智东西12月2日报谈，昨晚，DeepSeek发布了两款新模子：DeepSeek-V3.2和DeepSeek-V3.2-Speciale。这是DeepSeek现时性能最鉴定的模子九游体育app官网，在推理、智能体等多领域基准测试中斩获环球开源模子第一的清楚。
DeepSeek称，尺度版的DeepSeek-V3.2在公开的推理类基准测试中，达到了GPT-5的水平，仅略低于Gemini-3.0-Pro；比拟Kimi-K2-Thinking，V3.2的输出长度大幅镌汰，显赫减少了计较支出与用户恭候时刻。
长想考增强版DeepSeek-V3.2-Speciale相聚了DeepSeek-Math-V2的定理诠释才调，具备较强的指示随从、数学诠释与逻辑考据才调，在主流推理基准测试上的性能清楚比好意思Gemini-3.0-Pro。
在开源天下里，DeepSeek-V3.2亦然开首的存在。据泰斗大模子测评平台Artificial Analysis数据线路，在未计入DeepSeek-V3.2时，现时业内智能水平最高的开源模子是Kimi-K2-Thinking。
在DeepSeek-V3.2和Kimi-K2-Thinking两款模子均公布赶走，且测试建设交流的基准测试上，DeepSeek-V3.2均开首于Kimi-K2-Thinking。
▲DeepSeek-V3.2和Kimi-K2-Thinking基准测试对比，数据来源为官方渠谈
DeepSeek-V3.2照旧DeepSeek推出的首个将想考融入用具使用的模子，而况同期守旧想考步地与非想考步地的用具调用。
DeepSeek-V3.2模子在智能体评测中达到了现时开源模子的最高水平，大幅粗糙了开源模子与闭源模子的差距。值得确认的是，V3.2并莫得针对这些测试集的用具进行格外考试，这意味着V3.2在真实应用场景中大概展现出较强的泛化性。
此外，DeepSeek-V3.2-Speciale模子还见效斩获IMO 2025（国外数学奥林匹克）、CMO 2025（中国数学奥林匹克）、ICPC World Finals 2025（国外大学生法式瞎想竞赛环球总决赛）及 IOI 2025（国外信息学奥林匹克）金牌。其中，ICPC与IOI收获区分达到了东谈主类选手第二名与第十名的水平。
在高度复杂任务上，Speciale模子大幅优于尺度版块，但破钞的Tokens也显赫更多，资本更高。当今，DeepSeek-V3.2-Speciale仅供探讨使用，不守旧用具调用，暂未针对日常对话与写稿任务进行专项优化。
当今，DeepSeek官方网页端、App和API均已更新为郑再版DeepSeek-V3.2。Speciale版块当今仅以临时API劳动体式开放，以供社区评测与探讨。DeepSeek-V3.2系列模子也曾开源，本领叙述同期发布。
值得一提的是，在本领叙述的作家名单里，咱们能看到不少纯属的名字，比如DeepSeek独创东谈主兼CEO、前段时刻代表DeepSeek在乌镇天下互联网大会上发声的探讨员陈德里等。
本领叙述：
https://modelscope.cn/models/deepseek-ai/DeepSeek-V3.2/resolve/master/assets/paper.pdf
开源贯穿：
DeepSeek-V3.2
https://modelscope.cn/models/deepseek-ai/DeepSeek-V3.2
DeepSeek-V3.2-Speciale
https://modelscope.cn/models/deepseek-ai/DeepSeek-V3.2-Speciale
一、开源模子、闭源模子差距越来越大？DeepSeek找到三个原因
往常几个月，开源模子和独有模子的差距为什么在欺压扩大？这是DeepSeek团队一直在想考的问题。
DeepSeek团队以为，扬弃开源模子在复杂任务中才调的成分，主要有三点。
开首，在架构上，开源模子主要依赖于原始驻防力机制，这严重扬弃了长序列处理的成果。这种低效性对领域化部署和灵验的考试后阶段都组成了紧要贫寒。
