猫眼电影记者 黄先玫 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：网络注册永利

  12月27日,琼港携手共同打造南海救援“海空生命线”,李卓称，当前县域乡村地区的个人理财风险偏好普遍较低，主要追求高安全性的稳健回报，因此他所在农商行的自营理财产品都是风险等级在R1（低风险）或R2（中低风险）的纯固收类理财产品。在引入银行理财子公司理财产品后，该行将继续销售“清一色”的纯固收类理财产品。,网络百人牛牛怎么赢钱。

  12月27日,全国26所高校师生春城昆明斗茶艺,据IPO早知道消息，面壁智能日前完成数亿元融资。本次融资由京国瑞、国科投资、中金保时捷基金、米聚资本与和基投资共同参与，募集资金将主要用于加大端侧高效大模型的研发投入，加速端侧 AI 的商业化进程。,com体育 koksports,bwin体育APP,真人国际开户。

  时事2：mg游戏官方网站

  12月27日,中新健康｜这三个便秘误区您中招了吗？,会议围绕企业社会责任信息披露趋势、ESG价值核算、ESG评级体系及ESG战略实践等内容展开深入研讨，并展示了陕西企业在ESG与可持续信息披露方面的探索与阶段性成果。会议同期发布了“2025陕西企业可持续信息披露名单”“金蜜蜂2025陕西优秀企业可持续发展报告榜”以及入选《2025金蜜蜂企业可持续发展蓝皮书》案例证书等重要成果。,中超买球网站登录,神鸟版,威尼斯人手机版官网登入。

  12月27日,2025热词看中国经济③丨建设“好房子”,从债务期限结构看，公司长期借款相对可控，但短期负债占比过高，导致每年都面临集中的本息偿付压力。在融资环境趋紧的背景下，这种结构可能迫使公司不得不寻求高成本续贷，或折价处置资产以维持现金流，进而侵蚀长期盈利能力。,英皇体育好玩吗?,天博登录,炸金花网站。

  时事3：澳门百老汇官网

  12月27日,义利天下｜一顶来自义乌的帽子，火到了美国后院,然而，一种能够非常接近轨道上其他物体并与它们进行物理互动的太空飞行器，本质上就有能力充当武器。长期以来，人们一直担心所谓的“卫星杀手”可能会对太空中的其他物体发动各种不同类型的攻击。,现在哪个平台捕鱼金币可以卖,官方电子平台,足球即时大赢家。

  12月27日,西藏阿里以“废”为媒 厚植“无废细胞”守护高原生态,“有家就有佛山造。”这句在佛山广为流传的广告语，是这座制造大市最重要的招牌和底气，也成为当下经济增长的重要掣肘。,ag永乐国际,真钱最新平台,凤凰彩票入口登录。

  时事4：九五至尊开户网址

  12月27日,北京2027年世界田径锦标赛前期规划实地考察圆满收官,吉林省统计局介绍，一季度，全省服务业增加值同比增长5.7%，对全省GDP贡献率达53.5%。1—2月份，全省规模以上服务业重点行业营业收入同比增长26.5%，增速比上年同期加快18.0个百分点，其中规模以上软件和信息技术服务业、多式联运和运输代理业、科学研究和技术服务业营业收入分别增长42.5%、41.5%、38.7%。,胜负彩怎么买,雷速体育是不是可以买球,亚洲版365平台。

  12月27日,港澳球员闪耀残特奥乒乓赛场,在储能电池领域，亿纬锂能全球市占率仅次于宁德时代；动力电池领域，亿纬锂能排名国内第五。,利记官网,6up是什么,篮球竞彩即时比分。