DeepSeek: DeepSeek V3.1

DeepSeek V3.1 est le modèle textuel hybride de DeepSeek : la même édition nommée prend en charge des réponses avec et sans réflexion au moyen de paramètres différents du gabarit de conversation. Le producteur souligne des progrès dans l’utilisation des outils, l’exécution des tâches d’agent et l’efficacité du raisonnement par rapport à son modèle précédent. Il accepte des instructions écrites et du contexte textuel et génère une réponse, du code ou du contenu d’appel d’outil. L’identité V3.1 originale est distincte de Terminus, de V3.2 et de la famille V4.

La fiche du modèle indique 671 milliards de paramètres au total, 37 milliards de paramètres actifs et un contexte de 128K pour les éditions de base et postentraînées. V3.1 repose sur la base V3 originale, avec un entraînement prolongé sur de longs documents avant le postentraînement. Sa structure à mélange d’experts et à attention latente suit l’architecture V3. Ces caractéristiques expliquent le profil textuel à long contexte sans transformer la valeur de contexte en spécification distincte de sortie maximale.

Le mode sans réflexion prépare une réponse directe, tandis que le mode avec réflexion amorce une phase de raisonnement avant la réponse. Le gabarit du producteur utilise un marqueur de fermeture de réflexion pour les réponses directes et un marqueur d’ouverture pour le tour de raisonnement actuel. Dans une conversation à plusieurs tours, le raisonnement antérieur est retiré tandis que les réponses finales et le marqueur de fermeture restent dans le contexte. C’est la règle d’historique V3.1 originale, distincte de la règle ultérieure de V3.2 qui préserve le raisonnement entre les messages liés aux outils.

L’appel d’outils standard est documenté en mode sans réflexion. L’application fournit les noms des fonctions, leurs descriptions et les schémas des paramètres; le modèle renvoie un nom d’outil sélectionné et des arguments JSON dans la représentation d’appel d’outil du producteur. L’application exécute l’opération et renvoie son résultat. Donnez aux outils des objectifs précis et gardez l’observation renvoyée liée à l’appel, pour que l’étape suivante du modèle repose sur un élément probant plutôt que sur l’hypothèse qu’une action a eu lieu.

La recherche en mode réflexion utilise un format distinct spécialisé d’agent de recherche. DeepSeek documente un outil de recherche fourni par l’utilisateur pour les questions nécessitant des informations externes ou actuelles, avec des appels et des observations répétés sur plusieurs tours. La recherche fait donc partie du processus environnant; cela ne signifie pas que le modèle a parcouru le Web de façon autonome pour produire une réponse textuelle. Définissez la question, les critères des sources et la réponse finale voulue avant le début de la recherche.

Pour le code, fournissez l’extrait ou les fichiers pertinents, le comportement observé, le comportement attendu et les contraintes à préserver. Voici un exemple de demande : « Repérez la cause de cet échec pour l’entrée fournie, proposez une correction ciblée et expliquez la condition que la modification prend en charge. » Pour une tâche documentaire, identifiez les sections sources et demandez une comparaison avec des exigences explicites. Exigez que la réponse finale distingue la conclusion appuyée par les sources d’une prochaine action proposée.

Le producteur entraîne V3.1 avec le format d’échelle UE8M0 FP8 pour les poids et les activations. Ses recommandations locales identifient aussi les paramètres sensibles à la précision qui doivent être traités correctement. Il s’agit de caractéristiques de la référence publiée du producteur, pas d’une affirmation sur la précision ou la mise en œuvre choisie par chaque application. Un dérivé, une variante quantifiée et le point de contrôle Terminus ultérieur restent des choix distincts de l’édition V3.1 originale nommée.

Préparez les travaux plus longs avec une question claire, des repères de sources et un livrable final défini. Faites tenir la conversation, les sources textuelles, le raisonnement et la sortie dans le contexte documenté et gardez uniquement les éléments pertinents à mesure que la tâche prend de l’ampleur. Pour un agent, précisez les actions permises et le critère d’achèvement. Le livrable utile est une réponse textuelle, une proposition de code ou une analyse appuyée par les sources, qui peut être examinée et qui est reliée aux données d’entrée et aux observations réellement renvoyées par l’application.