滑。但整体影响不大，关键是“极”bug 已被修复，实际使用体验更加稳定可靠。
目前访问 https://chat.deepseek.com/ 使用的就是最新的 Terminius 版本
该模型也已开放开源：https://modelscope.cn/models/deepseek-ai/DeepSeek-V3.1-Terminus
模型大小高达 689 GB！整整 689 GB！
这个体积实在太大，本地部署对我来说基本不可能。我倒是准备了一台拥有 500GB 内存的高性能机器，打算用 llama.cpp 尝试纯内存运行量化版模型。
不过还得等 unsloth 发布 Terminius 的量化版本才行，我还是挺期待的。之前 unsloth 对 V3.1 做的量化效果惊人：
1 位 Dynamic 量化将 DeepSeek-V3.1 从 671GB 压缩到仅 192GB（减少超 75%），在无思考模式下性能甚至超过 GPT-4.1（2025 年 4 月版）、GPT-4.5 和 DeepSeek-V3-0324。3 位 Unsloth DeepSeek-V3.1（思考模式）GGUF 版本，性能还能超越 Claude-4-Opus（思考模式）。最后，V4 会不会在国庆节发布？按照以往规律，每逢重大节日，DeepSeek 总会推出新模型。
