TechWeb 全站精华
·
DeepSeek-V3.2两款新模型开源，让开源模型重回第一梯队
内容提要
DeepSeek发布了DeepSeek-V3.2和V3.2-Speciale两款新开源模型，性能接近GPT-5和Gemini-3.0-Pro。V3.2适合日常使用，而V3.2-Speciale在复杂任务中表现优异，具备强大的推理能力。团队指出开源模型与闭源模型之间的差距在扩大，并提出三项关键技术突破以提升开源模型的能力。
关键要点
-
DeepSeek发布了DeepSeek-V3.2和V3.2-Speciale两款新开源模型，性能接近GPT-5和Gemini-3.0-Pro。
-
DeepSeek-V3.2适合日常使用，V3.2-Speciale在复杂任务中表现优异，具备强大的推理能力。
-
开源模型与闭源模型之间的性能差距在扩大，DeepSeek团队识别出三项关键不足。
-
DeepSeek-V3.2的目标是平衡推理能力与输出长度，适合问答场景和通用Agent任务。
-
DeepSeek-V3.2-Speciale是V3.2的长思考增强版，具备出色的指令跟随能力和逻辑验证能力。
-
V3.2-Speciale在复杂任务上表现优异，但消耗的Tokens更多，成本更高。
-
DeepSeek团队提出三大因素限制开源模型能力，包括架构依赖、资源分配不足和泛化能力滞后。
-
引入DSA稀疏注意力机制、可扩展的强化学习框架和大规模Agent任务合成流程是关键技术突破。
-
DeepSeek-V3.2在推理基准测试中表现与Kimi-k2-thinking和GPT-5相似，但略逊于Gemini-3.0-Pro。
-
DeepSeek-V3.2显著提升了开源模型的Agent能力，成为成本效益高的替代方案。
-
DeepSeek-V3.2在工具使用基准测试中缩小了与闭源模型的性能差距，支持思考模式下的工具调用能力。
-
技术报告指出DeepSeek-V3.2的世界知识广度仍落后于领先的闭源模型，未来工作将关注效率和可扩展性。
延伸问答
DeepSeek-V3.2和V3.2-Speciale有什么主要区别？
DeepSeek-V3.2适合日常使用，而V3.2-Speciale在复杂任务中表现优异，具备更强的推理能力和逻辑验证能力。
DeepSeek团队提出了哪些关键技术突破？
团队提出了DSA稀疏注意力机制、可扩展的强化学习框架和大规模Agent任务合成流程三项关键技术突破。
DeepSeek-V3.2在推理基准测试中的表现如何？
DeepSeek-V3.2在推理基准测试中表现与Kimi-k2-thinking和GPT-5相似，但略逊于Gemini-3.0-Pro。
DeepSeek-V3.2-Speciale的使用限制是什么？
DeepSeek-V3.2-Speciale目前仅供研究使用，不支持工具调用，也未针对日常对话与写作任务进行优化。
开源模型与闭源模型之间的差距在扩大吗？
是的，DeepSeek团队指出开源模型与闭源模型之间的性能差距在扩大，尤其是在复杂任务中。
DeepSeek-V3.2如何提升了Agent能力？
DeepSeek-V3.2显著提升了开源模型的Agent能力，成为成本效益高的替代方案，尤其在长尾Agent任务上表现卓越。
