DeepSeek-V3.1とは？思考モードの切替・Terminusとの違いと提供終了後の使い方

DeepSeek-V3.1は、中国のDeepSeekが2025年8月21日に公開した大規模言語モデルです。V3を基に追加学習した1つのモデルで対話と推論の両方に対応し、チャットテンプレートの1トークンで「思考モード」と「非思考モード」を切り替えます。総パラメータは671B、1トークンあたりに動くのは37Bで、骨格は2024年12月公開のV3と同じです。本記事が扱うのはV3.1と改修版のV3.1-Terminusで、2026年10月時点でどこで動かせるかまで整理します。DeepSeekの最新版はV4系に移っており、現行モデルの仕様と料金はDeepSeek V4とは？最新V4.1-FlashとV4-Pro-0813の違い、CSA・CSA2の仕組みと料金にまとめています。

まとめ：DeepSeek-V3.1の要点

• 2025年8月21日公開。V3のベースモデルに長文脈の継続事前学習（32K段階630Bトークン、128K段階209Bトークン）を足し、1つの重みで思考と非思考を切り替えられるようにした。
• 切替はチャットテンプレートで行う。アシスタントの直後に <think> を置けば思考モード、</think> を置けば非思考モードになる。transformersやvLLMで thinking を渡さないと非思考側になる。
• 伸びが大きいのはエージェント系で、SWE-bench VerifiedはV3-0324の45.4から66.0へ上がった。思考モードの知識・推論はR1-0528とほぼ同水準にとどまる。
• 主要サービスでは提供終了やLegacy移行が進んだが、第三者経由の提供は残る。公式APIでのV3.1系の提供は2025年10月15日、Microsoft Foundry（Azure販売版）は2026年7月13日、Vertex AIは2026年10月21日に終了し、Amazon Bedrockも2026年9月30日にLegacyへ移って2027年3月30日にEOLとなる。
• 重みはMITライセンスで、vLLM（H200×8の構成が公式レシピ）やOllamaで自前実行できる。Ollamaの deepseek-v3.1:latest の中身はTerminusの4bit量子化版である。

DeepSeek-V3.1の系譜：V3ベースの追加学習とR1の役割の引き継ぎ

V3.1が出る前、DeepSeekの公式APIは2つのモデルを名前で使い分けていました。deepseek-chat の中身はV3-0324、deepseek-reasoner の中身は推論特化のR1-0528です。2025年8月21日に両方の名前がV3.1へ切り替わり、chatは非思考モード、reasonerは思考モードを指すようになりました。重みを結合したのではなく、V3を基に追加学習した1つのモデルを呼び出し方で分けた形です。

モデル構造はV3と同一で、変わったのは学習です。公式のモデルカードによると、V3.1-BaseはV3の元のベースチェックポイントから出発し、V3の技術報告と同じ2段階の長文脈拡張を規模を広げてやり直しています。32K段階は10倍の630Bトークン、128K段階は3.3倍の209Bトークンで、公式発表は合計839Bを「840Bトークンの継続事前学習」と丸めています。もう1つの変更は数値形式で、重みと活性値の両方をUE8M0形式のスケールを使うFP8で学習しました。FP8の形式差はFP8とは？FP16・BF16・FP4との違いとE4M3/E5M2の仕組み、対応GPU【2026年版】で扱っています。

初版V3の設計（MLA、補助損失に頼らない負荷分散、学習コストの内訳）はDeepSeek-V3とは？671B MoEの仕組みと性能・公式API終了後の使い方を参照してください。V3.1はその骨格を変えずに、長文脈の学習量と事後学習を足した版です。

ハイブリッド思考の仕組み：チャットテンプレートでの切替

<think> と </think> の1トークン差

V3.1の思考／非思考は、モデルの入力としてはプロンプトの末尾で決まります。アシスタントの発話開始を示す <｜Assistant｜> の直後に <think> を置くと、モデルは推論過程を書いてから回答します。閉じタグの </think> を置くと、推論を飛ばして回答から書き始めます。V3には無かった </think> を非思考側に足したのがV3.1の変更点です。

