猫眼电影记者 赵莹莹 报道首次登录送91元红包

衡宇 发自 奥特赛德量子位 | 公众号 QbitAI

ChatGPT发布三周年，DeepSeek嚯一下发出两个模型：

DeepSeek-V3.2DeepSeek-V3.2-Speciale

前者聚焦平衡实用，适用于日常问答、通用Agent任务、真实应用场景下的工具调用。

推理达GPT-5水平，略低于Gemini-3.0-Pro。

后者主打极致推理，推理基准性能媲美Gemini-3.0-Pro。

还一把斩获IMO 2025、CMO 2025、ICPC World Finals 2025、IOI 2025金牌。

划重点，ICPC达到人类选手第二、IOI人类选手第十名水平。

具体来说，DeepSeek-V3.2侧重于平衡推理能力与输出长度，降低计算开销。

DeepSeek官微推文中写道，“DeepSeek-V3.2模型在Agent评测中达到了当前开源模型的最高水平”。

该模型其他情况如下：

推理能力比肩GPT-5；相比Kimi-K2-Thinking大幅缩短输出长度，减少用户等待时间；DeepSeek旗下首个“思考融入工具调用” 的模型，支持思考/非思考双模式工具调用；基于1800+环境、85000+复杂指令的大规模Agent训练数据，泛化能力强。

下图展示的是DeepSeek-V3.2与其他模型在各类Agent工具调用评测集上的得分

——特别强调，DeepSeek-V3.2并没有针对这些测试集的工具做特殊训练。

DeepSeek-V3.2-Speciale是DeepSeek-V3.2的长思考增强版，融合了DeepSeek-Math-V2的定理证明能力。

在指令跟随、数学证明、逻辑验证方面，DeepSeek-V3.2-Speciale能力出众，推荐用来完成高度复杂数学推理、编程竞赛、学术研究类任务。

特别注明！这个版本目前没有针对日常对话与写作做专项优化。

而且仅供研究使用，不支持工具调用。

在高度复杂任务上，Speciale模型大幅优于标准版本，但消耗的Tokens也显著更多，成本更高。

目前，DeepSeek的App和Web端，都已经更新为正式版DeepSeek-V3.2；Speciale版本目前仅供临时API使用。

模型发布同时，技术报告也已经挂出来了。

论文里透露的技术细节相当硬核：

新的稀疏注意力机制DSA大幅降低计算复杂度，强化学习训练的计算量超过预训练的10%，还有全新的大规模Agent任务合成管线……

具体情况，我们详细来看。

提出DSA高效稀疏注意力机制，长文本不再是负担

DeepSeek-V3.2最大的架构创新是引入了DSA（DeepSeek Sparse Attention）机制。

传统的注意力机制在处理长序列时计算复杂度是O(L²)，严重制约了模型的部署效率和后续训练的可扩展性。

DSA让计算复杂度降低到O(L·k)，k远小于L。

与此同时，DSA让模型在长上下文任务中显著加速推理，且无明显性能损失。

支持FP8精度，适配MLA（Multi-Query Attention）架构，训练友好。

怎么做到的？

DSA主要包含两个组件，一个叫lightning indexer（闪电索引器），另一个叫fine-grained token selection（细粒度token选择）机制。

