DeepSeek-V3.1 评测详情

DeepSeek-V3.1 当前已收录的代表性评测结果包括 MMLU（1 / 124，得分 93.40）、SimpleQA（4 / 46，得分 93.40）、AIME 2024（7 / 61，得分 93.10）。

评测结果

DeepSeek-V3.1

评测结果

综合知识考试

共 5 项评测

评测名称 / 模式

得分

排名/总数

常规模式

91.80

4 / 124

思考模式

93.40

1 / 124

常规模式

83.70

45 / 175

思考模式

85

28 / 175

思考模式

15.90

176 / 235

科学知识与推理

共 3 项评测

评测名称 / 模式

得分

排名/总数

常规模式

74.90

159 / 253

思考模式

80.10

130 / 253

思考模式

2

131 / 204

事实可靠性与幻觉

共 1 项评测

评测名称 / 模式

得分

排名/总数

思考模式

93.40

4 / 46

仓库修复与多文件工程

共 1 项评测

评测名称 / 模式

得分

排名/总数

SWE-bench Verified

常规模式

66

76 / 116

数学

共 3 项评测

评测名称 / 模式

得分

排名/总数

常规模式

66.30

40 / 61

思考模式

93.10

7 / 61

思考模式

88.40

47 / 110

算法与竞赛编程

共 2 项评测

评测名称 / 模式

得分

排名/总数

常规模式

56.40

83 / 125

思考模式

74.80

44 / 125

写作与创意表达

共 1 项评测

评测名称 / 模式

得分

排名/总数

Creative Writing

常规模式

1435.90

61 / 110

自主开发与终端任务

共 3 项评测

评测名称 / 模式

得分

排名/总数

常规模式工具

31.30

19 / 35

Terminal Bench Hard

常规模式工具

24.20

134 / 244

Terminal Bench Hard

思考模式工具

25

128 / 244

常识推理

共 1 项评测

评测名称 / 模式

得分

排名/总数

常规模式

40

70 / 96

跨能力聚合指数

共 1 项评测

评测名称 / 模式

得分

排名/总数

unknown

139.92

96 / 167

与其他模型对比