📌 一句话摘要

DeepSeek 发布 V3.2-Exp 模型，引入稀疏注意力机制提升长文本处理效率，同步大幅降低 API 价格，并开源模型、论文及底层算子。

📝 详细摘要

深度求索正式发布实验性模型 DeepSeek-V3.2-Exp，其核心创新是引入了 DeepSeek Sparse Attention（DSA）稀疏注意力机制。该机制在不显著影响模型输出效果的前提下，大幅提升了长文本场景下的训练和推理效率。文章指出，V3.2-Exp 在公开评测集上的表现与前一代 V3.1-Terminus 基本持平。为推动技术普惠和社区发展，DeepSeek 同步大幅下调 API 价格超过 50%，同时开源了 V3.2-Exp 模型、相关研究论文以及创新的 TileLang 与 CUDA GPU 算子。官方鼓励广大用户对新模型进行对比测试并提供反馈，以进一步验证其在真实应用场景中的表现。

💡 主要观点

1. 引入 DeepSeek Sparse Attention（DSA）显著提升长文本处理效率 DSA 作为一种细粒度稀疏注意力机制，在几乎不影响模型输出质量的前提下，大幅优化了长文本场景下的模型训练和推理成本，提高了资源利用率。
2. API 价格同步大幅下调超 50%，降低开发者使用成本 得益于新模型带来的服务成本降低，DeepSeek 将 API 价格进行显著调整，使开发者能以更低廉的成本调用高性能大模型，促进 AI 应用开发。
3. 模型、论文及 GPU 算子全面开源，助力社区技术发展 DeepSeek 不仅开源了 V3.2-Exp 模型和研究论文，还开放了用于 GPU 算子开发的 TileLang 与 CUDA 版本，为研究者和开发者提供了深入探索和快速迭代的基础工具。

💬 文章金句

• DeepSeek Sparse Attention（DSA）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。
• 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。
• 在新的价格政策下，开发者调用 DeepSeek API 的成本将降低 50% 以上。
• 我们建议社区在进行研究性实验时，使用基于 TileLang 的版本以方便调试和快速迭代。
• 作为一个实验性的版本，DeepSeek-V3.2-Exp 虽然已经在公开评测集上得到了有效性验证，但仍然需要在用户的真实使用场景中进行范围更广、规模更大的测试。

📊 文章信息

阅读完整文章