猫眼电影记者 许宗颖 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1：9297威尼斯棋牌

  12月29日,以正确认知共寻相处之道(钟声·大国外交·2025年度回眸),习近平在瀛台桥前迎接普京。两国元首边走边谈，看亭台楼榭，赏万物并秀。,下注游戏官网。

  12月29日,国家统计局：1—11月份规模以上工业企业利润保持增长,在问天气闸舱里，航天员们拆包了各种出舱需要用到的工具，画面左侧银色的是舱外工具台，此次航天员出舱需要用到的工具还包括通用把手、电动工具和脚限位器。在出舱过程中，伸缩安全绳将连接航天员与空间站，守护航天员的安全。,AG电子娱乐,正规外围买球app,现在什么游戏好玩。

  时事2：老版捕鱼达人1

  12月29日,中美青年在广西对话 传承飞虎队精神共筑友谊桥,11月16日召开的“第十届动力电池应用国际峰会”上，赣锋锂业董事长李良彬预计，2026年需求端增长30%至190万吨，供应端保持同步增长，整体处于供需平衡状态，但是如果需求增速超过30%，甚至达到40%，短期内供应无法平衡，价格可能会突破15万元/吨，甚至20万元/吨。,新浦金娱乐,雷速体育在线客服,manbex官网官方网站。

  12月29日,羽超联赛苏州站：“升班马”辽宁极兔队跃升首位,钱所长透露，目前吕王镇登记的企业数量有1000多家。按规定，这些企业每年都有年报、缴税记录等数据，但过去10年，刘院村上百家个体工商户的注册资金空白未得到清理，“空壳个体户”的僵死状态也未被发现。钱所长表示，他是2023年才接任工商所所长一职，对此前的情况并不了解。,手机凯发娱乐官网登录,亿博网投,必威官网下载地址。

  时事3：龙岩棋牌乐游戏大厅

  12月29日,勿让抢行加塞成为交通事故“导火索” 交替通行可使合流区通行效率提升,王超表示，一些国家出于私利，频频以不符合国际法的方式，对外国实体和个人进行肆意打压，这种做法和霸凌行径被国际社会普遍批评为“长臂管辖”。中方一贯坚决反对这种做法，针对那些对华无理打压遏制、粗暴干涉中国内政的行径，中国出台《反外国制裁法》《阻断外国法律与措施不当域外适用办法》《不可靠实体清单规定》等予以反制。,bat365娱乐网址,完美体育app下载,宝马会在线注册。

  12月29日,中国外交部：侵华日军731部队犯下罄竹难书的反人类罪行,长期以来，我国商品房销售中普遍附加公摊面积。有统计显示，我国目前商品住房公摊面积普遍在20%~30%左右。对于一二线城市购房者而言，二三成的公摊面积意味着动辄百万元的支出。与此同时，由于计算方式不透明、少数开发商“暗箱操作”、产权和收益权不统一，也让公摊面积成为房地产交易过程中多年饱受诟病的话题。,ag8真人国际,盛大网络游戏,电竞竞猜软件。

  时事4：足球现金网官网

  12月29日,西藏琼结1970箱蜜蜂酿出乡村振兴“蜜”方,近日获批的深圳理工大学、佛山大学、肇庆医学院、金华职业技术大学等等，正是国家层面支持与当地努力的成果体现。,博天堂官方下载,欧洲杯亚洲官网,365体育app下载。

  12月29日,今年前11个月上海市进出口值同比增长5.7%,4月份，居民消费需求持续恢复，全国CPI环比由降转涨，同比涨幅扩大。扣除食品和能源价格的核心CPI环比上涨0.2%，上月为下降0.6%；同比上涨0.7%，涨幅比上月扩大0.1个百分点。,真钱诈金花下载,手机版皇冠,华体会手机版登陆。