Huggingface的这个吐槽绝了，DeepSeek发新产品的时间节点貌似都在法定节假日前的1-10天不等。

这次发布的V3.2是接着前两天发布的V3.1-Terminus，主打的还是cost efficient，你可以看到，同样的任务，V3.2的token 消耗远小于V3.1。

随着 token 位置增长，V3.2-Exp 的成本增长斜率显著低于 V3.1-Terminus——

• Prefill：到 128K token，V3.1 ≈ $0.68 / M tokens，对比 V3.2 ≈ $0.18 / M（约 3–4× 降本）。
• Decoding：到 128K token，V3.1 ≈ $2.2 / M，对比 V3.2 ≈ $0.32 / M（约 6–7× 降本）。

重要的是，V3.2-Exp 是在 V3.1-Terminus 基础上的一次“架构试验版”，核心创新是 DeepSeek Sparse Attention（DSA），这也是我觉得最核心的一个更新，一般来说Attention种类很多，但用自己的公司命名，还是挺罕见的。

我觉得DS现在的重点，要么就是在搞一个非常新且强的attention结构，要么就是搞一个超脱于Attention机制的大活。

这个DSA就是一次小试水。

跟最近Gemini-2.5 Flash-Lite这类型主打速度和价格的产品类似，所有的大厂都在探索便宜好用的token。

性能方面，肯定会有一定的牺牲，但是明显可以看到性能损失的并不大。

推理/工具使用外的 reasoning 基准：MMLU-Pro、GPQA-Diamond、AIME 2025 等，V3.2 与 V3.1 持平或各有一两项小幅波动（如 AIME 稍优、HMMT 稍降、Codeforces 稍升）。Agentic / 工具类：BrowseComp（含中文）与 SWE-bench、多模态终端评测等，V3.2 同样基本持平或略优。

这支持了“把注意力做稀疏”不会显著牺牲输出质量的命题，为后续规模化转向稀疏化提供了证据。

我相信这肯定只是DS或者Google之类的做的众多探索方向上的一个不错的小案例，未来肯定还会在上面加大投入，scaling up到大的规模。

如果正在做大于32K 甚至 128K长上下文应用（检索增强、长报告、代码库理解、复杂 Agent 轨迹等），V3.2-Exp 具备立刻上手验证的价值；若是纯短上下文、吞吐不是痛点，V3.1 仍可胜任。

Agent时代，token还是太贵太慢了，还需要加速加速再加速。

我看了ds官方公众号发的推文之后，马上把日常简单任务模型从qwen3-next换成了这个模型，因为这次成本大幅降低，你目前还找不到任何一款模型，在成本如此低的情况下还能有这么高的性能，DSA稀疏注意力功不可没，同时它们也很谦虚、很踏实的在做着TileLang算子的迁移和开源，适配国产化。说实话，它应该是我目前见过最低调、最踏实的模型公司，是真正在搞这些底层创新的公司。它的老板在今年1月份说过的这句话还是让我很触动，中国科研缺的根本不是资金，而是信心，还有对于高密度人才有效的调动管理

短的结论：蹲下是为了蓄力跳的更高
基本情况：
按照DeepSeek平均每2个月发布一次大更新的节奏来看，9月底是应该有一次更新的。就在大家以为一周前的V3.1 Terminus就是9月交货时，DeepSeek交出来真正的9月更新，V3.2。
作为一个实验版本，官方似乎对V3.2的性能不太有信心，在不同渠道释放了希望广大用户参与对比测试的信息。并且也特别的把V3.1服务额外保留15天。这一切预示着V3.2恐怕不是大家预期中的，去冲击GPT-5兼美股轰炸机新一代大模型。
从性能测试来看，V3.2确实要弱于V3.1 5~10%，基础版争气的保住了中位分数，基本无负向。推理版连中位也保不住了。Token消耗上，V3.2也基本持平V3.1。但得益于其定价打了骨折，V3.2在同性能模型中又显得眉清目秀，相当顺眼了。所以如果你愿意花25%的价格，买90%的性能，那V3.2就正是为你准备的。


逻辑成绩：

*1 表格为了突出对比关系，仅展示部分可对照模型，不是完整排序。
*2 题目及测试方式，参见：大语言模型-逻辑能力横评 25-09月榜(Qwen3Max/Kimi K2/Grok4 Fast)。
*3 完整榜单更新在Github


