DeepSeek 再度迎来版本更新，只是此次登场的并非业界翘首以盼的 R2 模型 —— 其线上模型已迭代至 V3.1。《BUG》栏目实测发现，升级后的模型在上下文长度与交互友好度上有显著提升，编程能力尤其受开发者推崇。有技术人员分析，“DeepSeek 或已将 V3 与 R1 模型合并，这一调整有望降低部署成本”。对此，DeepSeek 方面仅回应称 “一切以官方公布为准”。
巧合的是，今日恰逢 R1 模型正式发布满 7 个月。在此期间，OpenAI、Google、阿里巴巴、月之暗面、智谱等国内外厂商密集发布新模型，而 R1 始终是它们对标测试的重要参照物。作为 R1 的续作，R2 的动态一直牵动着行业神经 —— 大厂需要新的技术锚点，市场也在期待创始人梁文锋带来新的突破。
实测：上下文扩容至 128K，性价比再升级
目前，DeepSeek 网页端及最新版 App 已支持 128K 长度的上下文输入。深度体验后的开发者反馈，此次更新后模型处理长文本的稳定性更强，推理能力也有明显进步。对比来看，V3.1（参数量 685B）与此前的 V3（671B）在模型尺寸上差异不大，但交互体验优化显著：回答信息收集环节更多采用表格汇总，表述更贴近人类自然语气，友好度大幅提升。
值得注意的是，DeepSeek App 与官网的输入框中，原 “深度思考（R1）” 按钮已简化为 “深度思考”。这意味着开启该模式后，调用的可能不再局限于 R1，或为 V3 与 R1 合并后的新模型。有开发者测试后指出，这种合并部署显著提升了算力效率：“此前 V3 与 R1 需各用 60 张卡分开部署，现在单模型即可覆盖，成本直降 50%；若仍用 120 张卡部署 V3.1，因缓存扩容，性能预估可提升 3-4 倍。”
目前，Hugging Face 开源社区已上线 DeepSeek-V3.1-Base 版本，官方仅标注其尺寸为 685B，支持 BF16、F8_E4M3、F32 数据类型，未披露更多细节。
国内厂商盼新 “参照物”，R2 仍需等待
尽管 V3.1 在体验与经济性上带来惊喜，但业界更关注的 R2 模型并未现身。今年 1 月 R1 发布后，DeepSeek 迅速引爆市场：当月网页及 App 用户增量达 1.25 亿（含网站与应用累加），80% 以上集中在 1 月最后一周；1 月 28 日其日活用户（DAU）首次超越豆包，成为全球增速最快的 AI 应用之一。而其开源策略更推动行业快速跟进，腾讯元宝、百度、360 等多款产品均借鉴或集成了 DeepSeek 满血版能力。此后，各大厂商的模型发布几乎都以 R1 为对标基准：阿里巴巴 Qwen 保持 “每月一大更、两周一小更” 节奏，上月发布的 Qwen3-235B-A22B 声称比肩 Gemini-2.5 pro 等顶尖模型，且超越 R1；月之暗面 7 月发布的 Kimi K2、智谱最新旗舰 GLM-4.5 也先后宣布性能超 R1，API 调用价低至 0.8 元 / 百万 tokens，经济性优势显著。
梁文锋的 “极客逻辑”：不追商业化，专注 AGI 上限
联想创投集团高级合伙人宋春雨与梁文锋私交甚笃，他近期向《BUG》栏目感慨：“他（梁文锋）对商业化、用户留存似乎兴趣不大。” 在宋春雨看来，这位技术极客的核心使命是探索 AGI 的边界 ——“他想搞清楚硅基智能的上限在哪里，专注打磨基础模型，确保每一代都保持领先。”这种专注反而让市场期待持续升温。业内人士认为，当前 AI 大模型的能力上限已足够强劲，“关键是稳定输出，别让下限太低”。反观 OpenAI 的 GPT-5，因数据、算力限制延迟发布后口碑不及预期，也印证了 “上限难突破，下限需夯实” 的行业现状。因此，在经济性、可用性上的创新，正成为衡量大模型实力的新标尺。
有分析指出，V3.1 的合并部署或为多模态模型铺路：“多模态场景下，推理与非推理任务分开部署负担太重，合并架构可降低后续发布门槛。” 这意味着 DeepSeek 多模态模型的发布可能已近在眼前。
国内 AI 大模型市场虽热闹依旧，但 DeepSeek 与梁文锋的 “爆炸性新闻” 已沉寂许久。不过市场的期待正在持续积蓄，下一次突破或许已在酝酿之中。