今晚，DeepSeek-V3.2-Exp模型正式发布。优刻得模型服务平台UModelVerse极速完成接入，作为AI应用开发者，无需关注底层算力资源调度、基础环境的模型部署，UModelVerse控制台全面覆盖从模型训练到应用上线的全流程，轻松实现业务模型的快速落地与迭代，欢迎登陆体验！
(资料图)
UModelVerse控制台模型广场
官方表示DeepSeek-V3.2-Exp是一个实验性（Experimental）的版本，是迈向新一代架构的中间步骤。V3.2-Exp在V3.1-Terminus的基础上引入了DeepSeek Sparse Attention（一种稀疏注意力机制），针对长文本的训练和推理效率进行了探索性的优化和验证。
稀疏注意力机制（DSA）
DeepSeek Sparse Attention（DSA）首次实现了细粒度稀疏注意力机制，在几乎不影响模型输出效果的前提下，实现了长文本训练和推理效率的大幅提升。
V3.1-Terminus和V3.2-Exp在BrowseComp和SWE Verified上的强化学习训练曲线，实线和虚线分别表示准确率和平均输出tokens
V3.1-Terminus和V3.2-Exp推理成本对比
与之前模型最大的不同在于，DSA不再要求每个Token关注序列中的所有其他Token，而是引入了一个名为「闪电索引器」（lightning indexer）的高效组件。这个索引器能以极快的速度判断，对于当前正在处理的Token，序列中哪些历史Token是最重要的。随后，模型仅从这些关键Token中筛选出少量（例如Top-k，取2048个）进行精细计算，从而在处理长文本时显著提升效率。更重要的是，这种设计在实现效率飞跃的同时，并未牺牲模型的核心性能。
DeepSeek-V3.2-Exp的注意力架构
根据官方公布的评测结果，在与前代模型V3.1-Terminus严格对齐的训练设置下，V3.2-Exp在各大公开基准测试中的表现与前者基本持平。
V3.1-Terminus和V3.2-Exp在各基准下测评对比
此外，为支持社区研究，DeepSeek还开源了新模型研究中设计和实现的GPU 算子，包括TileLang和CUDA两种版本。官方团队建议在进行研究性实验时，优先使用基于TileLang的版本，以便于调试和快速迭代。
得益于新模型服务成本的大幅降低，官方API价格也相应下调，新价格即刻生效。在新的价格政策下，开发者调用DeepSeek API的成本将降低50%以上。
