猫眼电影记者 连奕琦 报道首次登录送91元红包

衡宇 发自 奥特赛德量子位 | 公众号 QbitAI

ChatGPT发布三周年，DeepSeek嚯一下发出两个模型：

DeepSeek-V3.2DeepSeek-V3.2-Speciale

前者聚焦平衡实用，适用于日常问答、通用Agent任务、真实应用场景下的工具调用。

推理达GPT-5水平，略低于Gemini-3.0-Pro。

后者主打极致推理，推理基准性能媲美Gemini-3.0-Pro。

还一把斩获IMO 2025、CMO 2025、ICPC World Finals 2025、IOI 2025金牌。

划重点，ICPC达到人类选手第二、IOI人类选手第十名水平。

具体来说，DeepSeek-V3.2侧重于平衡推理能力与输出长度，降低计算开销。

DeepSeek官微推文中写道，“DeepSeek-V3.2模型在Agent评测中达到了当前开源模型的最高水平”。

该模型其他情况如下：

推理能力比肩GPT-5；相比Kimi-K2-Thinking大幅缩短输出长度，减少用户等待时间；DeepSeek旗下首个“思考融入工具调用” 的模型，支持思考/非思考双模式工具调用；基于1800+环境、85000+复杂指令的大规模Agent训练数据，泛化能力强。

下图展示的是DeepSeek-V3.2与其他模型在各类Agent工具调用评测集上的得分

——特别强调，DeepSeek-V3.2并没有针对这些测试集的工具做特殊训练。

DeepSeek-V3.2-Speciale是DeepSeek-V3.2的长思考增强版，融合了DeepSeek-Math-V2的定理证明能力。

在指令跟随、数学证明、逻辑验证方面，DeepSeek-V3.2-Speciale能力出众，推荐用来完成高度复杂数学推理、编程竞赛、学术研究类任务。

特别注明！这个版本目前没有针对日常对话与写作做专项优化。

而且仅供研究使用，不支持工具调用。

在高度复杂任务上，Speciale模型大幅优于标准版本，但消耗的Tokens也显著更多，成本更高。

目前，DeepSeek的App和Web端，都已经更新为正式版DeepSeek-V3.2；Speciale版本目前仅供临时API使用。

模型发布同时，技术报告也已经挂出来了。

论文里透露的技术细节相当硬核：

新的稀疏注意力机制DSA大幅降低计算复杂度，强化学习训练的计算量超过预训练的10%，还有全新的大规模Agent任务合成管线……

具体情况，我们详细来看。

提出DSA高效稀疏注意力机制，长文本不再是负担

DeepSeek-V3.2最大的架构创新是引入了DSA（DeepSeek Sparse Attention）机制。

传统的注意力机制在处理长序列时计算复杂度是O(L²)，严重制约了模型的部署效率和后续训练的可扩展性。

DSA让计算复杂度降低到O(L·k)，k远小于L。

与此同时，DSA让模型在长上下文任务中显著加速推理，且无明显性能损失。

支持FP8精度，适配MLA（Multi-Query Attention）架构，训练友好。

怎么做到的？

DSA主要包含两个组件，一个叫lightning indexer（闪电索引器），另一个叫fine-grained token selection（细粒度token选择）机制。

