ChatGPT发布三周年之际，DeepSeek推出两款新模型，DeepSeek-V3.2和DeepSeek-V3.2-Speciale，分别主打平衡实用和推理狂魔，性能媲美Gemini-3.0-Pro。DeepSeek-V3.2在日常Agent任务中表现出色，而DeepSeek-V3.2-Speciale则是科研党的福音。

突袭！ChatGPT发布三周年，DeepSeek“咣”地一声甩出两个新模型：DeepSeek-V3.2和DeepSeek-V3.2-Speciale。 前者主打“平衡实用”，后者直接化身“推理狂魔”，性能媲美Gemini-3.0-Pro 。

更离谱的是，Speciale 一口气把 IMO 2025、CMO 2025、ICPC World Finals 2025、IOI 2025 四块金牌全揣兜里——ICPC 成绩排人类第二，IOI 飙到人类第十，堪称“奥林匹克收割机”。

下面直接上硬菜，一口气把俩模型的里子面子全扒光。

一、DeepSeek-V3.2：平衡怪，日常 Agent 全能王

总结：V3.2侧重于平衡推理能力与输出长度，降低计算开销日常问答、通用 Agent、真实场景工具调用，推理对标 GPT-5，略逊 Gemini-3.0-Pro，但输出长度砍半，用户等待时间直接腰斩。

• 1800+ 环境、8.5 万条复杂指令喂出来的 Agent 数据，泛化到没见过的工具也能秒上手。
• DeepSeek模型体系当中首个“思考/非思考”双模式工具调用：想深思就深思，想秒回就秒回。
• 相比Kimi-K2-Thinking大幅缩短输出长度，减少用户等待时间；
• 推理成本128 k 长下文在 H800 上预填充成本从 0.7 → 0.2 美元/MTok，解码 2.4 → 0.8 美元/MTok，直接打骨折。

成绩SWE-Verified 73.1 %、Terminal Bench 2.0 46.4 %，开源圈里横着走；MCP-Universe、Tool-Decathlon 跟闭源怪物肩并肩。

二、DeepSeek-V3.2-Speciale：长思考怪兽，科研党福音

定位：数学证明、编程竞赛、学术研究，日常聊天别找它——它连“你好”都懒得优化。

绝活：把 DeepSeek-Math-V2 的定理证明能力直接融进骨髓，复杂逻辑一路火花带闪电。

代价：输出长度爆表，Token 烧钱速度肉眼可见，目前只给临时 API，不支持工具调用。

三、架构黑科技：DSA 稀疏注意力，长文本不再是电费黑洞

DeepSeek-V3.2 的核心架构创新是 DSA（DeepSeek Sparse Attention），把注意力复杂度从 O(L²) 砍到 O(L·k)，长上下文推理几倍提速且几乎不掉点，同时支持 FP8 与 MLA，训练友好。

做法分两步：

第一步：Lightning Indexer 先以 ReLU 激活快速算出查询与历史 token 的相关分，只留 top-k。

第二步：细粒度 token 选择机制用这 top-k 完成稀疏注意力。

继续训练采用两阶段：

1. Dense Warm-up（1000 步，21 B token）只训 indexer，对齐分布；
2. 再开稀疏阶段（15 k 步，943 B token）每查询仅取 2048 键值对。128 k 序列实测：H800 集群预填充成本从 0.7 → 0.2 美元/百万 token，解码从 2.4 → 0.8 美元，提速数倍。

四、后训练：RL 预算飙到预训练 110 %

DeepSeek团队在强化学习上下了血本

• 改进 GRPO：重新推导 K3 估计器，消除原公式带来的系统性偏差，防止梯度权重爆炸
• Keep Routing：MoE 训练-推理路由经常不一致，先缓存推理时的专家路径，训练时强制复刻，锁住参数空间
• 离线序列掩码：把大幅偏离当前策略的负样本序列直接 mask，避免大批量 off-policy 更新搅局
• 训练流程采用“专家蒸馏”：先给数学、代码、通用推理、Agent 等 6 大场景各训一套小专家（均含思考/非思考双模式），再用它们产出的高质量数据灌进最终模型，保证难度与多样性兼顾

五、Agent 能力的突破

此外，此次新模型在Agent任务上的突破也让人眼前一亮。这次DeepSeek团队找到了让模型同时具备推理和工具使用能力的方法。

训练方式可以概括为以下几点

• 自动环境合成pipeline：团队开发了自动生成任务的系统，创建了1827个任务导向环境和85000个复杂提示，例如旅行规划任务，模型需在多种约束下规划三天行程，涉及不重复城市、根据酒店价格调整预算等复杂逻辑。
• 推理与工具使用能力结合：团队找到了让模型同时具备推理和工具调用能力的方法。
• 上下文管理优化：改进了DeepSeek-R1每次新对话就丢弃推理内容的策略，只在引入新用户消息时才丢弃历史推理内容，工具相关消息则保留推理内容，确保工具调用历史和结果始终在上下文中。
• 冷启动策略：通过精心设计的系统提示，让模型在推理过程中自然插入工具调用，例如在编程竞赛题目中明确要求模型先思考再作答，并用特殊标签标记推理路径。
• 代码Agent方面：团队从GitHub挖掘数百万issue-PR对，经严格筛选和自动环境构建，搭建数万可执行软件问题解决环境，覆盖Python、Java、JavaScript等多语言。
• 搜索Agent方面：通过多Agent流水线生成训练数据：先采样大规模语料中的长尾实体，再经问题构建、答案生成与验证，产出高质量数据。DeepSeek-V3.2在SWE-Verified达73.1%解决率，Terminal Bench 2.0达46.4%准确率，显著超越开源模型，并在MCP-Universe、Tool-Decathlon等工具基准上逼近闭源模型表现

六、官方自曝局限

总 FLOPs 仍少，世界知识广度落后顶尖闭源。

Token 效率有待提升，同样质量需要更长轨迹。

别催，R2 还在锅里。

七、消息推送

App 和 Web 已全量推送 DeepSeek-V3.2，Speciale 临时 API 限量开测，技术报告同步上线。