不足：

• 工作记忆：V3.2的工作记忆比V3.1有显著劣化，如#43目标数问题，基础版和推理版都会重复使用数字，导致得分低于V3.1。#29数学符号还原问题，解题需要的技巧不多，靠穷举可以解决。但推理版因为过程中无法记住已排除的错误答案，花费30K Token，最终还是放弃解答。而V3.1仅用8K Token就解出正确答案。其他推理步骤多的问题，V3.2表现也类似，如#4魔方旋转，#40代码推导。
• 计算精度：V3.2基础版的计算精度与V3.1相当，都存在少量误差。但V3.1推理版能稳定保持低误差，计算精度高。V3.2推理版却做不到这一点，计算问题#22，#38题，推理版的误差并不比基础版少，而且3Pass也不稳定。
• 偷懒倾向：V3.2有着比以往都要高的偷懒倾向，遇到复杂问题，基础版在推理到一定深度时，会主动放弃，改用更直接的方式回复，比如会说“我直接给出常见匹配结果，根据以往经验”，这对终端用户显然是不友好的，如果用户不仔细看完推理全文，很难知道最终答案来自猜测。推理版同样受影响，如推理过程较长的#49激光器问题，V3.1会消耗70K Token尽量做完全推理，而V3.2只消耗50K就输出最终答案。而GPT-5平均也要到60K。
• 死循环：死循环问题在DeepSeek之前的基础模型中是十分罕见的，在笔者的标准测试题中从未出现。但V3.2基础版出现一次耗尽Token的死循环，并且在#22题，其中一步推理基础版陷入穷举，险些死循环，但最终被模型意识到，自己停止了穷举。

赛博史官曰：
DeepSeek这家公司是有追求的，他们一方面仰望星空，坚信AGI终会到来，尽管抵达AGI的路还模糊不清。另一方面又脚踏实地，愿意尝试一下前人没有探索过的方向，做领航员。一些由他们探索出来的路线如今已广泛应用在主流大模型中。他们总是以最大善意，向同行，向用户分享他们的最新成果。V3.2作为探索版本，在实用性上有些缺乏，但作为先行者，应该获得掌声。而且我们知道，在运动场上，选手蹲下是为了跳的更高。


目前所有评测文章在公众号：大模型观测员 同步更新。

来了！DeepSeek-V3.2

确认，DeepSeek新模型叫「DeepSeek-V3.2-Exp」。

只不过，多了一个后缀“Exp”。“Exp”指Experimental，意思是说这是一个实验性模型。

现在，上DeepSeek官网、APP就可以体验。

一个周前，DeepSeek更新了V3.1基础模型，版本名「DeepSeek-V3.1-Terminus」，Terminus意思终结者，大意是说这是DeepSeek V系列的终结版本。

之后，就是一个全新的架构了。

1、认识DeepSeek-V3.2

V3.2-Exp，目前还是一个过渡版本，是深度求索迈向新一代架构的中间步骤。

在V3.1-Terminus的基础上，V3.2-Exp首次引入了DeepSeek Sparse Attention——一种旨在探索和验证长上下文场景中训练和推理效率优化的稀疏注意力机制。

据了解，这是DeepSeek对更高效Transformer架构的一次实验性发布，重点关注在处理扩展文本序列时提高计算效率。

说白了就是，怎么让模型在仅有的训练卡里多干活、干好活，这也是国内模型的无奈之举。

显卡不够，算法来凑。

2、首次实现DSA

据介绍，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。

在这张推理成本对比图中可以看到，V3.2-Exp的成本大幅降低。无论上下文有多长，V3.2-Exp的成本几乎就没怎么变过。

而性能方面，V3.2-Exp不比3.1-Terminus差，甚至部分任务的表现还有所提升，比如代码和搜索Agent方面。

卧槽，我只能说，真的太强了！用全新的架构带来了超低的成本价格。

3、算法全部开源

在新模型的研究过程中，需要设计和实现很多新的GPU算子。

DeepSeek使用高级语言TileLang进行快速原型开发，以支持更深入的探索。在最后阶段，以TileLang作为精度基线，逐步使用底层语言实现更高效的版本。

而这一套东西，DeepSeek全部开源。

开源的主要算子包含TileLang与CUDA两种版本。如果大家需要进行研究性实验，建议使用基于TileLang的版本，方便进行调试和快速迭代。

TileLang版：https://github.com/tile-ai/tilelang/tree/main/examples/deepseek-v32

CUDA版：https://github.com/deepseek-ai/FlashMLA/pull/98

目前放出的模型没有小版本，都是685B，全部开源。在Huggingface和魔搭上可以下载。

HuggingFace：https://huggingface.co/deepseek-ai/DeepSeek-V3.2-Exp

ModelScope：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

4、API降价75%

由于新架构带来成本大幅降低，所以官方API也同步降价，价格即刻生效。

输入降幅50%，输出更是直接降到75%！价格屠夫，真的太残暴了！！

API调用地址：

https://platform.deepseek.com/usage

如果需要与V3.1-Terminus模型进行对比，DeepSeek也保留了API访问接口。

用户只需修改base_url="https://api.deepseek.com/v3.1_terminus_expires_on_20251015"， 即可访问 V3.1-Terminus，调用价格与V3.2-Exp相同。

即可访问 V3.1-Terminus，调用价格与V3.2-Exp相同。

该接口，保留至2025年10月15日24点。

更多使用指引，可以在这个官方文档查看。

https://api-docs.deepseek.com/zh-cn/guides/comparison_testing