v6.159.5830.910640 PC版
v9.707.9241 PC版
v9.983.8469.882273 IOS版
v9.964.6053 安卓免費版
v7.888 IOS版
v4.229.613.709203 安卓漢化版
v9.845.296.307602 IOS版
v2.141 安卓版
v7.106 最新版
v4.456.9287.929447 IOS版
v2.737.9511.758602 安卓版
v5.14 PC版
v7.812 安卓免費版
v3.554.1264.440516 PC版
v4.617 安卓漢化版
v4.306.3662.837 安卓漢化版
v6.996 PC版
v6.872.1648 最新版
v2.820.4507 安卓漢化版
v4.213.8500 安卓漢化版
v1.770.8203 安卓漢化版
v5.424 安卓漢化版
v3.387 安卓最新版
v8.60 安卓漢化版
v3.510.7318.95165 安卓免費版
v8.971.8003.768278 PC版
v5.226.6330.435655 IOS版
v7.789.7976 安卓最新版
v7.619 安卓版
v2.13.5523.384204 安卓最新版
v9.795.6427.976307 安卓最新版
v2.586.1947.785477 安卓版
v8.312.1316 安卓版
v6.532 安卓最新版
v8.567.3924.386302 安卓版
v5.172.3860.138899 IOS版
v9.182.518.756917 最新版
v7.680.4346.717451 安卓免費版
v6.516.5794 安卓漢化版
v3.273.2597 安卓版
v5.793 PC版
v4.701 IOS版
v7.42.7775 最新版
v1.214.9448.439448 安卓免費版
v5.921.4796 最新版
v8.624.2013.894429 安卓版
v7.201.2223 安卓最新版
v2.211.1460 IOS版
v6.678.4405 IOS版
v9.314.8130.978030 安卓漢化版
v9.16.8022 最新版
v5.1.5577.873356 安卓漢化版
v3.429 安卓版
v4.273.7728.466485 安卓免費版
v7.920.54.486596 最新版
v5.174 安卓免費版
v6.785.5675.659279 安卓最新版
v2.784.4988.867773 安卓免費版
v2.948.8649 IOS版
v3.128 最新版
v3.442.44 安卓漢化版
v7.966 安卓漢化版
v3.971.5784 安卓漢化版
v9.688.9976.777420 安卓最新版
v2.733.9393 安卓漢化版
v4.80.7294.336962 安卓免費版
v9.629.9582.518141 安卓免費版
v7.637.786.207279 安卓最新版
v7.522 安卓版
v4.923 IOS版
v7.924.7363.557816 PC版
v6.537 安卓免費版
v8.61.7635.861585 安卓最新版
v4.992 安卓免費版
v7.256.936 安卓漢化版
v2.406.5514 安卓版
v8.907 PC版
v1.612.5198.949448 安卓免費版
v4.294.4181.146507 安卓免費版
v1.300.1873 最新版
大红鹰贵宾场线路检测网址
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
