DeepSeek又過節搞事！新模型 V3.2-Exp 長文本效率更高，API 降價50%+

DeepSeek 果然又在過節搞事情了！

今天， DeepSeek-V3.2-Exp 版本正式發布。

該版本是基于公司此前發布的 DeepSeek-V3.1-Terminus 模型，升級而來。

版本命名中，Exp 是“實驗版”的意思。

作為其下一代架構探索的關鍵中間步驟，新模型的核心亮點在于，引入了自主研發的 DeepSeek Sparse Attention (DSA) 稀疏注意力機制，以大幅優化長文本處理的訓練和推理效率。

具體啥意思呢？

就是說，AI 在讀一篇萬字長文時，不再會一個字一個字去死記硬背，而是“劃重點”，以把精力花在最關鍵的信息上。

那這樣會不會影響閱讀效果呢？

為確保評估的嚴謹性，DeepSeek-V3.2-Exp 的訓練配置與 V3.1-Terminus 嚴格對齊。

根據 DeepSeek 提供的公開評測集數據，V3.2-Exp 的綜合性能表現，與前代 V3.1-Terminus 基本持平，這就驗證了，新機制在維持模型效果方面的有效性。

效率提升了，價格也就下降了。

DeepSeek 宣布稱，對其 API 服務價格大幅下調，幅度 為 50% 以上。

好東西，必須分享！

模型和論文都已開源，以下為地址：

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

魔搭 (ModelScope):
https://modelscope.cn/models/deepseek-ai/DeepSeek-V3.2-Exp

論文傳送門:
https://github.com/deepseek-ai/DeepSeek-V3.2-Exp/blob/main/DeepSeek_V3_2.pdf

此外，DeepSeek 還把TileLang & CUDA 算子也開源了，方便社區小伙伴門一起研究和迭代。

新版本已經在DeepSeek 官方App、網頁端、小程序全面上線，API 也已同步更新。