闪电索引器负责快速计算查询token和历史token之间的相关性分数，然后只选择top-k个最相关的token进行注意力计算。

团队特意选用了ReLU激活函数来提升吞吐量。

DeepSeek-V3.1-Terminus开始继续训练时，团队采用了两阶段策略。

第一阶段是Dense Warm-up，保持密集注意力，只训练lightning indexer，让它学会对齐主注意力的分布。

这个阶段只用了1000步，处理了21亿个tokens。

第二阶段才引入稀疏机制，每个查询token选择2048个键值对，训练了15000步，总共处理了9437亿个tokens。

实测效果相当给力——

在128k长度的序列上，DeepSeek-V3.2的推理成本比V3.1-Terminus降低了好几倍。

H800集群上的测试显示，当序列长度达到128K时，预填充阶段每百万token的成本从0.7美元降到了0.2美元左右，解码阶段从2.4美元降到了0.8美元。

后训练算力超过预训练的10%

值得注意的是，DeepSeek团队这次在强化学习上下了血本。

论文里明确提到，RL训练的计算预算已经超过了预训练成本的10%，这在开源模型里相当罕见。

DeepSeek在技术报告中提到，开源模型在post-training阶段的计算资源投入不足，限制了其在困难任务上的性能。

为此，团队开发了稳定、可扩展的RL协议，使训练后阶段的计算预算超过了预训练成本的10%，从而解锁了模型的先进能力。

展开讲讲——

为了稳定地扩展RL计算规模，团队在GRPO（Group Relative Policy Optimization）算法基础上做了好几项改进。

首先是无偏KL估计，修正了原始的K3估计器，消除了系统性误差。

原来的估计器在某些情况下会给出无界的梯度权重，导致训练不稳定。

其次是离线序列掩码策略。

在实际训练中，为了提高效率通常会生成大批量的rollout数据，然后分成多个mini-batch进行梯度更新。这种做法本身就引入了off-policy行为。

团队通过计算数据采样策略和当前策略之间的KL散度，把那些偏离太远的负样本序列给mask掉，避免它们干扰训练。

团队还特别针对MoE模型设计了Keep Routing操作。

推理框架和训练框架的实现差异可能导致同样的输入激活不同的专家，这会造成参数空间的突变。通过保存推理时的路由路径并在训练时强制使用相同路径，确保了参数优化的一致性。

在具体训练上，团队采用了专家蒸馏的策略。

先为每个任务训练专门的模型，包括数学、编程、通用逻辑推理、通用Agent任务、Agent编程和Agent搜索这6个领域，每个领域都支持思考和非思考两种模式。

然后用这些专家模型生成特定领域的数据来训练最终模型。

Agent能力的突破

此外，此次新模型在Agent任务上的突破也让人眼前一亮。

这次团队找到了让模型同时具备推理和工具使用能力的方法。

在思考上下文管理方面，团队发现DeepSeek-R1那种每次开启新对话就丢弃推理内容的策略，实在是太——浪费token了。

于是设计了新的管理机制：

只有在引入新的用户消息时才丢弃历史推理内容，如果只是添加工具相关消息，推理内容会被保留。即使推理痕迹被删除，工具调用历史和结果也会保留在上下文中。

冷启动阶段，DeepSeek-V3.2团队采用了巧妙的prompt设计。

团队通过精心设计的系统提示，让模型学会在推理过程中自然地插入工具调用。

比如在处理编程竞赛题目时，系统会明确要求模型先思考再给出答案，并用特殊标签标记推理路径。

最硬核的是团队开发了一个自动环境合成pipeline，生成了1827个任务导向的环境和85000个复杂提示。

以旅行规划为例，模型需要在满足各种约束条件下规划三天的行程，包括不重复城市、根据酒店价格调整餐厅和景点预算等复杂逻辑。

虽然在巨大的组合空间中找到满足所有约束的方案很困难，但验证给定方案是否满足约束相对简单，这种”难解易验”的特性非常适合RL训练。

在代码Agent方面，团队从GitHub挖掘了数百万个issue-PR对，经过严格筛选和自动环境构建，成功搭建了数万个可执行的软件问题解决环境，涵盖Python、Java、JavaScript等多种语言。

搜索Agent则采用多Agentpipeline生成训练数据，先从大规模网络语料中采样长尾实体，再通过问题构建、答案生成和验证等步骤产生高质量数据。

评测结果显示，DeepSeek-V3.2在SWE-Verified上达到73.1%的解决率，在Terminal Bench 2.0上准确率46.4%，都大幅超越了现有开源模型。

