搜索
IT之家 9 月 29 日消息，DeepSeek 今日正式发布 DeepSeek-V3.2-Exp 模型，这是一个实验性（Experimental）的版本。
作为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（IT之家注：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。
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。
为了严谨地评估引入稀疏注意力带来的影响，官方特意把 DeepSeek-V3.2-Exp 的训练设置与 V3.1-Terminus 进行了严格的对齐。在各领域的公开评测集上，DeepSeek-V3.2-Exp 的表现与 V3.1-Terminus 基本持平。
目前，官方 App、网页端、小程序均已同步更新为 DeepSeek-V3.2-Exp。
本次更新带来了 API 大幅度降价，开发者调用 DeepSeek API 的成本将降低 50% 以上。
DeepSeek-V3.2-Exp 虽然已经在公开评测集上得到了有效性验证，但仍然需要在用户的真实使用场景中进行范围更广、规模更大的测试。为方便用户进行对比测试，官方为 V3.1-Terminus 临时保留了额外的 API 访问接口。
DeepSeek-V3.2-Exp 模型现已在 Huggingface 与魔搭开源：
HuggingFace：
https://huggingface.co/deepseek-ai/DeepSeek-V3.2-Exp
ModelScope：
https://modelscope.cn/models/deepseek-ai/DeepSeek-V3.2-Exp
论文也已同步公开：
https://github.com/deepseek-ai/DeepSeek-V3.2-Exp/blob/main/DeepSeek_V3_2.pdf
