v4.139.2281.131517 最新版
v3.577.466.492978 IOS版
v9.406.4838.62914 安卓最新版
v1.747 安卓漢化版
v8.74.4512.917287 安卓版
v3.288.9771.819986 安卓最新版
v3.777.4551 安卓版
v9.788.3572 安卓最新版
v4.773 安卓最新版
v4.855.6633 安卓版
v8.705 最新版
v9.73.1151.40203 安卓免費版
v6.929 安卓版
v5.259.4774 最新版
v3.345.1256.344018 安卓漢化版
v4.937 安卓免費版
v4.83.4263.648980 安卓免費版
v9.332.1977.825558 PC版
v3.713.7888 安卓最新版
v3.575.2989.187311 安卓免費版
v6.267.3113.327957 最新版
v3.755.6763.176102 最新版
v9.619.41 IOS版
v7.850.1122 PC版
v8.907 安卓免費版
v8.37.3305 最新版
v3.735 安卓漢化版
v4.894 IOS版
v3.416.6230 IOS版
v6.296.5009.496764 安卓漢化版
v2.165 PC版
v3.910.6635.534946 最新版
v9.280 安卓免費版
v6.918 最新版
v3.747.5370.126163 安卓漢化版
v9.347 最新版
v9.83.9059 安卓版
v3.302.4 安卓最新版
v1.546.4354.337884 PC版
v1.853.6332 安卓漢化版
v2.437.5505.984298 安卓漢化版
v1.89.9563.739596 安卓最新版
v3.852.1908.415407 PC版
v1.796.2996.327499 IOS版
v9.164.7882 PC版
v8.796.267.248449 IOS版
v5.281 安卓免費版
v9.898.4509 安卓版
v5.29.5938 最新版
v6.494.7060.12010 IOS版
v1.212 安卓版
v9.616 IOS版
v9.943 安卓版
v8.335.9191.796812 安卓版
v3.746.3985.289113 PC版
v6.804 IOS版
v1.236.4113.347742 最新版
v4.754.4821.788539 最新版
v2.300 IOS版
v7.861 最新版
v6.891.3653 安卓最新版
v9.898.7735.700073 最新版
v3.956.7764.51483 PC版
v6.457.9681.547957 安卓漢化版
v8.242 安卓漢化版
v9.799.6163.882120 安卓免費版
v9.711.9220.227890 安卓漢化版
v1.400.8762.321566 IOS版
v7.128 IOS版
v1.68.4826.634052 安卓漢化版
v1.483.7264.829039 安卓最新版
v3.314 安卓版
v9.464 PC版
v6.213.477.573635 安卓最新版
v2.270 最新版
v4.906 最新版
v3.73.1586 安卓版
v2.954.1254.509400 最新版
v2.276.2943 IOS版
v9.18.2242.840640 最新版
365bet亚洲体育在线
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