闪电索引器负责快速计算查询token和历史token之间的相关性分数，然后只选择top-k个最相关的token进行注意力计算。

团队特意选用了ReLU激活函数来提升吞吐量。

DeepSeek-V3.1-Terminus开始继续训练时，团队采用了两阶段策略。

第一阶段是Dense Warm-up，保持密集注意力，只训练lightning indexer，让它学会对齐主注意力的分布。

这个阶段只用了1000步，处理了21亿个tokens。

第二阶段才引入稀疏机制，每个查询token选择2048个键值对，训练了15000步，总共处理了9437亿个tokens。

实测效果相当给力——

在128k长度的序列上，DeepSeek-V3.2的推理成本比V3.1-Terminus降低了好几倍。

H800集群上的测试显示，当序列长度达到128K时，预填充阶段每百万token的成本从0.7美元降到了0.2美元左右，解码阶段从2.4美元降到了0.8美元。

后训练算力超过预训练的10%

值得注意的是，DeepSeek团队这次在强化学习上下了血本。

论文里明确提到，RL训练的计算预算已经超过了预训练成本的10%，这在开源模型里相当罕见。

DeepSeek在技术报告中提到，开源模型在post-training阶段的计算资源投入不足，限制了其在困难任务上的性能。

为此，团队开发了稳定、可扩展的RL协议，使训练后阶段的计算预算超过了预训练成本的10%，从而解锁了模型的先进能力。

展开讲讲——

为了稳定地扩展RL计算规模，团队在GRPO（Group Relative Policy Optimization）算法基础上做了好几项改进。

首先是无偏KL估计，修正了原始的K3估计器，消除了系统性误差。

原来的估计器在某些情况下会给出无界的梯度权重，导致训练不稳定。

其次是离线序列掩码策略。

在实际训练中，为了提高效率通常会生成大批量的rollout数据，然后分成多个mini-batch进行梯度更新。这种做法本身就引入了off-policy行为。

团队通过计算数据采样策略和当前策略之间的KL散度，把那些偏离太远的负样本序列给mask掉，避免它们干扰训练。

团队还特别针对MoE模型设计了Keep Routing操作。

推理框架和训练框架的实现差异可能导致同样的输入激活不同的专家，这会造成参数空间的突变。通过保存推理时的路由路径并在训练时强制使用相同路径，确保了参数优化的一致性。

在具体训练上，团队采用了专家蒸馏的策略。

先为每个任务训练专门的模型，包括数学、编程、通用逻辑推理、通用Agent任务、Agent编程和Agent搜索这6个领域，每个领域都支持思考和非思考两种模式。

然后用这些专家模型生成特定领域的数据来训练最终模型。

Agent能力的突破

此外，此次新模型在Agent任务上的突破也让人眼前一亮。

这次团队找到了让模型同时具备推理和工具使用能力的方法。

在思考上下文管理方面，团队发现DeepSeek-R1那种每次开启新对话就丢弃推理内容的策略，实在是太——浪费token了。

于是设计了新的管理机制：

只有在引入新的用户消息时才丢弃历史推理内容，如果只是添加工具相关消息，推理内容会被保留。即使推理痕迹被删除，工具调用历史和结果也会保留在上下文中。

冷启动阶段，DeepSeek-V3.2团队采用了巧妙的prompt设计。

团队通过精心设计的系统提示，让模型学会在推理过程中自然地插入工具调用。

比如在处理编程竞赛题目时，系统会明确要求模型先思考再给出答案，并用特殊标签标记推理路径。

最硬核的是团队开发了一个自动环境合成pipeline，生成了1827个任务导向的环境和85000个复杂提示。

以旅行规划为例，模型需要在满足各种约束条件下规划三天的行程，包括不重复城市、根据酒店价格调整餐厅和景点预算等复杂逻辑。

虽然在巨大的组合空间中找到满足所有约束的方案很困难，但验证给定方案是否满足约束相对简单，这种”难解易验”的特性非常适合RL训练。

在代码Agent方面，团队从GitHub挖掘了数百万个issue-PR对，经过严格筛选和自动环境构建，成功搭建了数万个可执行的软件问题解决环境，涵盖Python、Java、JavaScript等多种语言。

搜索Agent则采用多Agentpipeline生成训练数据，先从大规模网络语料中采样长尾实体，再通过问题构建、答案生成和验证等步骤产生高质量数据。

评测结果显示，DeepSeek-V3.2在SWE-Verified上达到73.1%的解决率，在Terminal Bench 2.0上准确率46.4%，都大幅超越了现有开源模型。

在MCP-Universe和Tool-Decathlon等工具使用基准测试上，DeepSeek-V3.2也展现出了接近闭源模型的性能。

这些提升，证明了模型能够将推理策略泛化到训练时未见过的Agent场景。

One More Thing

技术报告最后，研究人员坦诚地指出了一些局限性。

由于总训练FLOPs较少，DeepSeek-V3.2的世界知识广度仍落后于领先的闭源模型。

Token效率也是个挑战。通常情况下，本次上新的两个模型需要生成更长的轨迹，才能达到Gemini-3.0-Pro的输出质量。

但团队发话了，这些都是未来版本的改进方向。

不过——

DeepSeek啊DeepSeek，我们心心念念的R2，什么时候给抬上来啊！！！！

  时事1：乐彩网摘

  12月25日,湖北利川推动算力建设加快打造“武陵算谷”,然而，2024年投资端高达11.67亿元的巨额亏损拖累盈利，使其当年净利润同比大幅下降。该公司也开启了一轮大规模的“拨乱反正”，积极应对挑战。今年该公司高管班子大调整，年轻化的同时也优化了人员配置。,万博网页版登陆页。

