9月29日晚间，深度求索公司发布了 DeepSeek-V3.2-Exp 模型，其宛如再次向国产芯片江湖投入一枚巨 石。 官方公告显示，新版本模型实验性地引入了 DeepSeek Sparse Attention（一种稀疏注意力机制），其显 著降低计算资源消耗并提升推理效率。 而得益于这一技术创新，深度求索宣布其官方App、网页端、小程序均已同步更新为新模型，并全面下 调API价格，降幅在50%到75%不等。 值得注意的是，不同于上次发布 DeepSeek-V3.1版本时"犹抱琵琶半遮面"的状态，此次 V3.2 EXP 版本 的发布，几乎零时差引发数个国产芯片厂商——华为、寒武纪、海光等的"认领"。 而这也标志着，国产AI软硬件生态的协同，已经在 DeepSeek 横空出世之后初具雏形。 争相"认领" 就在 DeepSeek 新版放出之后仅仅4分钟，寒武纪就对新模型适配的国产芯片进行"率先认领"。 紧随其后的则是华为昇腾，其表示，基于vLLM/SGLang等推理框架完成适配部署，实现DeepSeek-V3.2- Exp的0day支持，并向开发者开源所有推理代码和算子实现。 海光信息随后也表示，其DCU已实现对D ...

21世纪经济报道记者 赵云帆 9月29日晚间，深度求索公司发布了 DeepSeek-V3.2-Exp 模型，其宛如再次向国产芯片江湖投入一枚巨 石。 官方公告显示，新版本模型实验性地引入了 DeepSeek Sparse Attention（一种稀疏注意力机制），其显 著降低计算资源消耗并提升推理效率。 而得益于这一技术创新，深度求索宣布其官方App、网页端、小程序均已同步更新为新模型，并全面下 调API价格，降幅在50%到75%不等。 值得注意的是，不同于上次发布 DeepSeek-V3.1版本时"犹抱琵琶半遮面"的状态，此次 V3.2 EXP 版本 的发布，几乎零时差引发数个国产芯片厂商——华为、寒武纪、海光等的"认领"。 而这也标志着，国产AI软硬件生态的协同，已经在 DeepSeek 横空出世之后初具雏形。 争相"认领" 就在 DeepSeek 新版放出之后仅仅4分钟，寒武纪就对新模型适配的国产芯片进行"率先认领"。 该公司宣布，已同步实现对深度求索公司最新模型 DeepSeek-V3.2-Exp 的适配，并开源大模型推理引擎 vLLM-MLU源代码。 紧随其后的则是华为昇腾，其表示，基于vLLM/S ...

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. ...

记者丨 陈归辞 编辑丨卜羽勤 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 ...

资料图。本文来源：澎湃新闻 记者 范佳来 在新模型的研究过程中，需要设计和实现很多新的GPU算子，使用高级语言TileLang进行快速原型开发，以支持更深入的探索。在最后阶 段，以TileLang作为精度基线，逐步使用底层语言实现更高效的版本。此次开源的主要算子包含TileLang与 CUDA两种版本。 DeepSeek表示，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，开发者调用DeepSeek API的成本将降低50%以上。从价格 来看，输入缓存命中从0.5元降至0.2元/百万tokens，缓存未命中从4元降至2元/百万tokens，输出由12元降至3元/百万tokens。 DeepSeek新模型降价：优化推理效率，API价格降超50% DeepSeek发布新版本模型，调用API成本降低超50%。 9月29日，DeepSeek正式发布DeepSeek-V3.2-Exp模型，这是一个实验性（Experimental）的版本。 值得注意的是，此前有不少科技博主发现，DeepSeek-V3.2新模型已上传至其HuggingFace官方页面，随后被删除，此后DeepSeek正式公告 新版本的推出。 据 ...

模型更新与性能优化 - DeepSeek发布实验性版本DeepSeek-V3.2-Exp 引入稀疏注意力机制以提升长文本训练和推理效率 [1] - 新模型服务成本大幅降低 API价格下调超过50% [1] - DeepSeek-V3.2-Exp已在App、网页端和小程序同步更新 [1] 硬件厂商适配与生态支持 - 寒武纪同步适配DeepSeek-V3.2-Exp并开源大模型推理引擎vLLM-MLU源代码 [1] - 寒武纪通过Triton算子开发和BangC融合算子实现快速适配及性能优化 达成业界领先计算效率水平 [2] - 华为昇腾基于vLLM/SGLang推理框架完成DeepSeek-V3.2-Exp的0day支持 并开源所有推理代码和算子实现 [3] - 华为昇腾在CANN平台完成优化适配 在128K长序列下实现TTFT低于2秒、TPOT低于30毫秒的推理性能 [3] 模型迭代历程 - DeepSeek于8月21日发布V3.1版本 并于9月22日更新至Terminus版本 改进语言一致性问题 [3] - Terminus版本针对用户反馈优化 缓解中英文混杂及异常字符情况 [3]

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！ 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）！ 全新注意力机制 我们注意到，DSA正是此前与北大合作、梁文锋署名的那篇ACL 2025最佳论文中，原生稀疏注意力（Native Sparse Attention，NSA）的改进。 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。 技术报告里的引用 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 ...

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。 ...

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。 ...

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]