猫眼电影记者 冯三保 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：永乐国际AG旗舰厅

  12月23日,东航C919国产大飞机首次执飞高原机场定期航线,中国足球下落的速度，大概和辽宁足球的衰落是一致的。辽足解散后，辽宁再无中超球队，只有几支中甲球队苦苦支撑。本赛季，沈阳奥体中心作为辽宁铁人主场，如今辽宁铁人联赛排名倒数第四。,AG真人怎么刷流水。

  12月23日,农产品进出口全国第一！“十四五”广东推进乡村产业振兴成效速览→,“关于跨境电子商务零售进口关税扣缴义务人，此次关税法二审稿删除了电子商务企业。因为，电商平台上的电子商务企业很多，出于税源管控和征管便利性考虑，可能不适合作为扣缴义务人。电子商务平台经营者、物流企业作为扣缴义务人予以保留，增加了报关企业。这些企业相对数量较少，而且掌握相关信息，这一变动务实合理，有助于规范跨境电商发展，便利纳税人缴税，并保障国家税收安全。”施正文说。,线上的彩票竞技平台,真钱彩票平台有哪些,万博手机版登陆。

  时事2：ope网址

  12月23日,河南公布龙门石窟保护管理规划 建立考古级数字化档案,①内部模式通常是指国家央行或大型金融机构自建自营金库，拥有自己的仓储和交割业务，核心优势在于对黄金资产的绝对控制权和安全保障。,六合解霸A,365体育投注网址打不开,大众游戏。

  12月23日,工业和信息化部人形机器人与具身智能标准化技术委员会成立,2021年12月28日，诺泰生物与一家名为“浙江华贝药业有限责任公司”(简称“浙江华贝”)的企业签署《药品技术及上市许可持有人权益转让协议》，约定将某项药品技术及相关权益以3000万元价格转让给浙江华贝。公司据此在2021年年报中确认了3000万元营业收入及2595.16万元利润。,澳门新葡萄城,天博游戏,万博官网网页版本登陆不了怎么回事。

  时事3：新濠天地手机版注册平台

  12月23日,校准政绩考核“定盘星”,出于安全考量，欧盟以及乌克兰官方至今没有披露泽连斯基访问的具体行程。一星期前，多名欧盟领导人到访乌克兰，泽连斯基在会晤中再次呼吁加快吸纳乌克兰加入欧盟的进程。,利澳平台注册,k1体育在线登录,在线娱乐彩票官网。

  12月23日,“十四五”期间北京地区开展400余项考古发掘,世界经济论坛大中华区主席陈黎明表示，相比5年前，世界发生了深刻变化，一方面，气候变化、地缘冲突、贸易摩擦等引发了一系列风险及影响；另一方面，人工智能、生物技术、量子计算、能源转型等获得了快速发展。在此背景下，人类应当如何更好地合作，共同面对这个多种变革交织的时代，是当今世界至关重要的话题。,新濠博亚娱乐官网,永利总站手机登录,12bet苹果版。

  时事4：银河国际手机版下载

  12月23日,短剧狂飙预警,双方认为，各国均有权根据本国国情和人民意愿，自主选择发展模式和政治、经济、社会制度，反对干涉主权国家内政，反对没有国际法依据、未经安理会授权的单边制裁和“长臂管辖”，反对以意识形态划线。双方指出，新殖民主义和霸权主义完全违背了当今时代潮流，呼吁开展平等对话、发展伙伴关系，推动文明交流互鉴。,f66永乐国际官网,ag体育app,BSPORT网页版。

  12月23日,走进民企看发展丨腾达泰源创始人许立宪：未来五年，对所有企业都是巨大机遇,一东一西两大城市接连出圈，也让省会郑州在文旅发展上，逐渐面临一种尴尬的局面。刚刚过去的“五一”假期，郑州接待游客1077.6万人次，开封670.8万人次，洛阳683.87万人次……不少人直言，郑州亮眼的成绩背后不过是沾了交通便利的光。,百乐门游戏官网,全球比分即时网,门皇冠棋牌官方网站。