v6.652.9161.708361 最新版
v4.203.8341.898792 PC版
v6.876 安卓漢化版
v7.286.847.66855 安卓最新版
v6.33.195.161069 IOS版
v1.404.6353 安卓版
v4.626 安卓漢化版
v2.128.6446 安卓版
v4.281.2550.601283 IOS版
v4.677.7446.585453 安卓免費版
v4.239.6804.725548 最新版
v3.247.9554.777183 安卓版
v4.747.2459 最新版
v7.921.5627.746613 安卓版
v4.607.5947 安卓免費版
v4.754 安卓版
v5.474 最新版
v7.652 IOS版
v5.287.7458.722214 安卓漢化版
v4.691.2423 安卓免費版
v5.769.9797.231579 安卓免費版
v1.884.5678.210314 安卓版
v1.600.1360.839410 最新版
v4.984.7804 PC版
v4.28.1499.942204 PC版
v9.491 安卓免費版
v7.457.8282.116201 安卓漢化版
v5.829.9052 IOS版
v6.356 安卓免費版
v1.462.1137 安卓版
v6.7.6315 安卓版
v8.320 安卓最新版
v1.547.8737 安卓漢化版
v1.771.698.302326 PC版
v5.497.8718.572891 安卓漢化版
v2.482.32 安卓版
v2.157.3592 安卓最新版
v9.177.8876.97166 PC版
v2.839 安卓免費版
v3.963.6161 PC版
v3.546.7927.130365 安卓漢化版
v3.582.720 安卓最新版
v8.519.4771 IOS版
v3.816 安卓漢化版
v5.616.4476.397774 PC版
v9.193.247 安卓免費版
v8.595.622.773777 安卓版
v4.914.7336 安卓最新版
v8.680 最新版
v5.324.2274.91464 安卓免費版
v5.666 PC版
v5.975 最新版
v6.661.6076.501848 安卓漢化版
v2.130.1896.333250 安卓漢化版
v5.999.2289 安卓免費版
v9.667.4066.943378 安卓漢化版
v3.792.7670 IOS版
v8.144 安卓版
v5.425.2639.382696 安卓最新版
v1.661 安卓版
v5.706 安卓漢化版
v7.380 安卓漢化版
v5.658.7080.534310 PC版
v1.906 PC版
v9.387.5807.837966 安卓漢化版
v8.898.7714.31508 安卓版
v2.933.9498.737965 安卓版
v4.204.1022.927893 安卓最新版
v2.338.9111.156379 安卓免費版
v3.150.4183.227562 安卓版
v6.679 安卓最新版
v1.805.867 安卓漢化版
v8.473 最新版
v6.61 PC版
v1.757.309 最新版
v8.423.978 最新版
v2.26.541.5497 PC版
v6.956.8339 安卓版
v6.620.4850 PC版
v8.243.1116.994611 安卓免費版
dafacasino手机客户端下载
新智元报道
编辑:好困 定慧
【新智元导读】DeepSeek最新模型V3.2-Exp发布,推出全新注意力机制DeepSeek Sparse Attention(DSA),训练推理提效的同时,API同步降价达50%以上!
刚刚,DeepSeek最新模型上线!
代号DeepSeek-V3.2-Exp,被DeepSeek誉为最新的实验性模型!
这次V3.2主要基于DeepSeek-V3.1-Terminus,并且首次引入「DeepSeek稀疏注意力」(DeepSeek Sparse Attention,DSA),在长上下文上实现更快、更高效的训练与推理。
值得注意的是,这是第一个用「DeepSeek」品牌命名的关键技术(注意力机制)!
我们注意到,DSA正是此前与北大合作、梁文锋署名的那篇中,原生稀疏注意力(Native Sparse Attention,NSA)的改进。
技术报告里的引用
全新注意力机制
DeepSeek-V3.2-Exp的核心武器「DeepSeek稀疏注意力」,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。
论文地址:https://github.com/deepseek-ai/DeepSeek-V3.2-Exp/blob/main/DeepSeek_V3_2.pdf
与之前模型最大的不同是,DSA不再让每个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,模型只从这些最重要的Token中选取(Top-k)一小部分(例如2048个)进行精细计算。
如此一来,核心注意力的计算复杂度就从O(L?)骤降至O(Lk),其中k是一个远小于L的固定值。
这在处理长文本时,无疑带来了巨大的效率提升。
更关键的是,这种效率提升并非以牺牲性能为代价。
在DeepSeek-V3.1的基础上,团队先用一个简短的「密集预热」阶段来初始化闪电索引器,让它学会模仿原有模型的注意力分布。
随后进入「稀疏训练」阶段,让整个模型适应新的稀疏模式。
最后,再沿用与前代模型完全相同的后训练流程,包括专家蒸馏和混合强化学习(GRPO)。
为了严谨地评估引入稀疏注意力带来的影响,DeepSeek特意把DeepSeek-V3.2-Exp的训练设置与V3.1-Terminus进行了严格的对齐。
DeepSeek-V3.2-Exp的架构图,其中DSA在MLA下实例化。
评估结果显示,无论是在短文本还是长文本任务上,DeepSeek-V3.2-Exp的性能与它的「密集注意力」前身V3.1-Terminus相比,都没有出现实质性的性能下降。
与此同时,在实际部署的推理成本测试中,其端到端的加速效果和成本节约非常显著。
虽然DeepSeek-V3.2-Exp目前还是一款实验性模型,但它所展示的「性能不降、成本骤减」的特性,为大模型突破长文本瓶颈,指明了一条充满希望的工程路径。
价格更便宜
DeepSeek再一次把模型价格打了下来!
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。
目前API的模型版本为DeepSeek-V3.2-Exp,访问方式保持不变。
最后,不得不说,这次DeepSeek太仁慈了,「发布节奏」真的听取了网友的建议,给众多AI界的朋友们放个好假!
参考资料:
https://api-docs.deepseek.com/zh-cn/news/news250929
相关版本
多平台下载
查看所有0条评论>网友评论