💡 站外导读：当AI模型规模竞赛进入深水区，如何让模型“聪明”且“高效”成为行业核心痛点。DeepSeek-V3.2的正式发布，标志着这一难题迎来关键突破。面对日益增长的长文本处理、复杂推理与工具调用需求，传统模型常面临效率与成本的两难。DeepSeek此次不仅将推理能力推向GPT-5水准，更通过独创的DSA机制，将长文本推理成本从O(L²)优化至O(Lk)，为AI应用的大规模普及扫清了障碍。

DeepSeek-V3.2-Exp是DeepSeek-AI推出的实验性人工智能模型，通过引入DeepSeek Sparse Attention（DSA）机制，显著提升长文本处理的效率。模型基于DeepSeek-V3.1-Terminus持续训练而成，仅在架构上引入了DSA，实现了细粒度稀疏注意力机制，借助闪电索引器（lightning indexer）高效选择关键信息，在长文本训练和推理时大幅提高效率。

从性能角度看，DeepSeek-V3.2-Exp在一系列公开测试基准上表现稳定，其整体能力与DeepSeek-V3.1-Terminus相当，覆盖了多样化应用场景。该模型已在Hugging Face和ModelScope平台开源，为研究者和开发者提供了便捷的探索与开发入口。此外，DeepSeek-V3.2-Exp的API调用成本显著降低，大幅减轻了开发者的使用负担，这无疑加速了它在各类实际应用中的普及与落地。

• DeepSeek-V3.2（标准版）：适用于日常使用，平衡推理速度和输出质量。
• DeepSeek-V3.2-Speciale（增强版）：专为复杂推理和长思考任务优化，性能更强但计算成本更高。

DeepSeek-V3.2的主要功能

• 架构创新：DeepSeek-V3.2-Exp在DeepSeek-V3.1-Terminus的基础上引入了DeepSeek Sparse Attention（DSA）机制，通过闪电索引器和细粒度标记选择机制，实现了显著的效率提升，尤其在长文本场景下表现突出。

• 性能优化：模型在多个公开评测集上与DeepSeek-V3.1-Terminus性能相当，在长文本处理中显著降低了推理成本，从 优化至 ，大幅提高了长文本推理效率。

• 开源共享：DeepSeek-V3.2-Exp在Hugging Face和ModelScope平台开源，提供了详细的实现细节和模型权重，方便研究人员和开发者进行研究和应用。

• 成本降低：API价格大幅下降，降低了开发者的使用成本，使得更多开发者能够以较低成本接入和使用该模型，推动了其在实际应用中的广泛部署。

• 应用拓展：官方App、网页端、小程序均已更新为DeepSeek-V3.2-Exp，支持多种应用平台，为用户提供了更高效、更经济的AI服务体验。

DeepSeek-V3.2的技术原理

• 推理能力大幅提升​
  • 接近GPT-5水平：在多个公开推理评测（如GSM8K、MATH、HumanEval等）中表现优异，接近GPT-5，部分任务超越Gemini-3.0-Pro。
  • 数学能力增强：融合DeepSeek-Math-V2的定理证明能力，在IMO（国际数学奥林匹克）、ICPC（国际大学生程序设计竞赛）等顶级赛事中达到人类金牌选手水平。
  • 更高效的长文本处理：相比前代模型（V3.1-Terminus），在保持高质量输出的同时减少冗余内容，提升响应速度。
• Agent（智能体）能力重大升级​
  • 首个支持“思考+工具调用”融合的模型：可在推理过程中动态调用外部工具（如代码执行、搜索引擎、API等）。支持多轮思考模式，解决复杂任务时表现更稳定。
  • 大规模Agent训练数据：在1800+不同环境、85,000+复杂指令上训练，大幅提升任务规划与执行能力。在开源Agent评测中达到最高水平，缩小与闭源模型（如GPT-5、Claude 4）的差距。
• 更智能的工具调用​
  • 支持Claude Code：优化代码执行能力，可结合Python、SQL等工具进行复杂计算。
  • 思考模式API：允许用户回传思维链（Chain-of-Thought），让模型保持更连贯的推理过程。适用于数学证明、编程调试、数据分析等需要多步推理的任务。

