DeepSeek-V3.2-Exp实验版发布：迈向新架构的关键一步

DeepSeek再进一步，离下一代架构更近一步！

智东西9月30日报道，昨日，DeepSeek宣布开源DeepSeek-V3.2-Exp实验版模型。该模型首次引入了DeepSeek Sparse Attention稀疏注意力机制，在几乎不影响模型输出效果的前提下，大幅提升了长文本训练和推理效率，被DeepSeek定义为“迈向新一代架构的中间步骤”。

HuggingFace地址：

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

魔搭社区地址：

https://modelscope.cn/models/deepseek-ai/DeepSeek-V3.2-Exp

这一改进还降低了DeepSeek新模型的服务成本，DeepSeek因此执行了新的价格政策，让开发者调用DeepSeek API的成本降低50%以上。

降价幅度最大的为输出token的价格：DeepSeek-V3.2-Exp模型输出100万个token的价格仅为3元，为DeepSeek-V3.1系列模型的1/4。

截至9月30日上午6点，华为云、PPIO派欧云、优刻得等云平台已宣布上线DeepSeek-V3.2-Exp，华为、寒武纪、海光信息等AI芯片厂商已经宣布适配DeepSeek-V3.2-Exp。

DeepSeek-V3.2-Exp是在DeepSeek-V3.1-Terminus的基础上打造的。在各领域的公开评测集上，两款模型的表现基本一致，不过，DeepSeek-V3.2-Exp完成任务使用的token量大幅度减少。

目前，DeepSeek App、网页端与小程序均已同步上线了DeepSeek-V3.2-Exp模型。DeepSeek也临时保留了DeepSeek-V3.1-Terminus的API接口，方便开发者进行对比验证。

除模型本体外，DeepSeek还开源了相关技术报告及代码，并提供TileLang与CUDA双版本GPU算子，以便研究者在不同层级进行实验和优化。

技术报告地址：https://github.com/deepseek-ai/DeepSeek-V3.2-Exp/blob/main/DeepSeek_V3_2.pdf

DeepSeek还补充道，作为一个实验性的版本，虽然已经在公开评测集上得到了有效性验证，但仍需更广泛的用户测试以确保性能稳定。

华为、海光、寒武纪迅速适配，网友期待新一代DeepSeek

企业纷纷响应，推动技术迭代

在模型发布后仅几分钟，华为、寒武纪等巨头便宣布适配完成。

华为计算公众号发文称，昇腾已快速完成适配部署，实现Day 0支持。DeepSeek-V3.2-Exp在昇腾设备上能维持高效的推理生成速度。

华为云则首发上线了DeepSeek-V3.2-Exp，使用CloudMatrix 384超节点提供推理服务。

寒武纪也在短短几分钟内宣布适配完成，并开源大模型推理引擎vLLM-MLU源代码。

用户体验与架构创新并重

编程更简洁但性能略降

在编程方面，代码更为简短

然而，这在某种程度上影响了模型的性能。例如，在动画生成任务中，与DeepSeek-V3.1相比，V3.2未能成功完成任务。

信息检索任务中，V3.2推荐的结果虽然简洁但不符合所有要求。

架构创新优于性能提升

“继续预训练+后训练”模式展现高效性

“继续预训练+后训练”模式有效平衡性能与效率

“迈向新一代架构”的初步尝试

“展示新路径”的初步成功