v7.810.7059 安卓版
v9.847.9376 安卓最新版
v1.505.2687 PC版
v2.357.567.930543 最新版
v4.512.4519.201268 安卓漢化版
v9.425.3344 IOS版
v5.595.6229.9482 安卓免費版
v7.369.5816 IOS版
v5.535.8126.178492 最新版
v3.135.6034 PC版
v2.47 安卓免費版
v4.967 安卓漢化版
v8.174.5320.38479 IOS版
v4.123.4009.518994 安卓最新版
v1.834.1481.867052 安卓免費版
v7.253.3762 PC版
v2.877.8472.434847 安卓免費版
v4.27.4951.302366 最新版
v1.454 安卓版
v9.602.1068.197353 PC版
v7.712 安卓版
v3.116.9106.260735 安卓最新版
v6.645 安卓免費版
v9.722 安卓漢化版
v8.217.7548 最新版
v9.82.1216.651090 安卓最新版
v8.790.8402 PC版
v7.606 PC版
v4.555.505.918346 安卓最新版
v5.625.3262.950946 安卓版
v7.548.463 安卓漢化版
v3.997.5470.187685 安卓免費版
v5.530.2599.532973 安卓最新版
v1.345.1974.453655 IOS版
v8.385.9154 安卓最新版
v6.70 安卓漢化版
v9.219.6741.31744 PC版
v8.385 最新版
v2.2 安卓版
v8.215.9492.752438 最新版
v1.457.9075 安卓最新版
v6.609.1152.25867 最新版
v6.454.6274.615582 安卓免費版
v2.345 安卓版
v8.333 最新版
v5.400.4514.389776 最新版
v9.340 安卓免費版
v5.206.5693 安卓免費版
v4.167.879.850182 PC版
v3.901 最新版
v7.376.8226.339914 安卓免費版
v3.344 PC版
v8.164.1041.47372 安卓版
v7.681 安卓最新版
v2.150.1820.824317 安卓版
v8.41.5468 PC版
v3.169.1112 安卓最新版
v8.80.9605.37990 安卓漢化版
v9.836.2239.119772 IOS版
v9.194.2344.745944 安卓免費版
v8.916.4920.594907 PC版
v8.842.1208 安卓免費版
v5.941 安卓最新版
v5.459.6545.246890 安卓版
v3.150.6980.303232 安卓最新版
v7.340.9356.674768 安卓最新版
v7.51.5158.217735 安卓免費版
v4.405.2655.586314 安卓免費版
v5.799.5076.794304 安卓最新版
v3.904.4694 安卓最新版
v5.53.2791 安卓版
v2.35.9842.571190 PC版
v4.87.428.818882 最新版
v2.321.5750.798429 安卓免費版
v5.263.1799.21515 安卓版
v2.37.7332.50841 PC版
v3.418.7491.386337 PC版
v9.259.9915.81748 安卓版
v9.257.3861 安卓免費版
v1.44.8287.977001 安卓免費版
皇家赢三张
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