Hugging Faceのtransformersでは、apply_chat_template の thinking 引数で切り替えます。次のコードはtransformers 5.18.0でV3.1のトークナイザーを読み込み、出力を確認したものです（重み本体のダウンロードは不要です）。

from transformers import AutoTokenizer

tok = AutoTokenizer.from_pretrained("deepseek-ai/DeepSeek-V3.1")
messages = [{"role": "user", "content": "1+1=?"}]

print(tok.apply_chat_template(messages, tokenize=False, thinking=True, add_generation_prompt=True))
# <｜begin▁of▁sentence｜><｜User｜>1+1=?<｜Assistant｜><think>

print(tok.apply_chat_template(messages, tokenize=False, thinking=False, add_generation_prompt=True))
# <｜begin▁of▁sentence｜><｜User｜>1+1=?<｜Assistant｜></think>

print(tok.apply_chat_template(messages, tokenize=False, add_generation_prompt=True))
# <｜begin▁of▁sentence｜><｜User｜>1+1=?<｜Assistant｜></think>

3つ目の結果のとおり、thinking を渡さなければ非思考モードになります。自前でサーバーを立てて「思考してくれない」と感じたら、まずテンプレート引数が届いているかを確認してください。

マルチターン履歴における過去の思考内容の除去

思考モードでも、2ターン目以降の履歴は非思考モードと同じ形式に揃えます。モデルカードは「最後のターンより前の思考トークンは捨て、</think> だけを各ターンに残す」と定めています。上と同じ環境で、過去の応答に <think>Hmm</think>I am DeepSeek を入れて思考モードのテンプレートを適用すると、履歴側は <｜Assistant｜></think>I am DeepSeek に置き換わり、推論過程の「Hmm」は消えました。自前でプロンプトを組み立てる場合も、前ターンの推論過程は履歴に戻さず回答部分だけを残します。

ツール呼び出しは非思考、検索エージェントは思考

モードによって使えるエージェント機能が分かれています。通常のツール呼び出し（Function Calling）は非思考モードでのみサポートされ、システムプロンプトの後ろにツール定義を書く形式です。コードエージェントもこの形式で組みます。外部検索を使う検索エージェントには、思考モード専用のツール呼び出し形式が用意されています。

この分担は当時の公式APIにも表れていました。2025年9月20日時点の料金ページ（Internet Archiveの保存版）には、deepseek-reasoner へ tools パラメータ付きのリクエストを送ると、実際には deepseek-chat で処理されるという注記があります。思考モードのつもりでツールを渡すと非思考で答えが返るため、当時のコードを読み返すときはこの挙動を前提にしてください。

V3.1のベンチマーク性能：エージェント系の改善幅

V3.1の公式モデルカードとTerminusのモデルカードに載っている数値を並べます。比較相手はV3.1の前に公式APIで使われていたV3-0324とR1-0528です。

Humanity’s Last Examはテキストのみのサブセットで、ツールを使わない推論モードの値です。LiveCodeBenchは2024年8月から2025年5月の問題、Terminal-benchはTerminus 1フレームワークでの評価です。

差がはっきり出ているのはエージェント系です。V3.1（非思考）はSWE-bench VerifiedでV3-0324を20.6ポイント、R1-0528を21.4ポイント上回り、Terminal-benchではV3-0324の約2.4倍のスコアを出しています。DeepSeekがV3.1を「エージェント時代への第一歩」と発表したのは、この事後学習の成果を指しています。

思考モードの知識・推論は、R1-0528を置き換えられる水準にとどまります。GPQA-Diamondは80.1対81.0、Humanity’s Last Examは15.9対17.7とわずかに負け、AIME 2025とLiveCodeBenchでは上回りました。DeepSeekが強調したのは精度より速さで、思考モードは「R1-0528と同等の回答品質を、より短い時間で返す」と説明されています。非思考モードのAIME 2025は49.8で、V3-0324の51.3を下回ります。

検索エージェントの評価は商用検索API・ウェブページフィルタ・128Kコンテキストを組み合わせたDeepSeek社内のフレームワークで、SWE-benchも社内のコードエージェントフレームワークで測られています。同じベンチマーク名でも、他社が別の枠組みで出した値とはそのまま比較できません。

V3.1-Terminusとの違い：言語の混在と検索エージェントの修正

V3.1-Terminusは2025年9月22日公開の改修版で、構造と学習の土台（V3.1-Base）は同じです。公式の変更点は2つで、中国語と英語が混ざる現象とまれに出る異常な文字を減らしたことと、コードエージェントと検索エージェントの性能を上げたことです。検索エージェントのテンプレートとツールセットも更新されました。