在MCP-Universe和Tool-Decathlon等工具使用基准测试上，DeepSeek-V3.2也展现出了接近闭源模型的性能。

这些提升，证明了模型能够将推理策略泛化到训练时未见过的Agent场景。

One More Thing

技术报告最后，研究人员坦诚地指出了一些局限性。

由于总训练FLOPs较少，DeepSeek-V3.2的世界知识广度仍落后于领先的闭源模型。

Token效率也是个挑战。通常情况下，本次上新的两个模型需要生成更长的轨迹，才能达到Gemini-3.0-Pro的输出质量。

但团队发话了，这些都是未来版本的改进方向。

不过——

DeepSeek啊DeepSeek，我们心心念念的R2，什么时候给抬上来啊！！！！

  时事1：九球体育下载app

  12月22日,吉林省加快推进长春现代化都市圈建设,外交部发言人汪文斌主持5月10日的例行记者会。会上有记者提问说：美国务卿布林肯9日发表声明称，美方强烈鼓励世卫组织邀请台以观察员身份参加今年的世卫大会，台曾以观察员的身份参加往届世卫大会，美将继续推动台重新成为世卫大会的观察员，并参与联合国系统，这符合美国的“一个中国”政策。请问中方对此有何回应？,ng体育赌博。

  12月22日,传递真善美 传播正能量——志愿精神光耀残特奥会,处在低谷中的中国足球，依然不缺少关注度。伊万显然对媒体阵仗也有些吃惊，赛前新闻发布会走向桌子的过程中，他只顾看望发布厅内一百多名记者，结果脚下有些绊蒜，一个踉跄后所幸稳住了脚步。,腾龙平台在线客服,必发网址是多少,水浒传单机游戏。

  时事2：炸金花网站

  12月22日,农贸市场里感受“有一种叫云南的生活”,当前，中国和菲律宾等地区国家均处于疫后复苏和繁荣振兴的关键时刻，我们应弘扬睦邻友好、互利共赢的人间正道，摒弃挑拨离间、拱火生事的歪道，更不能走上引狼入室、开门揖盗的邪道。希望菲方与中方一道，聚精会神求合作，一心一意谋发展，真正做地区和平稳定和繁荣振兴的维护者、推动者和建设者，为中菲两国人民切实带来更多福祉。,AG登录网址,赢家体育app,e世博足球。

  12月22日,第18届WTO法与中国论坛在昆明召开,屠新泉认为，最终结果尚未公布，车企应积极应诉，有效控制相关风险。长期来看，车企应提高产品竞争力，探索更多技术合作、投资合作等不同合作方式，进一步扩大和相关国家的合作利益。不能把贸易当做唯一的市场占领手段，要更多地寻求国际投资和合作。,申博体育官方,ku真人app下载,看世界杯的网站大全。

  时事3：188体育足球即时比分

  12月22日,世界羽联总决赛：中国台北组合小组赛落败,在平时，靳东做足了表面上的学习。担任领导干部以后，他时常把学法、知法、懂法、用法挂在嘴上，在各种会议上要求党员干部把法律红线视为不可逾越的底线。在担任县长期间，靳东还在自己主持召开的党员干部违规收受礼金问题专项整治工作动员会上表示，要以坚决的态度、务实的措施开展专项整治，要求每名干部职工都作出不违规收受礼金的书面和口头廉政承诺，并要求按照有关规定对违规收受礼金问题进行严肃处理。,永利在线官网,必威官方登录,雅博体育app官网。

  12月22日,成都一家百年茶馆繁华商圈开“分店”吸引新老茶客,与此同时，中银理财新增河北沧州农商行、石家庄汇融农村合作银行作为产品代销合作机构；招银理财与浙江南浔农商行签订理财产品代销合作协议。,博天堂体育下载,火凤凰棋牌排名,买球平台押注。

  时事4：两人斗地主几张牌

  12月22日,哪里痛就灸哪里？艾灸这些误区请绕开,其中，仅广东一省就有4所高校，包括1所新增、1所更名为大学、2所“升本”——新增设置深圳理工大学，佛山科学技术学院更名为佛山大学，广东轻工职业技术学院、肇庆医学高等专科学校分别“升本更名”为广东轻工职业技术大学、肇庆医学院。,茶湾港料,大发系列彩票平台,全讯网新2。

  12月22日,苏翊鸣获单板滑雪大跳台世界杯赛季总冠军,据国际网球联合会发布的《2021年全球网球报告》，2021年全球参与网球运动的人口有8718万人，中国以1992万人成为全球网球参与人数排名第二的国家，仅次于美国，占全球总网球人口的22.9%。同时，中国网球场的数量也为全球第二，达49767个。网球教练则以11350人位居全球第五。,摇钱树打鱼机,天游线路检测中心线路,皇冠游戏网站官方网站。