猫眼电影记者 梅琨 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：芒果体育平台怎么样

  12月22日,农业农村部进一步从严规范农药管理,6月13日起，宁波出租汽车行业驾驶员从业年龄将正式放宽至65周岁。需要注意的是，宁波这次放宽年龄并不是延迟退休，而是退休返聘。,澳门百老汇游戏。

  12月22日,国台办：统一是台湾前途的唯一方向,今日，市场交投活跃，4只A500ETF成交额均超过100亿元。,网上ag真人手机版app在线,牛派牛魔报,bet365体育平台。

  时事2：巴黎人体育客户端

  12月22日,中国全植入脑机接口临床试验成功 高位截瘫患者实现意念操控,而除了重庆、肇庆，合肥也加入商品房销售“按套内面积计价”的队列。3月初，“中共合肥市委办公室”在人民网领导留言板上答复网友提问时称，为避免公摊面积比例过大，我市积极探索商品房销售按套内面积计价，相关具体工作正在探索推进。目前，已有试点项目在销售现场同步公布建筑面积销售单价和套内建筑面积销售单价。,快乐牛牛新版客户端下载,真人最新游戏,火狐体育下载iOS。

  12月22日,A股消费股周一涨幅居前,另一方面，在此次大规模攻击中，平台应急响应的滞后性被暴露出来。据多位用户反馈及第三方数据监测显示，攻击爆发后，违规直播间的推流链路未能第一时间切断，大量不良内容在平台内持续扩散10~20分钟，部分违规直播间持续时间甚至更长。直到用户举报量增加、相关话题在社交平台快速发酵，快手才紧急启动全平台直播频道关停措施，这相当于给不良内容的传播留出了较长传播期。,求玩二八杠的高手,美高梅体育,龙虎怎么对刷盈利。

  时事3：m6米乐官方入口

  12月22日,新疆阿勒泰“雪假”正式开启 冰雪经济持续火热,据路透社报道，美国国务院当地时间9日表示，美国当天在南太平洋岛国汤加正式开设新的大使馆。路透社老调重弹称，这是美国努力加强在太平洋地区的外交存在以“对抗”中国的一部分。对于相关问题，中国外交部发言人毛宁4月3日曾表示，中方对各国同太平洋岛国发展关系不持异议，同时中方也认为，各国同岛国合作的出发点应当是助力岛国的发展，不应该针对第三方。中国无意同任何人在太平洋岛国地区比拼影响力，也不想搞地缘争夺。,BOB综合体育网页版,百乐门开户平台,uc体育app下载安装。

  12月22日,【百万庄小课堂】还有人不知道食品数字标签？疾控专家：“多码合一”是未来方向,汪绪金有三个女儿，均已外嫁。2019年，汪绪金摔断了腿，也做了手术，几乎完全丧失了劳动能力。大女儿汪文燕回忆，父母身体不好，无人照顾，加上父母没有兄弟，村组长建议借助精准扶贫项目为汪绪金夫妇申请低保，“资料提交上去后，县里的部门又说，我名下有营业执照。意思是我家情况还不错，不给办。”汪文燕说。,扎金花下载网址,365体育官网app最新版下载,pg电子官方网站主页。

  时事4：银河游戏官方网站

  12月22日,克宫：暂无普京与特朗普新年之前会晤的消息,上述《中国纪检监察报》文章介绍，1970年，靳东出生在金川县一个普通家庭，全家仅靠父亲的工资和几亩土地艰难度日，但一家人依然生活得温馨而快乐。靳东的父亲是个老党员，曾为了保护国家财产而因公致残。其父亲一直教育靳东姐弟4人要做正直的人、坦荡的人，并且对读书较为努力的靳东寄予厚望。在父亲的耳濡目染下，靳东成为家族的第一名大学生。,火狐体育官网地址,ag真人手机版下载就选75505,开云体育官网入口。

  12月22日,承认存在政治资金问题 日本总务大臣道歉,其他七大类价格环比五涨一平一降。其中，其他用品及服务、交通通信价格分别上涨2.0%和1.0%，教育文化娱乐、生活用品及服务、医疗保健价格分别上涨0.5%、0.4%和0.2%；居住价格持平；衣着价格下降0.1%。,365平台注册,在线世界杯赌球网站,尊龙人生就是博手机版下载。