上の表のとおり、BrowseCompは30.0から38.5、Humanity’s Last Examは15.9から21.7、SWE-bench Verifiedは66.0から68.4へ上がりました。全項目が伸びたわけではなく、BrowseComp-zhは49.2から45.0、Codeforcesのレーティングは2091から2046へ下がっています。中国語の検索エージェントを組むなら、自分の業務データで両方を比べてから選んでください。

Terminusの重みには既知の不具合が1つあります。モデルカードによると、self_attn.o_proj のパラメータがUE8M0形式のFP8スケールに準拠していません。UE8M0を前提にした推論カーネルで動かす場合は、この層の扱いを確認してから使います。国内では、Sakana AIが2026年3月にTerminusを基に事後学習したNamazu-DeepSeek-V3.1-Terminusをα版として公開しており、経緯はSakana AI Namazuとは？α版3モデルから現行Kimi K2.6版への変遷とSakana Chatの使い方で扱っています。

公式APIでのV3.1：提供期間と当時の料金

公式APIでV3.1系が動いていた期間は約2か月です。2025年8月21日にV3.1、9月22日にTerminusへ切り替わり、9月29日には両方の名前がV3.2-Expへ移りました。比較検証用にTerminusを呼べる臨時APIが2025年10月15日15時59分（UTC）まで残され、これが公式APIでV3.1系を使える最後の窓口でした。

料金は公開時の発表で改定が予告され、2025年9月5日16時（UTC）から次の単価が適用されました。同時に、それまでの夜間割引は廃止されています。

V3.1の公開と同時に、APIにはAnthropic API形式での呼び出しと、ベータ版のStrict Function Callingが加わりました。2026年10月31日時点の公式料金ページに載っているのは deepseek-flash（DeepSeek-V4.1-Flash-1017）と deepseek-v4-pro（DeepSeek-V4-Pro-0813）の2つで、V3.1を指名して呼ぶ手段はありません。

2026年10月時点の提供状況：終わった経路と残る経路

V3.1を呼べるマネージドサービスは、2026年に入って相次いで終了しました。各社の一次情報で確認できた状態を並べます。

Amazon Bedrock：Legacy入りし、2027年3月30日にEOL

BedrockのV3.1モデルカードは、ライフサイクルを「Legacy」、EOL日を2027年3月30日と表示しています。ライフサイクルのページではLegacyへの移行日が2026年9月30日で、東京（ap-northeast-1）も対象リージョンに入っています。Legacyのモデルは新規の顧客が使えず、既存の顧客も15日間使わないとアクセスを失うことがあります。Provisioned Throughputも新規には作れません。料金が上がる「public extended access」期間の開始日は未発表です。

モデルIDは bedrock-runtime が deepseek.v3-v1:0、bedrock-mantle が deepseek.v3.1 で、コンテキスト長は128K、最大出力は8Kです。既存の呼び出しはConverse APIで次のように書けます（引数はboto3 1.42.97のスキーマで検証済み）。

import boto3

client = boto3.client("bedrock-runtime", region_name="ap-northeast-1")
response = client.converse(
    modelId="deepseek.v3-v1:0",
    messages=[{"role": "user", "content": [{"text": "DeepSeek-V3.1の特徴を3行で"}]}],
    inferenceConfig={"maxTokens": 1024},
)
for block in response["output"]["message"]["content"]:
    if "text" in block:
        print(block["text"])

Bedrockで同じコードを動かしている既存システムは、2027年3月30日までに移行が必要です。Converse対応の移行先では呼び出し構造を再利用できますが、対応リージョン、モデルまたは推論プロファイルのID、権限、推論パラメータを確認してください。APIキーの発行と東京で使えるモデルの一覧はAmazon Bedrockの使い方｜APIキー発行からPython呼び出し・東京で使えるモデルと料金【2026年10月】にまとめています。

Vertex AIとMicrosoft Foundry：従量課金のマネージドAPIは終了

Google CloudのVertex AIのV3.1ページは、マネージドAPIの deepseek-v3.1-maas が2026年7月21日に非推奨となり、2026年10月21日に提供終了すると告知していました。このMaaSは思考モードに対応せず、us-central1の上限はコンテキスト長163,840トークン、最大出力32,768トークンでした。同じページには、Model GardenのモデルカードからV3.1を自分のプロジェクトへデプロイする手順が残っており、Google Cloud上で使い続けるならこちらになります。GPUの確保と課金は自分持ちです。

