猫眼电影记者 周如雨 报道首次登录送91元红包

在大模型赛道逐渐从“参数竞赛”走向“能力竞赛”的当下，一个显著的变化正在发生：开源模型开始在越来越多关键能力维度上逼近、甚至冲击顶级闭源模型。

12月1日，DeepSeek同步发布两款正式版模型——DeepSeek-V3.2DeepSeek-V3.2-Speciale，前者在推理测试中达到GPT-5水平，仅略低于Gemini-3.0-Pro，而后者在IMO 2025等四项国际顶级竞赛中斩获金牌。

V3.2在工具调用能力上达到当前开源模型最高水平，大幅缩小了开源模型与闭源模型的差距。

据官方介绍，V3.2是DeepSeek首个将思考融入工具使用的模型，在“思考模式”下仍然支持工具调用。该公司通过大规模Agent训练数据合成方法，构造了1800多个环境、85000多条复杂指令的强化学习任务，大幅提升了模型在智能体评测中的表现。

V3.2证明了一件事：通过正确的架构+数据策略+工具融合设计，开源模型完全有能力成为世界级选手。Deepseek研究员苟志斌在社交平台X上发帖称：

如果说Gemini-3证明了持续扩大预训练规模依然有效，那么DeepSeek-V3.2-Speciale则证明了在超大上下文下进行强化学习扩展是可行的我们花了一年时间把DeepSeek-V3推到极限。得到的经验是：后训练的瓶颈，是靠优化方法和数据而不是靠等待一个更强的基础模型来解决的

DSA突破性能瓶颈，“思考+工具调用”策略带来质的飞跃

这次的核心飞跃，来自两大底层创新。

第一个是DeepSeek Sparse Attention（DSA）稀疏注意力机制，DeepSeek两个月前在实验版（V3.2-Exp）中引入的一项关键结构。

该稀疏注意力机制有效解决了传统注意力机制在长序列处理中的效率瓶颈，将注意力复杂度从O(L²)降低至O(Lk)，同时保持模型性能。

在架构层面，DSA采用闪电索引器和细粒度Token选择机制两大组件。闪电索引器计算查询Token与历史Token之间的索引分数，决定哪些Token被选中；细粒度Token选择机制则基于索引分数检索对应的键值条目。该机制基于MLA的MQA模式实现，确保计算效率的同时维持模型表现。

在大量用户对比测试中发现：V3.2-Exp在任何场景中都没有明显弱于 V3.1，稀疏注意力不仅没有损失能力，反而大幅提升了效率和响应质量。这意味着，模型可以：看得更“远”、想得更“深”、却用更少的计算资源。

第二，DeepSeek-V3.2提升显著的关键在于训练策略的根本性改变。以往版本采用"直接调工具"的简单模式，而V3.2创新性地实现了"思考+调工具"(Thinking in Tool-use)的融合机制。

DeepSeek-V3.2 成为首个在“思考模式”下仍然支持工具调用的模型。也就是说，它不再是一看到问题马上用工具，而是变成：先分析、再规划、再调用工具、再验证、再修正。

这种表现更接近人类的“思考-行动-反思”闭环，为复杂任务（如搜索、写代码、修 Bug、规划项目）带来了指数级的能力上升。

数据策略的改变：1800+环境+8.5万条复杂指令

至于模型为什么突然变强这么多？本质上，是训练策略彻底升级了。

DeepSeek搭建了一条全新的大规模数据合成流水线，生成1800多个环境和85000多条高难度指令，专门用于强化学习。

这种“冷启动+大规模合成数据RL”的训练方法，让模型在复杂任务如代码修复、搜索等场景中的泛化能力大幅提升。通过构造“难解答、易验证”的强化学习任务，模型学会了在推理过程中有机融合工具调用。

这种方式的核心价值在于：不再依赖真实人类标注，而是构造“极限题库”锤炼模型能力。

结果也非常清晰：在代码修复、搜索路径规划、多步骤任务中，V3.2 的泛化能力大幅领先过往版本，甚至接近闭源商业模型。

在思考上下文管理方面，V3.2采用专门针对工具调用场景的优化策略。历史推理内容仅在新用户消息引入时被丢弃，而在工具相关消息(如工具输出)添加时保持推理内容，避免了模型为每次工具调用重复推理整个问题的低效行为。

强化学习规模化显著增强模型能力，后训练算力超过预训练的10%

DeepSeek-V3.2采用可扩展的强化学习框架，后训练计算预算超过预训练成本的10%，这一资源投入为高级能力的释放奠定了基础。

该公司在GRPO(Group Relative Policy Optimization)算法基础上引入多项稳定性改进，包括无偏KL估计、离策略序列掩码、保持路由等机制。