其次，在资源分派方面，开源模子在考试后阶段的算力干与不及，扬弃了其在费劲任务上的清楚。
临了，在智能体应用场景中，与独有模子比拟，开源模子在泛化才和谐指示降服才调上清楚出昭彰滞后，这断绝了其在真实部署中的灵验性。
为了处置这些要津扬弃，DeepSeek开首引入了DSA（DeepSeek Sparse Attention），这是一种高效的疏淡驻防力机制，旨在显赫镌汰计较复杂度。该架构灵验处置了成果瓶颈，即使在长高下文场景下也能保执模子性能。
其次，DeepSeek开拓了一个安详且可彭胀的强化学习公约，允许在考试后阶段进行大领域算力彭胀。值得驻防的是，该框架分派的考试后算力预算跳跃了预考试资本的10%，这在业内是较为格外的，从而解锁了模子的高等才调。
第三，DeepSeek提议了一种新颖的进程来促进用具使用场景中的泛化推理。研发团队哄骗DeepSeek-V3法子现实冷启动阶段，将推理和用具使用融合在单一轨迹中。
随后，鼓动到大领域的智能体任务合成，生成了跳跃1800个不同的环境和85000个复杂教导。这些世俗合成的数据驱动了强化学习过程，显赫增强了模子在智能体高下文中的泛化才和谐指示降服才调。
二、基于DeepSeek-V3.1最终版打造，DSA让模子计较更灵巧
DeepSeek-V3.2使用的架构与此前发布的实验版DeepSeek-V3.2-Exp十足交流。与DeepSeek-V3.1系列的临了一版DeepSeek-V3.1-Terminus比拟，DeepSeek-V3.2唯独的架构转变是通过执续考试引入了DSA。
传统的驻防力机制在处理一个token时，需要和它前边通盘的toekn进行计较，这在长文本中相当耗时。DSA的想路等于先快速筛选出最进击的几个token，然后只对这些token进行详确分析。
这一遴荐是通过闪电索引器（lightning indexer）杀青的。闪电索引器计较查询token与前序token的索引分数，以决定应该遴荐哪些token进行计较。鉴于闪电索引器头数少且可在FP8下杀青，其计较成果相当出色。
给定每个查询token的索引分数后，细粒度令牌遴荐机制仅检索与top-k索引分数对应的键值条款，并计输出。
DeepSeek-V3.2的考试从高下文长度已彭胀到128K的DeepSeek-V3.1-Terminus基础查验点启动。
在连续预考试过程中，模子先阅历“密集预热”，即保执完好驻防力不变，只考试索引器，使其学会效法原驻防力的散播。
随后进入疏淡考试阶段，引入真实的令牌遴荐机制，并同期优化通盘这个词模子。通过这种逐步过渡的神色，模子大概自由从密集驻防力移动到疏淡结构，而不会导致性能坍弛。
在才调评估方面，DeepSeek-V3.2-Exp在尺度基准测试、东谈主类偏好评估以及多项长高下文任务中均清楚出与前代尽头甚而更优的赶走。
非论是ChatbotArena的Elo得分，照旧AA-LCR与Fiction.liveBench等长序列测试，皆线路其在引入疏淡驻防力后并未就义模子质料，反而在长序列推理中取得昭彰上风。
在本色推理资本上，DSA将模子的中枢驻防力复杂度从平方级镌汰为类似线性增长，使得序列越长，从简越昭彰。诚然索引器自己仍需处理全局信息，但其支出远小于原MLA。
相聚工程优化，DeepSeek-V3.2在H800 GPU上杀青了显赫的端到端加快，并在短高下文下哄骗特意的掩码步地进一步晋升成果。总体而言，DeepSeek-V3.2在保执才调不降质的同期，灵验冲破了长高下文推理的性能瓶颈。
▲DeepSeek-V3.2在H800 GPU上杀青了显赫的端到端加快
三、打造6类专属模子，让模子给我方造后考试数据
DeepSeek-V3.2的后考试阶段是在执续预考试之后进行的，它的野心是把一个领域庞大但尚不决型的基础模子，进一步塑变成兼具推理、用具使用、代理任务和对都才调的最终版块。
通盘这个词过程延续了DeepSeek-V3.2-Exp的作念法，并依然基于疏淡驻防力进行高效考试。后考试主要依靠两条阶梯：一条是大众蒸馏，一条是搀杂式强化学习，两者相聚起来，使模子在不同领域都能取得安详且平衡的才调晋升。