• 稀疏注意力机制：DeepSeek-V3.2-Exp引入了DeepSeek Sparse Attention（DSA），通过闪电索引器计算查询标记与前序标记之间的索引分数，选择关键值条目，实现细粒度的稀疏注意力，显著提升长文本处理效率。

• 闪电索引器：闪电索引器是DSA的核心组件，计算查询标记与前序标记之间的索引分数，通过少量的索引头和高效的计算方式，快速确定哪些标记对查询标记最重要。

• 细粒度标记选择：根据索引分数，模型选择前k个关键值条目进行注意力计算，减少了不必要的计算，提高了模型的推理速度和效率。

• 基于MLA的实现：DSA在Multi-Layer Attention（MLA）架构下实现，采用Multi-Query Attention（MQA）模式，使得每个关键值条目可以在多个查询之间共享，提高了计算效率。

• 持续训练与优化：从DeepSeek-V3.1-Terminus的基础检查点开始，通过密集热身和稀疏训练两个阶段，对闪电索引器和整个模型进行优化，以适应稀疏注意力模式。

DeepSeek-V3.2的项目地址

• DeepSeek-V3.2：https://huggingface.co/deepseek-ai/DeepSeek-V3.2
• DeepSeek-V3.2-Speciale：https://huggingface.co/deepseek-ai/DeepSeek-V3.2-Speciale
• HuggingFace模型库：https://huggingface.co/deepseek-ai/DeepSeek-V3.2-Exp
• 魔搭社区：https://modelscope.cn/models/deepseek-ai/DeepSeek-V3.2-Exp
• 技术论文：https://github.com/deepseek-ai/DeepSeek-V3.2-Exp/blob/main/DeepSeek_V3_2.pdf

如何使用DeepSeek-V3.2

• 网页版 & APP：访问 DeepSeek 官网或下载官方APP。

• 通过API使用：开发者可以调用DeepSeek-V3.2-Exp的API接口，在自己的应用程序中集成该模型的功能。API价格的大幅下降使得使用成本降低，方便更多开发者接入。

• 本地运行：用户可以从Hugging Face平台下载DeepSeek-V3.2-Exp的模型权重，按照提供的本地运行指南，将权重转换为推理演示所需格式，并启动交互式聊天界面进行使用。

• 使用官方应用：DeepSeek的官方App、网页端和小程序均已更新为DeepSeek-V3.2-Exp版本，用户可以直接通过这些平台使用模型，无需额外配置。

• 模型微调：对于特定任务或领域，用户可以基于DeepSeek-V3.2-Exp进行微调，以更好地适应特定的应用场景，提升模型在特定任务上的性能。

• 二次开发：DeepSeek-V3.2-Exp在Hugging Face和ModelScope平台开源，用户可以参考开源代码和实现细节，了解模型的具体工作方式，并根据需要进行二次开发。

DeepSeek-V3.2的应用场景

• 长文本处理：适用于需要处理长文本的场景，如长篇文档分析、长文本生成等，其稀疏注意力机制能显著提高长文本的处理效率。

• 搜索与信息检索：可用于搜索代理等场景，帮助用户快速准确地检索信息，提升搜索效率和相关性。

• 代码生成与编程辅助：支持代码生成和编程辅助任务，如代码补全、代码优化等，帮助开发者提高编程效率和代码质量。

• 数学与逻辑推理：在数学问题解答和逻辑推理任务中表现出色，能够处理复杂的数学问题和逻辑推理链。

• 多语言处理：支持多语言任务，可应用于跨语言的文本生成、翻译等场景，满足不同语言环境下的需求。

• 智能代理与交互：作为智能代理的核心模型，可用于构建智能助手、聊天机器人等，提供自然语言交互服务。