DeepSeek于9月29日正式发布并开源了其实验性模型DeepSeek-V3.2-Exp。该模型在V3.1-Terminus的基础上，引入了DeepSeek Sparse Attention（DSA）稀疏注意力机制，旨在大幅提升长文本的训练和推理效率，同时在模型输出效果上基本保持与前代持平。此次更新还包括API价格的显著下调，成本降低超过50%。此外，文章还回顾了DeepSeek V3.1的混合推理架构、思考效率提升以及Agent能力的增强，并介绍了V3.1-Terminus版本在语言一致性和Agent表现上的改进。DeepSeek-V3.2-Exp的推理代码和算子实现已在昇腾上适配部署，并开源了TileLang与CUDA两种版本的算子。

🌟 **DeepSeek-V3.2-Exp模型发布与开源**：DeepSeek于9月29日正式发布了其实验性模型V3.2-Exp，并已在Huggingface和魔搭平台开源。官方App、网页端和小程序均已同步更新，同时大幅降低了API调用费用，为开发者提供了更经济高效的AI模型服务。

💡 **引入稀疏注意力机制（DSA）**：V3.2-Exp模型的核心创新在于引入了DeepSeek Sparse Attention（DSA），一种细粒度的稀疏注意力机制。该机制在几乎不影响模型输出效果的前提下，显著提升了处理长文本时的训练和推理效率，为大规模语言模型在处理长上下文场景下提供了新的解决方案。

🚀 **昇腾平台适配与算子开源**：华为昇腾平台已快速完成对DeepSeek-V3.2-Exp的适配部署，实现了对新模型的“0day”支持。同时，DeepSeek开源了推理代码和算子实现，包括使用高级语言TileLang快速原型开发的版本以及更高效的底层CUDA版本，便于开发者进行研究性实验和快速迭代。

💰 **API价格大幅下调**：得益于新模型服务成本的降低，DeepSeek将API价格下调了50%以上，极大地降低了开发者使用其API进行模型集成的成本，有望推动更多创新应用的落地。

📈 **V3.1版本回顾与改进**：文章回顾了DeepSeek V3.1版本的关键更新，包括支持思考与非思考模式的混合推理架构、更高的思考效率以及更强的Agent能力。随后更新的V3.1-Terminus版本进一步优化了语言一致性和Agent表现，输出效果更为稳定。

9月29日，DeepSeek-V3.2-Exp模型正式发布，并已在Huggingface与魔搭开源。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。

据官方介绍，DeepSeek-V3.2-Exp 模型是一个实验性（Experimental）的版本。作为迈向新一代架构的中间步骤，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。

具体来说，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。

据“华为计算”微信公众号消息，9月29日，DeepSeek-V3.2-Exp发布并开源，引入稀疏Attention架构。昇腾已快速基于vLLM/SGLang等推理框架完成适配部署，实现DeepSeek-V3.2-Exp 0day支持，并面向开发者开源所有推理代码和算子实现。

DeepSeek还表示，在新模型的研究过程中，需要设计和实现很多新的GPU算子。官方使用高级语言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。因此，本次开源的主要算子包含TileLang与CUDA两种版本。官方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。

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。在新的价格政策下，开发者调用DeepSeek API的成本将降低50%以上。

DeepSeek于8月21日正式发布 DeepSeek-V3.1，本次升级包含以下主要变化：首先是混合推理架构，一个模型同时支持思考模式与非思考模式；其次是更高的思考效率，相比 DeepSeek-R1-0528，DeepSeek-V3.1-Think 能在更短时间内给出答案；最后是更强的Agent能力，通过Post-Training优化，新模型在工具使用与智能体任务中的表现有较大提升。

9月22日，DeepSeek-V3.1更新至DeepSeek-V3.1-Terminus版本，此次更新在保持模型原有能力的基础上，针对用户反馈的问题进行了改进，包括：语言一致性，缓解了中英文混杂、偶发异常字符等情况；Agent 能力，进一步优化Code Agent与Search Agent的表现。官方表示，DeepSeek-V3.1-Terminus的输出效果相比前一版本更加稳定

为了严谨地评估引入稀疏注意力带来的影响，官方特意把DeepSeek-V3.2-Exp的训练设置与V3.1-Terminus进行了严格的对齐。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。

本文来自“界面新闻”，记者：陈小同，36氪经授权发布。