我比较关注3个更新点：
• 超长上下文支持（128k）：代表着我不管写代码还是处理问题，能够承载的上下文越多，连贯性越好 • 更强的代码推理能力：更方便写代码 • 更精准的知识问答：我理解为文档处理。
超长上下文支持
然后我让deepseek进行计算
大概只有95k~100k tokens, 如果这个是准确的，输入占用87/128 ≈ 68% ，大约预留了1/3给响应。所以输入上下文知识只有87kb左右。
更精准的知识问答
deepseek v3.1 能根据文档进行精准的回答，并告知引用了哪里。
然后问它改名了几次。能精准地回答到。
然后出现几次都精准定位到了。
代码能力
在aider 的多语言代码评测的github上，有一个deepseek v3.1的 pr，
https://github.com/Aider-AI/aider/pull/4464/commits/9d9625623484969ff327a2542446a94be7f37e66
已经接近于
claude-opus-4-20250514 (32k thinking）模型了，就差了0.4%，但是成本只有它的1/65。代码能力，评测是一回事，实际使用是另一回事，后续只能在实战过程中慢慢体会。
数学逻辑
数学题理解错误了，按照上面的语义，A和B同时开的，它直接把A给关闭了，按照他的推理，如果严谨的话应该2个答案，直接给了一个答案，而且是我理解不应该的答案。
另外一个题推理正确了。
需要注意的是，以前深度思考R1 现在是深度思考,猜测deepseek 后续会将两个模型合并。大家期待的R2估计会改名了。
