今天带来一则重磅更新：DeepSeek-V3.2-Exp 正式发布。作为实验性版本，它在 V3.1-Terminus 的基础上引入了 DeepSeek Sparse Attention（简称 DSA）——一种高效的稀疏注意力机制。需要特别说明的是，作为迈向新一代架构的中间步骤，V3.2-Exp 主要针对长文本场景的训练和推理效率进行了优化验证，为后续架构升级奠定基础。
目前，官方 App、网页端和小程序均已同步更新为 DeepSeek-V3.2-Exp。更值得关注的是，API 价格也迎来了大幅下调，开发者调用成本显著降低。
先说说核心技术。DeepSeek Sparse Attention（简称 DSA）首次实现了细粒度的稀疏注意力机制。这意味着模型在处理长文本时，能够显著提升训练和推理效率，同时几乎不影响输出质量，在性能与效率之间取得了良好平衡。
为了严谨评估引入稀疏注意力带来的影响，团队特意将 V3.2-Exp 的训练设置与 V3.1-Terminus 进行了严格对齐。从各领域公开评测集的对比结果来看，两者的表现基本持平，证明了 DSA 在保持效果的同时带来的效率优势。
论文链接与模型开源
DeepSeek-V3.2-Exp 模型已在 HuggingFace 和 ModelScope 开源，方便开发者直接下载与使用。关注硬件方向的朋友可以重点留意：除了模型本身，配套的 TileLang 和 CUDA 算子也已开源。在研究过程中，团队使用高级语言 TileLang 进行快速原型开发，最终以 TileLang 作为精度基线，逐步实现底层语言的高效版本。因此，本次开源的主要算子包含 TileLang 与 CUDA 两种版本，满足不同场景的部署需求。
HuggingFace：https://huggingface.co/deepseek-ai/DeepSeek-V3.2-Exp
ModelScope：https://modelscope.cn/models/deepseek-ai/DeepSeek-V3.2-Exp
论文链接：https://github.com/deepseek-ai/DeepSeek-V3.2-Exp/blob/main/DeepSeek_V3_2.pdf
API 支持
得益于模型服务成本的大幅降低，官方 API 价格也随之调低，新价格即刻生效。对于开发者而言，这无疑是一个利好消息——调用 DeepSeek API 的成本将降低 50% 以上，大幅减轻开发预算压力。
API 的模型版本为 DeepSeek-V3.2-Exp，访问方式保持不变，开发者无需额外调整即可享受更低成本与更高效率。
用户场景对比测试
作为实验性版本，V3.2-Exp 虽然在公开评测集上得到了有效性验证，但还需要在实际使用场景中进行更广泛的测试。为了排除某些场景下效果欠佳的可能，团队为 V3.1-Terminus 临时保留了额外的 API 访问接口。只需修改 base_url="https://api.deepseek.com/v3.1_terminus_expires_on_20251015"，即可调用 V3.1-Terminus，价格与 V3.2-Exp 相同，方便用户进行对比验证。
总的来说，这次更新的核心在于效率提升与成本优化。DSA 机制能否在实际应用中带来惊喜，值得持续关注。DeepSeek-V3.2-Exp 的发布，为长文本处理场景提供了更经济、更高效的解决方案。