DeepSeek V3.1 Terminus: Análisis integral
DeepSeek V3.1 debutó el 19 de agosto de 2025 como una actualización incremental de DeepSeek V3. La versión Terminus mantiene el mismo backbone Mixture-of-Experts, pero refuerza la fidelidad multilingüe y la estabilidad de los agentes. Esta guía contrasta los tres checkpoints clave: DeepSeek-V3.1-Base, DeepSeek-V3.1 y DeepSeek-V3.1-Terminus.
Panorama de versiones
| Versión | Posicionamiento | Capacidades principales |
|---|---|---|
| DeepSeek-V3.1-Base | Checkpoint fundacional para preentrenamiento adicional o adaptación de dominio | 671 mil millones de parámetros totales, ~37 mil millones activos por token, ventana de contexto de 128K, licencia MIT para ajustes posteriores. |
| DeepSeek-V3.1 | Modelo conversacional alineado con instrucciones y modos de pensamiento y no pensamiento | Añade plantillas de chat, llamadas a herramientas optimizadas y mayor eficiencia de razonamiento frente a DeepSeek V3 sin cambiar la arquitectura base. |
| DeepSeek-V3.1-Terminus | Parche de fiabilidad sobre V3.1 | Corrige la mezcla de idiomas, refuerza los agentes de código y búsqueda y eleva los benchmarks sin alterar la estructura central. |
Arquitectura y entrenamiento
Los tres checkpoints comparten el diseño MoE de DeepSeek con 671 mil millones de parámetros expertos y unos 37 mil millones activos por token, además de una ventana de contexto de 128K tokens. V3.1 construye sobre Base extendiendo el entrenamiento de contexto largo en dos fases: 32K hasta 630 mil millones de tokens y 128K hasta 209 mil millones, adoptando microscaling UE8M0 FP8 para pesos y activaciones.
DeepSeek también detalla que la actualización V3.1 amplía el corpus total a 14,8 billones de tokens e integra el flujo de pensamiento en el modelo principal, de modo que no es necesario alternar a una versión de razonamiento separada.
Plantillas de chat y tooling
DeepSeek-V3.1 introduce una plantilla de chat unificada conmutando entre prefijos de pensamiento y no pensamiento, y preserva el nuevo token </think> en diálogos de varias rondas. Los formatos de llamada a herramientas, Code Agent y Search Agent se publican en los assets oficiales, permitiendo usar los mismos pesos para agentes estructurados. Terminus conserva estas plantillas, por lo que las integraciones existentes permanecen compatibles.
Destacados de benchmarks
Frente a la build de agosto, Terminus registra mejoras graduales: MMLU-Pro pasa de 84,8 a 85,0, SWE Verified de 66,0 a 68,4 y SWE-bench Multilingual de 54,5 a 57,8. BrowseComp sube de 30,0 a 38,5 y Terminal-bench de 31,3 a 36,7. Los avances provienen de los ajustes de decodificación y plantillas de agentes incorporados en Terminus.
La versión V3.1 original ya superaba a DeepSeek V3 con mejor uso de herramientas, mayores tasas de éxito en matemáticas y generación de código más sólida, manteniendo paridad con DeepSeek-R1-0528 en modo de pensamiento con respuestas más rápidas.
Fiabilidad lingüística y problemas conocidos
Terminus se orienta a la consistencia idiomática, reduce salidas mixtas chino-inglés y caracteres anómalos, y refina las plantillas de Code Agent y Search Agent. DeepSeek advierte un problema conocido: los parámetros self_attn.o_proj aún no siguen exactamente la escala UE8M0 FP8 y serán corregidos en un parche posterior.
Precios y acceso
La API pública de DeepSeek ofrece la familia V3.1 con precios escalonados: 0,27 USD por millón de tokens de entrada en cache miss (0,07 USD en cache hit) y 1,10 USD por millón de tokens de salida en horas pico, con descuentos del 50 % en horas valle. Como la app, la web y la API ya operan con Terminus, la actualización se centra en validar prompts sin cambios de endpoint.
Para autohospedaje, hay checkpoints con licencia MIT en Hugging Face en formatos BF16, FP8 (E4M3) y FP32, incluyendo Base, V3.1 y Terminus; ModelScope ofrece espejos para descargas en China continental. Gracias a la arquitectura compartida, puedes afinar Base y posteriormente sustituirlo por Terminus cuando necesites mayor estabilidad.
Lista de adopción
- Define la necesidad: control MoE puro (Base), alineación inmediata con instrucciones (V3.1) o estabilidad multilingüe y de agentes reforzada (Terminus).
- Repite suites de evaluación, especialmente SWE-bench Multilingual y BrowseComp, para comprobar el impacto de la decodificación de Terminus.
- Si dependes de kernels FP8 personalizados, considera la futura corrección de la escala
self_attn.o_proj. - Actualiza los modelos de presupuesto API según la estructura tarifaria por franja horaria y los mejores índices de éxito de agentes en Terminus.
Con una visión clara de las diferencias entre Base, V3.1 y Terminus en alineación, tooling y benchmarks, los equipos pueden elegir el punto de partida y la hoja de ruta más adecuada para entrar en producción.