MicrosoftのFoundryのモデル退役表では、DeepSeek-V3.1は2026年7月13日にRetiredとなり、後継にDeepSeek-V4-Flashが指定されています。これはAzureが直接販売する版の話で、Fireworksが販売する FW-DeepSeek-V3.1 はFireworksモデルカタログのプロビジョニング（PTU）の表に残っています。Global ProvisionedとData Zone Provisionedに対応し、最小400 PTU・増分200 PTUからのデプロイで、従量課金の表には載っていません。占有容量の契約が前提なので、検証用途には向きません。

OpenRouter：5社が中継し、Terminusは1社のみ

OpenRouterのモデルAPIを2026年10月31日に引くと、deepseek/deepseek-chat-v3.1 はDeepInfra、SiliconFlow、CoreWeave、Mara、SambaNovaの5社が中継していました。最安はDeepInfraで、100万トークンあたり入力$0.25・出力$0.95、コンテキスト長163,840トークンです。deepseek/deepseek-v3.1-terminus はSiliconFlowの1社だけで、入力$0.27・出力$1.00でした。中継事業者は予告なく撤退することがあるため、本番で使う前にV3.1とTerminusのモデルページでエンドポイント一覧を確認してください。

V3.1の自前実行：vLLMとOllamaの構成

vLLMの起動構成とthinking引数の指定

vLLMの公式レシピは、H200またはH20（141GB）を8枚使う構成で次のコマンドを示しています。ツール呼び出しを使う場合は、V3.1専用パーサーに加え、vLLM公式リポジトリの tool_chat_template_deepseekv31.jinja を用意し、実際の保存先をチャットテンプレートのパスに指定します。下の相対パスは、実行ディレクトリ直下の examples にファイルがある場合の例です。

vllm serve deepseek-ai/DeepSeek-V3.1 \
  --enable-expert-parallel \
  --tensor-parallel-size 8 \
  --served-model-name ds31

# ツール呼び出しを使う場合に追加する引数
#   --enable-auto-tool-choice
#   --tool-call-parser deepseek_v31
#   --chat-template examples/tool_chat_template_deepseekv31.jinja

思考モードは、OpenAI互換APIの extra_body で chat_template_kwargs を渡して切り替えます。渡さなければ前述のテンプレートどおり非思考になります。レシピの出力例では、思考モードの応答は推論過程と回答が同じ content に入り、境目に </think> が付きます。回答だけを使うなら、最後の </think> より後ろを取り出します。

from openai import OpenAI

client = OpenAI(api_key="EMPTY", base_url="http://localhost:8000/v1")
res = client.chat.completions.create(
    model="ds31",
    messages=[{"role": "user", "content": "9.11と9.8はどちらが大きい？"}],
    extra_body={"chat_template_kwargs": {"thinking": True}},
)
text = res.choices[0].message.content
answer = text.rpartition("</think>")[2].strip()  # 区切りが無ければ全文を返す
print(answer)

モデルカードはこのほか、mlp.gate.e_score_correction_bias をFP32で読み込んで計算すること、FP8の重みと活性値をUE8M0スケール形式で扱うことを挙げています。80GBクラスのGPU1枚に全量は載らないため、複数GPUのノードが前提です。

Ollamaのタグ：latestの中身はTerminus

Ollamaのdeepseek-v3.1には7つのタグがあり、名前と中身がずれています。latest と 671b は 671b-terminus-q4_K_M と同じダイジェストで、つまり ollama pull deepseek-v3.1 で入るのはTerminusの4bit量子化版（404GB）です。Terminusでない初版V3.1は 671b-q8_0（713GB）と 671b-fp16（1.3TB）しかありません。コンテキストはどのタグも160Kです。

思考モードはOllama APIの think フィールドで指定し、推論過程は message.thinking、回答は message.content に分かれて返ります。404GBのモデルをメモリに載せられる環境は限られるため、検証の再現が目的でなければ、必要メモリを確認した小規模モデルや、運用中のマネージドAPIを先に検討してください。