  12月25日,国务院食安办部署加强元旦、春节和全国两会期间食品安全工作,据亿纬锂能中央研究院院长赵瑞瑞介绍，开发钠电池的核心目的是与锂电池形成互补，而非替代锂电池，两类电池在性能上的差异化特征，能够适配不同应用场景的需求。例如，数据中心长期处于高温环境下运作，若意外断电，钠电的高功率特性可实现瞬间补能，保障数据中心持续运行、避免数据丢失等。,九游会AG登录j9,万博manxbetx,国际音标发音真人朗读。

  时事2：千赢娱乐pkufli官方网站

  12月25日,中央经济工作会议中的“十五五”名词：服务业扩能提质行动,上述视频的页面显示，视频内容由“赵菊英家庭教育”“家访中国”“赵菊英聊教育”共创发布，后两个账号粉丝数相对较多，粉丝数分别为6.5万、28.4万。其中一个账号的简介显示，其是33年资深家庭教育专家、33年资深语文名师，在全国各地巡回演讲超过1000多场，出过两本书，有一个“3岁背完150本纯英文世界名著、7岁精通四国语言”的儿子。该账号早期发布的视频中，一位小男孩说着一口流利的英语。,米兰体育,app342mg,葡京赌盘平台欢迎来到。

  12月25日,中国男篮主帅回应失利：球队要想起亚洲杯是怎么做的,黄建生说，今年，他已经接近退休年龄，基本退居二线。今年4月底，村民发现异常情况后，村委会统一核查，打来电话，黄建生才发现，自己名下也于2013年底注册了“三个工商营业执照”。黄建生称，自己从部队转业回来就在村里当干部，从未做过生意。,探球篮球比分,快赢网,365bet足球比分。

  时事3：巴黎人手机登录网址

  12月25日,百年大集再上新 天津宁河升级“赶集+”新平台,在专访中，斯托尔滕贝格谈及了乌克兰反攻，乌克兰加入北约等议题。斯托尔滕贝格表示，所有北约成员国都同意乌克兰将成为成员国，“所有盟友都同意乌克兰有权选择自己的道路，所有盟友都同意北约的门保持打开状态”。但斯托尔滕贝格也明确指出，他无法给出乌克兰加入北约的日期，因为乌克兰加入北约的前提是“乌克兰作为主权国家赢得冲突”。,盛世网购彩,雷速体育在线直播,bbin官方版app。

  12月25日,小小传感器，何以改变大世界？,所谓翻新机，就是二手手机翻新而来的手机。在刚果（金），50美元能买到一部不错的翻新机，当地人每月的平均工资有100多美元。彭昌国解释：“相当于月薪三四千元的国人，买一台两千多元的手机，属于正常消费。一些社会地位较高的人士甚至会有两部手机，智能机用来上网，功能机用来打电话。”,手机赌博官方网,宝博体育平台,K8凯发手机版登录。

  时事4：新百胜公司联系电话

  12月25日,普京：特别军事行动目标必须实现,与此同时，通用汽车在披露电动汽车投资收缩造成 16 亿美元的财务影响后，仍在持续重新评估自身的电动化规划，且公司预计未来还将计提更多资产减值损失。福特汽车上周也宣布，因调整业务发展优先级、收缩电动汽车领域投资，公司将计提约 195 亿美元的特殊项目支出。,优德体育值得信赖网站,云顶娱乐app官网,明升备用地址。

  12月25日,国务院安委会办公室对21个市级政府开展安全生产约谈,常年打球的张先生告诉《环球时报》记者：“在郑钦文夺冠前的这几年，网球运动在大众层面一直是向上走的态势，加入网球运动行列中的人不断增多。”张先生分析，这也许跟网球是隔网运动有关，因此在疫情期间受到欢迎。,日博体育登录注册,凯发ag旗舰厅下载,爱游戏娱乐平台。