DeepSeek-V3.1 发布,deepseek-chat 与 deepseek-reasoner 均已升级
DeepSeek 官方更新日志宣布,deepseek-chat 与 deepseek-reasoner 均已升级为 DeepSeek-V3.1,分别对应非思考模式与思考模式。
推荐理由:原文给出混合推理架构、思考效率与 Agent 能力变化及三项基准分数,读者可据此判断新模型与现有工作流的适配度。
DeepSeek(深度求索)的模型发布、开源权重与技术报告——开源大模型价格与性能双卷的风向标。
DeepSeek 官方更新日志宣布,deepseek-chat 与 deepseek-reasoner 均已升级为 DeepSeek-V3.1,分别对应非思考模式与思考模式。
推荐理由:原文给出混合推理架构、思考效率与 Agent 能力变化及三项基准分数,读者可据此判断新模型与现有工作流的适配度。
DeepSeek 将 deepseek-reasoner 模型升级为 DeepSeek-R1-0528,推理能力增强且基准测试显著提升。
推荐理由:原文列出 DeepSeek-R1-0528 在 AIME 2025、GPQA 等基准的分数变化,读者可直接对比新旧版本推理能力的提升幅度。
DeepSeek 将 deepseek-chat 模型升级为 DeepSeek-V3-0324,推理能力增强,AIME 从 39.6 升至 59.4,LiveCodeBench 从 39.2 升至 49.2。同时优化了 Web 前端代码生成、与 R1 对齐的中文写作风格,以及多轮改写、翻译、中文搜索、报告分析和 Function Calling 能力。
推荐理由:原文逐项列出 DeepSeek-V3-0324 相比上一版在推理、编码、中文写作等方向的变化,并给出 MMLU-Pro、AIME 等基准的具体分数提升,便于直接比较升级幅度。
DeepSeek 在更新日志中宣布新模型 DeepSeek-R1,可通过指定 model=deepseek-reasoner 调用。详细更新参考 DeepSeek-R1 正式发布,调用指南参考推理模型文档。
推荐理由:原文给出了 DeepSeek-R1 的 API 调用名,读者可据此在接口中指定使用该推理模型。
DeepSeek 将 deepseek-chat 模型升级为 DeepSeek-V3,接口保持不变,仍可通过指定 model=deepseek-chat 调用。详细更新可参考 DeepSeek-V3 正式发布。
推荐理由:官方更新日志说明 deepseek-chat 已升级为 DeepSeek-V3 且接口保持不变,现有调用代码无需改动即可继续使用。
DeepSeek 将 DeepSeek V2 Chat 与 DeepSeek Coder V2 合并升级为 DeepSeek V2.5,API 用户通过 deepseek-coder 或 deepseek-chat 均可访问新模型。
推荐理由:原文给出新旧模型在 ArenaHard、AlpacaEval 2.0 等基准上的分数对比,读者可据此判断这次合并升级的能力提升幅度。
DeepSeek API 上线硬盘缓存技术,调用价格再降一个数量级。更新详情见官方文档(2024/08/02):https://api-docs.deepseek.com/zh-cn/updates/#api-上线硬盘缓存技术
推荐理由:材料说明 DeepSeek API 采用硬盘缓存后价格再降一个数量级,读者可据此评估该机制对调用成本的影响。
DeepSeek 更新 API 接口,/chat/completions 新增 JSON 输出、Function 调用、对话前缀续写(Beta)与 8K 最长输出(Beta)。同时新增 /completions 接口,支持 FIM 补全(Beta)。更新详情请跳转官方文档。
推荐理由:原文列出了 JSON 输出、Function 调用与 FIM 补全等新能力,开发者可据此评估如何接入现有工作流。
DeepSeek 将 deepseek-chat 模型升级为 DeepSeek-V2-0628,模型推理能力和角色扮演能力提升。
推荐理由:更新日志列出代码、数学、推理等基准的前后得分及对 GPT-4-0314 的胜率变化,便于读者判断 DeepSeek-V2-0628 的能力提升幅度。
DeepSeek 将 deepseek-coder 升级为 DeepSeek-Coder-V2-0614,代码生成、代码理解、代码修复和代码补全能力达到 GPT-4-Turbo-0409 水平。新模型具备卓越的数学和推理能力,通用能力与 DeepSeek-V2-0517 持平。
推荐理由:原文给出与 GPT-4-Turbo-0409 的代码能力对比,读者可据此判断该模型在编码任务中的定位。
DeepSeek 将 deepseek-chat 模型升级为 DeepSeek-V2-0517,指令跟随性能显著提升,IFEval Benchmark Prompt-Level 准确率从 63.9% 升至 77.6%。
推荐理由:原文给出 IFEval 与 JSON 解析率的升级前后对比,读者可据此判断 DeepSeek-V2-0517 在指令跟随与结构化输出上的提升幅度。