重みのライセンスと容量：MITで約689GB

V3.1とV3.1-Terminusは、コードと重みの両方がMITライセンスです。初版V3の重みが独自のDEEPSEEK LICENSE AGREEMENTだったのとは条件が異なります。Hugging FaceのsafetensorsメタデータではV3.1の総パラメータは684,531,386,000で、ファイル容量は約689GBです。671Bとの差は本体に同梱されたMulti-Token Prediction（MTP）モジュールの分で（設定ファイルは num_nextn_predict_layers: 1）、Bedrockのモデルカードが「685B」と書いているのもこの合計値です。

V3.1を選ぶ場面と選ばない場面

提供継続性と公式APIの料金を重視する新規開発では、V3.1を第一候補には勧めません。公式APIでは使えず、現行の deepseek-flash のピーク単価（入力キャッシュミス$0.3、出力$1.2）はV3.1時代の単価（$0.56、$1.68）より安く、コンテキストも1Mまで広がっています。V3.1の後継はV3.2（DeepSeek-V3.2とは？V3.2-Speciale・DSAの仕組みと性能、2026年の使い方と料金）を経てV4系に移っています。

V3.1を使う明確な理由の一つは、過去の評価結果を再現する必要があることです。V3.1時点の挙動を固定したい検証では、MITの重みを自前で動かすのが確実です。Bedrockの既存利用は延命手段であり、EOLまでに移行先の検証を終える前提で使ってください。社内でどのモデルをどの経路で使うかの判断から整理したい場合は、生成AI導入支援で相談を受けています。

次の条件に当てはまるなら、V3.1を使い続けるべきではありません。

• BedrockでV3.1を使い始めようとしている。Legacyのモデルは新規の顧客が使えない。
• 思考モードで汎用のFunction Callingを使いたい。V3.1の通常のツール呼び出しは非思考モード限定である。
• 128Kを超える文書を1回で処理したい。公式モデルカードとBedrockのコンテキスト長は128Kで、OpenRouterの163,840トークンも事業者の設定値である。

推論モデルの事後学習でDeepSeekが使ってきた強化学習の手法は、GRPOとは？公式（目的関数・アドバンテージ）の読み方とPPOとの違い・TRL実装【2026年10月】で解説しています。

よくある質問

DeepSeekの読み方は？

「ディープシーク」と読みます。中国・杭州のAI企業の名前であり、同社が公開している大規模言語モデルのシリーズ名でもあります。

DeepSeek V3とV3.1の違いは何ですか？

モデル構造（総671B・活性37BのMoE、128Kコンテキスト）は同じです。違いは学習で、V3.1は長文脈の継続事前学習を32K段階630Bトークン、128K段階209Bトークンへ増やし、1つの重みで思考モードと非思考モードを切り替えられるように事後学習しています。重みのライセンスも、V3の独自ライセンスに対してV3.1はMITです。

DeepSeek V3.1のコンテキストウィンドウはどれくらいですか？

モデルとしては128Kトークンで、当時の公式APIとAmazon Bedrockも128Kです。OpenRouterの中継事業者やOllamaは160K前後を掲げていますが、これは各サービスの設定値です。

DeepSeek V3.1は無料で使えますか？

重みはMITライセンスでHugging Faceから無料で入手でき、商用でも使えます。ただし約689GBの重みを動かすGPU環境の費用は自己負担です。DeepSeek公式のWebチャットとアプリは2025年9月29日にV3.2-Expへ切り替わったため、V3.1そのものを選んで試すことはできません。

DeepSeekの最新モデルは何ですか？

2026年10月31日時点の公式APIで提供されているのは、DeepSeek-V4.1-Flash-1017（deepseek-flash）とDeepSeek-V4-Pro-0813（deepseek-v4-pro）です。V4系の仕組みと料金はDeepSeek V4とは？最新V4.1-FlashとV4-Pro-0813の違い、CSA・CSA2の仕組みと料金で解説しています。

関連記事

• DeepSeek V4とは？最新V4.1-FlashとV4-Pro-0813の違い、CSA・CSA2の仕組みと料金
• DeepSeek-V3とは？671B MoEの仕組みと性能・公式API終了後の使い方
• DeepSeek-V3.2とは？V3.2-Speciale・DSAの仕組みと性能、2026年の使い方と料金
• Amazon Bedrockの使い方｜APIキー発行からPython呼び出し・東京で使えるモデルと料金【2026年10月】
• GRPOとは？公式（目的関数・アドバンテージ）の読み方とPPOとの違い・TRL実装【2026年10月】