大众蒸馏的中枢想想是，不同任务由特意的大众模子来承担学习，再将这些大众的才调积蓄到融合的大模子中。
团队开首从吞并个DeepSeek-V3.2基础查验点开赴，为数学、编程、逻辑推理、通用智能体、智能体编程和智能体搜索等六类专科任务区分考试专属模子，这些模子领有想考步地和径直作答步地两类数据，并哄骗大领域RL进行强化，以保证每个大众在我方的领域达到高水准。
随后，这些大众会稳健生成高质料的领域数据，用来考试一个融合的大模子。实验标明，用大众数据蒸馏出来的大模子性能也曾相当接近各个大众自己，再辅以后续的RL微调，残余的差距也不错基本摒除。
搀杂式强化学习智力连续采纳GRPO（Group Relative Policy Optimization）算法，把推理、智能体与东谈主类对都的考试整合到吞并个阶段，从而幸免多阶段考试中常见的倒霉性渐忘。
推理和智能体任务主要依赖轨则奖励、长度处分以及话语一致性奖励；而通用任务则由生成式奖励模子字据特定rubric评分。这么作念的平允是，模子不会偏向某一类任务，而能在合座上保执稳健的才调平衡。
为了让强化学习大概在大领域计较下安详鼓动，团队还对GRPO作念了多项改良，使得大模子在万古刻、高强度的考试下依然能保执讲究的照管性格。
在后考试中，DeepSeek-V3.2留心处置“想考步地与用具使用怎么相聚”的难题。为了幸免模子在多轮用具调用中通常叠加推理，他们瞎想了一套新的高下文管理机制：只须当出现新的用户音信时才会打消想考轨迹，而用具输出的追加并不会导致推理内容被丢弃。
同期，用具调用历史仍会被完好保留，确保模子大概连气儿地哄骗已有推理连续完成后续行为。在考试早期，由于推理数据与代理数据来源不同，模子需要一个冷启动神色把“边想考边用用具”的步地拼接起来，因此团队瞎想了特定的系统教导，让模子在推理轨迹中当然镶嵌用具调用，为后续RL提供可学习的示例轨迹。
举例，在回应问题1过程中（央求1.1-1.3），模子进行了屡次想考+用具调用后给出谜底。在这个过程中，用户需回传想维链内容（reasoning_content）给 API，以让模子连续想考。鄙人一个用户问题启动时（央求2.1），需删除之前的想维链，并保留其它内容发送给API。
▲用具调用历史保存机制
真实的才调晋升则来兴隆领域的代理任务RL，它们遮掩搜索、代码建设、代码解释以及由自动环境生成器创建的多样可考据任务——这些任务经常具有复杂性高、可考据性强的性格，相当适当营为RL的考试素材。
最终形成的DeepSeek-V3.2是在经过无数大众蒸馏数据、搀杂RL考试和用具想考机制增强之后得到的融合模子，会通想考和非想考才调，而另一个实验版块DeepSeek-V3.2-Speciale则进一步在推理方朝上加剧考试，以探索更长推理旅途的后劲。
结语：平衡计较成果与推理才调，常识广度和token成果仍有晋升起间
DeepSeek-V3.2是一个平衡了计较成果与高等推理才调的模子。 DSA在不就义长高下文性能的前提下处置了要津的计较复杂度问题。跟着计较预算的晋升，DeepSeek-V3.2在推理基准测试上达到了可与GPT-5相比好意思的性能。
此外，DeepSeek集成的大领域智能体任务合成活水线，显赫增强了用具使用才调，为构建稳健且具备泛化才调的开源大模子智能体盛开了新的可能性。
不外，DeepSeek也承认，由于合座考试FLOPs较少，DeepSeek-V3.2的天下常识广度仍过时于开首的独有模子。DeepSeek打算在畴昔的迭代中通过扩大预考试计较量来粗糙这一常识差距。
其次，token成果仍是一项挑战；DeepSeek-V3.2平淡需要更长的生成轨迹（即更多的tokens）才能达到与Gemini-3.0-Pro等模子雷同的输出质料。畴昔的责任将聚焦于优化模子推理链的“智能密度”，以进一步提高成果。
第三，在处置复杂任务方面，DeepSeek-V3.2与前沿模子比拟仍有差距，DeepSeek称会进一步完善基础模子以及后考试处理决策。