9月29日，DeepSeek-V3.2-Exp模型正式发布。 V3.2-Exp在V3.1-Terminus的基础上首次引入了团队自研的DeepSeek Sparse Attention （一种稀疏注意力机制，DSA），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。 DSA是一种针对Transformer架构的优化技术。在大语言模型的技术机制中，注意力机制是一个核心组件，决定了模型如何 在文本序列中聚焦关键信息，实现语义理解与生成。 简单对比来看，在Transformer架构中，传统的注意力机制是"稠密的"，处理长文本时计算量会呈指数级增长。DSA则是一 种"稀疏"方案，更高效，成本也更低。 得益于新模型服务成本的大幅降低，DeepSeek API的价格也大幅下调50%以上。 除技术创新与价格"腰斩"外， DeepSeek此次开源TileLang版本算子，同样引发业内高度关注。 实验版本 当日更早时候，有不少业内人士注意到，DeepSeek将 v3.2-base 上传至DeepSeek在社区平台HuggingFace的官方页面，但很 快被删除。此后，DeepSeek正式公告新版本DeepSeek-V3. ...