手把手：1分钟把 Claude Code 迁到 DeepSeek V3.1，开箱即干

今天下午，DeepSeek 官方正式发布 DeepSeek-V3.1。

相比于前天只在用户群里通知，今天新增了模型升级点、榜单成绩、model card，huggingface 上现在也可以下载模型文件了。

模型传送门：

https://huggingface.co/deepseek-ai/DeepSeek-V3.1

一共两个模型，分别是 V3.1 和 V3.1 base。两个模型结构完全一致，V3.1 的 Base 模型在 V3 的基础上重新做了外扩训练，一共增加训练了 840B tokens。

从 Deepseek 官方的标题：“迈向 Agent 时代的第一步”就可以看出来，DeepSeek 把 V3.1 的主轴放在 【128K 长上下文 + 混合思考范式 + 更强工具/多步执行】，是对齐 2025 年“从聊天到能干活的 Agent”这条主赛道。

一抓长上下文；二强推 agentic 能力。

先来说长上下文能力。

V3.1 从原来 32K 拓展到 128K 上下文长度，和 Kimi K2 、智谱 GLM-4.5 都在 128K 档位。GPT5 公布的最大上下文是 400K， 而 Claude Opus 4.1 和 MiniMax M1 都是 1M 的窗口，谁还低于 128K 都不好意思拿出来说了吧。

毕竟真实任务常涉及长文档、仓库代码、日志/网页轨迹，长上下文是这一切的物理层，这才是真的迈向 Agent 的第一步。

其实是 agentic 能力。

现在国内外所有搞大模型的厂商都把工具调用、多步执行摆在了最显眼的位置，DeepSeek 必须在这条线上与之对齐，还给出了量化指标。

在官方测评中，V3.1 选择在编程与搜索两个领域证明：

编程：

为了让大家更方便感知横向的水平，我列了一个表格，分别有当前最热的几个模型的分数。

前两名还是 GPT-5 与 Claude Opus 4.1，kimi K2 紧随其后。V3.1 从原来落后的成绩拉到了同一个区间了，最起码证明成绩没有掉队。

最近“搜索智能体评测”成了热点，用户不再满足离线跑分，开始盯真实互联网任务能不能完成。因为搜索任务实时变动、跨站点、多约束，更能拉开差距。

128K～1M 的上下文和函数调用/浏览器工具的配合，让这个任务成为可能。

V3.1 的搜索智能体表现：

在开放网络检索难题集 BrowseComp 上，V3.1（Thinking）给出 30.0% 的准确率，而 R1-0528 为 8.9%；同时提供了中文变体 BrowseComp_zh 49.2%。

除了官网、APP，DeepSeek API 也已同步完成了升级：

API 的上下文窗口均扩展至 128K，可以通过调用 deepseek-chat 接口使用标准模式，通过 deepseek-reasoner 接口启用专为复杂任务设计的深度思考模式。

此外，为了提升 API 调用的可靠性，API Beta 接口还引入了 strict 模式的函数调用，能够强制要求输出结果严格匹配预设的 schema。

官方文档：https://api-docs.deepseek.com/zh-cn/guides/function_calling

Deepseek 3.1 刚出来，我们就进行了 V3.1 的第一波评测。明显感觉到速度快了不少，没有之前那么啰嗦。官方也放出了证据，V3.1 相比 R1，推理过程的 Token 消耗显著降低了 20%-50%。

在各项评测指标得分基本持平的情况下（AIME 2025: 87.5/88.4， GPQA: 81/80.1， liveCodeBench: 73.3/74.8），R1-0528 与 V3.1-Think 的 token 消耗量对比图

更令人惊喜的是：

DeepSeek 这次增加了对 Anthropic API 格式的支持，终于可以将 DeepSeek-V3.1 的能力接入 Claude Code 了！

我立马上手跑了下，此处放上保姆教程，跟着步骤你也原生接入 Claude Code（不再需要曲线救国了）。

第一步：先安装 Claude Code

在终端执行：

**npm install -g @anthropic-ai/claude-code**  

在这一步，确保你的终端中的网络走的是代理网络和端口。在终端里设置网络代理，最常用和标准的方法就是配置环境变量。临时设置的办法是，打开 terminal，输入一下命令：

export http_proxy="http://127.0.0.1:7890"  
export https_proxy="http://127.0.0.1:7890"  

将 IP 和 port 替换成您自己的代理服务器地址和端口。

第二步：配置环境变量，让 Claude Code 能够使用 DeepSeek 的 API 而不是 Anthropic 的 API。

这里需要使用你的 DeepSeek API 密钥进行认证&指定使用 DeepSeek 的 chat 模型。

_# 临时设置（当前终端会话有效）_  
export ANTHROPIC_BASE_URL=https://api.deepseek.com/anthropic   
export ANTHROPIC_AUTH_TOKEN=你的DEEPSEEK_API_KEY   
export ANTHROPIC_MODEL=deepseek-chat   
export ANTHROPIC_SMALL_FAST_MODEL=deepseek-chat  

第三步：在你的项目目录下，执行 claude 命令，即可开始使用了。

出现红框，就说明你配置成功啦 🎉

Claude Code 中的 V3.1 测试了下昨天推文中的样例，提示词如下：

帮我开发一个基于 Web Audio API 的网页播放器，我希望你实时分析音乐频谱和节拍，配合驱动一个动态生成的、响应音乐情感的抽象视觉背景

中间我全部接受让它自动执行到最后一步，本地服务可以直接试用。

从此之后，可以在 Claude Code 里随便霍霍用 Deepseek 了。

说实话，在昨天的 DeepSeek V3.1 网页版本更新的测评，确实让我感到一丝落差，模型表现出的些许“人格分裂”和不稳定性。

但是，这并不意味着这次的更新是无效更新：

第一，社区的期望值实在是太高了。

DeepSeek 如今已经是“AI 圈第一大网红”，任何一点风吹草动都会被大家拿着放大镜来审视。这种高关注度，无形中压缩了其“试错”的空间。

第二，这只是一个“.1”的迭代版本。

V3.1 的核心定位其实只是一次小步快跑的“尝试”，对“混合推理”架构的探索，而非准备颠覆一切的 V4 或者 R2。

V3.1 发布后，社区里很多人都在讨论一个问题：混合推理模型这条路，到底能不能走通？

从今年年初开始，这条路线一度看似前景大好：从 2 月 25 日 Claude 3.7 Sonnet 率先入场，到 4 月 17 日 Gemini 2.5 Flash 紧随其后，再到 4 月 29 日 Qwen3 系列作为首个开源模型加入。

虽然说是一次很大的架构上的更新，但是后续确实没有什么水花了。。

而且，作为开源先锋的 Qwen3，其最新的版本却依然保留了独立拆分的模式。并且在那之后，其他主流厂商似乎也放缓了在混合推理上的跟进脚步。

最后，Deepseek 调价了，而且是涨价了。

取消了之前夜间折扣 ，从 2025 年 9 月 6 日凌晨开始，执行新价格。

不过相比其他主流模型，依旧有优势。

文章来自于微信公众号“夕小瑶科技说”，作者是“兔子，小鹿”。