量子位
·
DeepSeek-V3.2系列开源，性能直接对标Gemini-3.0-Pro
内容提要
DeepSeek-V3.2系列模型发布，性能接近Gemini-3.0-Pro，适合日常问答和复杂任务。引入稀疏注意力机制DSA，显著降低计算复杂度。模型在Agent任务上表现优异，支持思考与工具调用。尽管存在知识广度和Token效率的局限，团队计划在未来版本中进行改进。
关键要点
-
DeepSeek-V3.2系列模型发布，性能接近Gemini-3.0-Pro，适合日常问答和复杂任务。
-
引入稀疏注意力机制DSA，显著降低计算复杂度，推理能力比肩GPT-5。
-
DeepSeek-V3.2支持思考与工具调用，泛化能力强，适用于多种Agent任务。
-
DeepSeek-V3.2-Speciale版本专注于复杂任务，具备数学证明能力，但不支持工具调用。
-
DSA机制将计算复杂度降低到O(L·k)，显著加速长文本推理。
-
强化学习训练的计算预算超过预训练成本的10%，提升模型性能。
-
新模型在Agent任务上表现优异，支持推理和工具使用，优化了上下文管理。
-
评测结果显示DeepSeek-V3.2在多个基准测试中超越现有开源模型。
-
模型存在知识广度和Token效率的局限，未来版本将进行改进。
延伸解读
稀疏注意力机制的优势
DeepSeek-V3.2引入的稀疏注意力机制DSA显著降低了计算复杂度，使得长文本推理变得更加高效。这一机制的应用不仅提升了模型的推理速度，还在处理复杂任务时减少了计算资源的消耗，适合需要快速响应的实际应用场景。
Agent任务的突破
DeepSeek-V3.2在Agent任务上的表现尤为突出，支持思考与工具调用的双模式。这种设计使得模型在处理复杂指令时能够更好地管理上下文，提升了任务完成的准确性和效率，适合用于编程、逻辑推理等领域。
未来改进方向
尽管DeepSeek-V3.2在多个基准测试中表现优异，但其知识广度和Token效率仍存在局限。团队已明确表示，未来版本将针对这些问题进行改进，用户在选择使用时应关注这些潜在的提升空间。
延伸问答
DeepSeek-V3.2模型的主要特点是什么？
DeepSeek-V3.2模型性能接近Gemini-3.0-Pro，适合日常问答和复杂任务，支持思考与工具调用。
什么是稀疏注意力机制DSA，它的优势是什么？
稀疏注意力机制DSA将计算复杂度降低到O(L·k)，显著加速长文本推理，提升模型效率。
DeepSeek-V3.2-Speciale版本与标准版本有什么不同？
DeepSeek-V3.2-Speciale专注于复杂任务，具备数学证明能力，但不支持工具调用，消耗更多Tokens。
DeepSeek-V3.2在Agent任务上的表现如何？
DeepSeek-V3.2在Agent任务上表现优异，支持推理和工具使用，优化了上下文管理。
DeepSeek团队在强化学习方面做了哪些改进？
团队在强化学习中投入超过预训练成本的10%，开发了稳定的RL协议，提升模型性能。
DeepSeek-V3.2模型存在哪些局限性？
模型的知识广度和Token效率存在局限，未来版本计划进行改进。
