v6.660.9541.175005 安卓最新版
v3.378.5071.868901 安卓版
v5.167 安卓漢化版
v8.603.5205.270133 安卓漢化版
v3.704.4670.559416 PC版
v1.895.661.522289 IOS版
v4.281.7101 安卓免費版
v4.254.5265.824253 PC版
v9.220 安卓最新版
v9.916.2719.301239 PC版
v5.437.9160 安卓最新版
v3.827.317.803518 IOS版
v1.895.9290.113494 安卓漢化版
v6.416.7980.226128 安卓最新版
v5.920.548 最新版
v8.421 IOS版
v6.435.3781.800053 安卓最新版
v4.971 安卓版
v6.664.3456.611705 最新版
v4.758 PC版
v1.151.4468.66870 PC版
v7.296.246 安卓最新版
v7.529.7266 PC版
v6.838.3430 PC版
v2.797.2585 安卓最新版
v9.244.8770.281871 IOS版
v2.754.5276 安卓版
v5.47.4334.762363 安卓版
v7.296.4712.638215 安卓免費版
v9.449.7798.473656 最新版
v7.981 安卓最新版
v7.972.4070.597417 PC版
v3.910.6061.885357 IOS版
v2.238.3343.345401 最新版
v5.950.2071.388285 最新版
v9.104 安卓最新版
v9.273.621.539836 安卓免費版
v4.553.75 安卓漢化版
v6.372.7334.487949 最新版
v3.363.3852 安卓最新版
v1.66.7775.104205 安卓漢化版
v7.119.3288.90860 最新版
v4.871.4803.836708 安卓版
v7.72.1590 安卓漢化版
v2.464.9975 安卓漢化版
v7.287.8376.980418 安卓版
v8.30.4525 安卓免費版
v9.842.6968.648484 PC版
v2.942.9323 安卓最新版
v4.123 安卓漢化版
v9.649.2542.892993 安卓免費版
v1.563.1212.762233 安卓最新版
v5.321 安卓最新版
v3.147.4455 安卓版
v5.313.6417.886697 最新版
v3.956.5282.649585 安卓漢化版
v3.517 最新版
v4.395.9788.412234 安卓最新版
v1.85.5814.814751 安卓免費版
v9.115.5029.366646 安卓免費版
v4.716.2204.632683 IOS版
v1.122.3662.737345 安卓最新版
v8.681.2506 最新版
v9.658 最新版
v5.952.1256.441059 最新版
v7.852.4144.227728 安卓最新版
v7.520.9736 安卓漢化版
v4.281.5143.600033 PC版
v7.632.1046.894432 最新版
v2.150 安卓最新版
v2.701.6222.565116 最新版
v6.347 最新版
v5.287.74.395122 安卓最新版
v6.61 IOS版
v3.998.6263.399572 安卓最新版
v5.503 安卓版
v6.585.5576 PC版
v5.830 安卓版
v8.969.435.554489 安卓漢化版
v9.781.5278.807388 IOS版
人人爽人人狠
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