DeepSeek推DeepSeek V3.1基础型号 性能提升13%

极客们沸腾了：

1、我敢肯定，他们就是在等gpt-5发布后，然后就像：“哈哈，拿着我的啤酒。“

2、虽然这是一个基本型号，我不是搞AI研究的专家，就是个写代码、搭系统的工程师。

但我来简单说说大模型到底是咋回事。

1. 基础模型（Base Model）—— 就是个“高级自动补全”

你可以把它想象成一个超级“输入法联想”或者“下一句预测机”。它读了整个互联网上乱七八糟的东西（比如网页、论坛、书、文章等等），学到了“一句话后面通常接啥”。

比如你打：“嘿伙计们”，它可能会接着蹦出：
- “怎么样？”
- “好久没更新博客了……”
- “嘿女孩们！”、“嘿朋友们！”、“嘿敌人！”……

它不讲对错，也不讲礼貌，就是根据它“见得多”来猜接下来该说啥。这叫“无监督学习”——没人教它，它自己看海量数据自学成才。

这种模型就像原始的GPT刚出来时那样，只能干一件事：给你续写。比如调用API的 /completions 接口，你给一段文字，它往后写。

这个才是你熟悉的那种AI：能听懂你的话、回答问题、写作文、帮你写代码，还尽量做到有帮助、不胡说、不害人。

它是怎么变聪明又懂事的？分两步：

- 第一步：教它听指令（监督微调）  
  用一堆“问题+正确回答”的例子去训练它，比如：
  - 问：“写一首关于猫的诗。”
  - 答：“小猫踩梅花，跳上窗台看晚霞……”

  这样它就学会“原来人类是这样提问的，我该这样回答”。

- 第二步：让人打分，奖励好回答（RLHF）  
  让真人和AI聊天，然后给回答打分：“这个回答好”、“那个太蠢了”、“这个有风险”。AI根据这些反馈不断调整自己，学会说人话、说有用的话、不说坏话。

这就叫“人类反馈强化学习”（RLHF）。经过这一步，模型才变得靠谱、安全、像个人类助手。

- 基础模型：是个“野孩子”，啥都敢说，啥都敢猜，适合拿来当底子再加工。
- 指令模型：是“教育改造”后的乖孩子，听话、有用、守规矩，是我们日常用的ChatGPT那种。

虽然它“野”，但你可以：
- 拿它去训练自己的专用AI（比如医疗、法律领域）；
- 做自动写代码、自动写文案的工具；
- 或者玩一些更自由、更实验性的项目（比如用LoRA微调）；
- 甚至故意让它“放飞自我”，看看它能说出啥离谱话（笑）。

你拿原材料可以自己做饭，但大多数人更愿意直接点外卖——那个“外卖”就是指令模型。

而指令模型就不一样了。它在训练时额外做过“微调”，主要方式最早是 RLHF（人类反馈强化学习），后来更先进的是 DPO（直接偏好优化）。这种微调其实只动了模型里少量的权重，但方向性很强，把基础模型那种“天马行空的补全”收窄成了“问题 → 答案”的风格。换句话说，指令模型会本能地把你输入的东西当作一个问题，并尽量给出一个回答，而不是乱开脑洞写长篇小说。

所以简单总结：

* 基础模型：像一个没约束的作家，给什么梗就往下写，容易跑偏，创意爆棚但不一定回答问题。
* 指令模型：像一个被训练过的考生，看到问题就会专心想办法回答，格式和内容都更像“问答”。

另外，如果你真的去他们网站上点聊天，会发现它自己报的身份还是 版本 3，而不是 3.1。换句话说，现在公开给大家用的聊天接口还是旧的 3.0 系列，最新的 3.1 只是在研究层面发布了基础版，还没上指令微调、也没对外开放当成聊天机器人用。

所以一句话总结：官网能聊天的还是 DeepSeek 3，不是 3.1；3.1 目前只有基础模型版本，没出指令模型，更别说能直接用来对话了。