经济观察网9月29日，DeepSeek-V3.2-Exp发布并开源，引入稀疏Attention架构。海光DCU率先实现无缝 适配+深度调优，确保大模型算力"零等待"部署。 在"深算智能"战略引领下，海光信息始终致力于AI软件栈生态建设，全面支持以DeepSeek为主流的全球 主流开源大模型。得益于长期、活跃的技术积累，海光DCU得以快速对DeepSeek-V3.2-Exp完 成"Day0"级高效适配与优化。 基于GPGPU架构强大的生态优势，与编程开发软件栈DTK的特性，DeepSeek-V3.2-Exp在海光DCU上展 现出优异的性能，充分验证海光DCU高通用性、高生态兼容度及自主可控的技术优势，已成为支撑AI 大模型训练与推理的关键基础设施。 ...

凤凰网科技讯 9月29日，DeepSeek-V3.2-Exp模型发布，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。 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。 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。在新的价 格政策下，开发者调用DeepSeek API的成本将降低50%以上。 ...

摘要： 在新的价格政策下，开发者调用DeepSeek API的成本将降低50%以上。 2025年9月29日，DeepSeek-V3.2-Exp模型发布，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。 DeepSeek Sparse Attention的核心创新在于首次实现了细粒度的稀疏注意力机制，这一机制能够在几乎不影响模型输出质量的前提下，大幅提高长文本的处 理效率。 并且，为了确保优化效果的可验证性，V3.2-Exp的训练设置与V3.1-Terminus进行了严格对比，结果显示，V3.2-Exp在各大公开评测集上的表现与V3.1- Terminus几乎持平。 | | Benchmark | DeepSeek-V3.1- | DeepSeek-V3.2-Exp | | --- | --- | --- | --- | | | | Terminus | | | General | MMLU-Pro GPQA-Diamond | 85.0 | 85.0 | | | | 80 ...

DeepSeek方面表示，这是一个实验性(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。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。 新京报贝壳财经讯(记者罗亦丹)9月29日，DeepSeek在官方公众号发文称，发布DeepSeek-V3.2-Exp模 型。 目前，该模型的API价格为每百万tokens输入0.2元(缓存命中)，2元(缓存未命中)，输出3元。相比此前， 开发者调用DeepSeek API的成本降低逾50%。 ...

新浪科技讯 9月29日晚间消息，DeepSeek发布DeepSeek-V3.2-Exp模型。据悉，这是一个实验性 （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。 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。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-V3.2-Exp 模型现已在 Huggingface 与魔搭开源。 【免责声明】本文仅代表作者本人观点，与和讯网无关。和讯网站对文中陈述、观点判断保持中立，不 对所包含内容的准确性、可靠性或完整性提供任何明示或暗示的保证。请读者仅作参考，并请自行承担 全部责任。邮箱：news_center@staff.hexun.com 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。（文猛） ...

北京商报讯（记者 魏蔚）9月29日，深度求索正式发布 DeepSeek-V3.2-Exp 模型，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。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 （应用程序编程接口）大幅度降价。在新的价格政策下，开发者调用 DeepSeek API 的成本将降低 50% 以上。 ...

9月29日，DeepSeek发布DeepSeek-V3.2-Exp模型版本。据介绍，这是一个实验性（Experimental）版 本，在此前版本V3.1-Terminus的基础上引入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探索性的优化和验证。目前，DeepSeek的App、网页端、小程序均已同步 更新为DeepSeek-V3.2-Exp。同时，得益于新模型服务成本的大幅降低，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。 寒武纪表示，公司一直高度重视大模型软件生态建设，支持以DeepSeek为代表的所有主流开源大模 型。借助于长期活跃的生态建设和技术积累，寒武纪得以快速实现对DeepSeek-V3.2-Exp这一全新实验 性模型架构的day 0适配和优化。此前，公司对DeepSeek系列模型进行深入的软硬件协同性能优化，达 成了业界领先的算力利用率水平。针对本次的DeepSeek-V3.2-Exp新模型架构，寒武纪通过Triton算子开 发实现快速适配，利用BangC融合算子开发实现极致性能 ...

模型发布与更新 - DeepSeek-V3.2-Exp模型于9月29日正式发布并在Huggingface与魔搭平台开源 官方App、网页端和小程序同步更新为V3.2-Exp版本 [1] - 新版本为实验性模型 引入DeepSeek Sparse Attention稀疏注意力机制 针对长文本训练和推理效率进行优化验证 [1] - 华为昇腾已基于vLLM/SGLang推理框架完成适配部署 实现DeepSeek-V3.2-Exp 0day支持 并向开发者开源所有推理代码和算子实现 [1] 技术架构创新 - 稀疏注意力机制首次实现细粒度稀疏化 在几乎不影响输出效果前提下大幅提升长文本训练和推理效率 [1] - 新模型研发使用TileLang高级语言进行快速原型开发 最终阶段以TileLang为精度基线改用底层语言实现高效版本 [2] - 开源算子包含TileLang与CUDA两种版本 官方建议研究性实验使用TileLang版本便于调试和快速迭代 [2] 性能评估与迭代历程 - V3.2-Exp训练设置与V3.1-Terminus严格对齐 在各领域公开评测集表现基本持平 [5] - 8月21日发布的V3.1版本采用混合推理架构 同时支持思考与非思考模式 相比DeepSeek-R1-0528思考效率更高 [4] - 9月22日更新至V3.1-Terminus版本 优化语言一致性缓解中英文混杂问题 并强化Code Agent与Search Agent能力 [4] 商业化进展 - 新模型服务成本大幅降低 API价格相应下调超过50% [4] - V3.1版本通过Post-Training优化显著提升工具使用与智能体任务表现 [4]

大消息。 9月29日，DeepSeek宣布，正式发布DeepSeek-V3.2-Exp模型。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。 据了解，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。 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。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。 | | Benchmark | DeepSeek-V3.1- | DeepSeek-V3.2-Exp | | --- | --- | --- | --- | | | | Terminus | | | | MMLU-Pro | 85.0 | 85.0 | | General | GP ...

卷不过，根本卷不过。 被称为"价格屠夫"的DeepSeek再次挥刀降价了。 9月29日晚间，DeepSeek宣布正式发布 DeepSeek-V3.2-Exp模型，性能仍是稳步提升，但出乎意料的是，调用价格大幅降低，尤其输出价格大降75%，业界人 士表示"这很难卷得过"。DeepSeek提到，在新价格政策下，开发者调用DeepSeek API的成本将降低50%以上。 具体来看，输入价格上，缓存命中时，DeepSeek-V3.2-Exp从0.5元/百万tokens降至0.2元/百万tokens，缓存未命中的价格则从4元/百万tokens降为2元/百万 tokens；输出价格上，从12元/百万tokens直接降到了3元/百万tokens。 此外，为支持社区研究，DeepSeek 还开源了新模型研究中设计和实现的 GPU 算子，包括 TileLang 和 CUDA 两种版本。团队建议社区在进行研究性实验 时，优先使用基于 TileLang 的版本，以便于调试和快速迭代。 值得一提的是，就在9月22日，DeepSeek才发布了DeepSeek-V3.1-Terminus模型，Terminus在拉丁语里是终点、界限的意思 ...