www.dizesh.com

电脑版下载

14569
5

www.dizesh.com截图J8B1X4R6M2L9T5Q3W7PZ

内容详情

www.dizesh.com

9月29日，DeepSeek-V3.2-Exp模型正式发布，并已在Huggingface与魔搭开源。目前，官方App、网页端、小程序均已同步更新为DeepSeek-V3.2-Exp，同时API大幅度降价。

据官方介绍，DeepSeek-V3.2-Exp 模型是一个实验性（Experimental）的版本。作为迈向新一代架构的中间步骤，V3.2-Exp 在 V3.1-Terminus 的基础上引入了 DeepSeek Sparse Attention（一种稀疏注意力机制），针对长文本的训练和推理效率进行了探索性的优化和验证。

具体来说，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。

据“华为计算”微信公众号消息，9月29日，DeepSeek-V3.2-Exp发布并开源，引入稀疏Attention架构。昇腾已快速基于vLLM/SGLang等推理框架完成适配部署，实现DeepSeek-V3.2-Exp 0day支持，并面向开发者开源所有推理代码和算子实现。

DeepSeek还表示，在新模型的研究过程中，需要设计和实现很多新的GPU算子。官方使用高级语言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。因此，本次开源的主要算子包含TileLang与CUDA两种版本。官方建议社区在进行研究性实验时，使用基于TileLang的版本以方便调试和快速迭代。

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。在新的价格政策下，开发者调用DeepSeek API的成本将降低50%以上。

DeepSeek于8月21日正式发布 DeepSeek-V3.1，本次升级包含以下主要变化：首先是混合推理架构，一个模型同时支持思考模式与非思考模式；其次是更高的思考效率，相比 DeepSeek-R1-0528，DeepSeek-V3.1-Think 能在更短时间内给出答案；最后是更强的Agent能力，通过Post-Training优化，新模型在工具使用与智能体任务中的表现有较大提升。

9月22日，DeepSeek-V3.1更新至DeepSeek-V3.1-Terminus版本，此次更新在保持模型原有能力的基础上，针对用户反馈的问题进行了改进，包括：语言一致性，缓解了中英文混杂、偶发异常字符等情况；Agent 能力，进一步优化Code Agent与Search Agent的表现。官方表示，DeepSeek-V3.1-Terminus的输出效果相比前一版本更加稳定

为了严谨地评估引入稀疏注意力带来的影响，官方特意把DeepSeek-V3.2-Exp的训练设置与V3.1-Terminus进行了严格的对齐。在各领域的公开评测集上，DeepSeek-V3.2-Exp的表现与V3.1-Terminus基本持平。