在专家蒸馏阶段，该公司为每个任务领域开发专门的模型，涵盖数学、编程、通用逻辑推理、智能体任务等六个专业领域，均支持思考和非思考模式。这些专家模型通过大规模强化学习训练，随后用于产生领域特定数据供最终检查点使用。

混合RL训练将推理、智能体和人类对齐训练合并为单一RL阶段，有效平衡了不同领域的性能表现，同时规避了多阶段训练常见的灾难性遗忘问题。对于推理和智能体任务，采用基于规则的结果奖励、长度惩罚和语言一致性奖励；对于通用任务，则使用生成式奖励模型进行评估。

大模型“权力结构”正在改变！

在与海外几大模型的对比中，DeepSeek-V3.2展现出显著的性能优势。在推理能力方面，V3.2在AIME 2025测试中达到93.1%的通过率，接近GPT-5的94.6%和Gemini-3.0-Pro的95.0%。在HMMT 2025测试中，V3.2得分92.5%，与顶级闭源模型差距进一步缩小。

在智能体能力评测中，V3.2的表现尤为突出。在代码智能体任务SWE-Verified中获得73.1%的解决率，在Terminal Bench 2.0中达到46.4%的准确率，显著超越现有开源模型。在搜索智能体评估BrowseComp中，通过上下文管理技术，V3.2从51.4%提升至67.6%的通过率。

在工具使用基准测试中，V3.2在τ2-Bench中获得80.3%的通过率，在MCP-Universe中达到45.9%的成功率。值得注意的是，V3.2并未针对这些测试集的工具进行特殊训练，显示出强大的泛化能力。相比之下，同期开源模型如MiniMax-M2-Thinking在多项测试中的表现明显落后。

DeepSeek-V3.2 的发布背后，其实是一个更大的信号：闭源模型的绝对技术垄断正在被打破，开源模型开始具备一线竞争力。

这具有三层意义：

对开发者：成本更低、可定制性更强的高性能模型已出现；对企业：不必再完全依赖海外 API，也能构建强大 AI 系统；对产业：大模型军备竞赛从“谁参数大”，升级为“谁方法强”。

而DeepSeek，此时站在了最前排。

  时事1：即时比分网

  12月25日,巴西华校与福建名师共探华文教育创新路径,当地时间2月8日晚，土耳其副总统奥克塔伊表示，截至目前，地震灾区已经发生了790次余震。,欧洲杯滚球在线官网。

  12月25日,江西提升鄱阳湖保护区智能化水平 将引入鹰眼监控等设备,答：我们注意到，日本政府宣布拟对半导体等领域相关物项实施出口管制，中方对此表示严重关切。,bet体育足球滚球充值,优博最新版APP,世界杯投注多少倍。

  时事2：银河app下载安装

  12月25日,敦煌遗书中的唐代经典小楷“一眼看千年”,郭宁宁是第二十届中央候补委员，她此前担任福建省委常委、常务副省长、省政府党组副书记、省委金融工委书记。,完美体育下载入口app,亚洲九游会,天博综合平台app。

  12月25日,霜打菜正当“食” 走俏市场添冬日鲜甜,2004年，韩勇调任新疆维吾尔自治区党委常委、组织部部长，后任新疆维吾尔自治区党委副书记，新疆生产建设兵团党委书记、政委，中国新建集团公司董事长等职，2016年1月任陕西省政协党组书记、主席，至2022年1月不再担任，后转任第十三届全国政协人口资源环境委员会副主任。,6up官网,皇冠app平台,b体育官网登录入口。

  时事3：开博体育app下载安装

  12月25日,人民财评：供需“双向奔赴”，打开消费增长新空间,洪恩识字作为一款儿童教育App，稳定性关乎用户体验的底线，“我们所有反馈的问题基本上在一天之内都能得到解决。”洪恩中文启蒙技术负责人王鹤由衷的称赞道，鸿蒙团队和伙伴并肩作战，提供到位的技术支持，甚至是提供随时响应的服务，帮助迅速发现问题并且顺利解决。,什么捕鱼可以赚钱快,狗万官网,银河在线官方。

  12月25日,经济大省挑大梁｜江苏发布“绿色成绩单”，工业大省这样加快推进绿色转型,由信达财险转身之后，国任保险实控人变更，其也成为地方金融平台一员。随着该公司班子更替、战略调整，该公司开启了自2017年以来的高增长阶段，其也持续7年盈利。,开云娱乐官网,上葡京辅助,一定发app。

  时事4：yabo22vip手机版登陆

  12月25日,“甲骨文面”“司母戊鼎米饭”“编钟牛肉面”火出圈 创意激活文化消费新潮活力,若发射成功，Innospace 将成为韩国首家实现客户卫星入轨的民营公司，此次失败使其错失抢占小型卫星发射市场的先机。,MG真人怎么注册,下载千亿综合APP,最新澳门游戏网站网址。

  12月25日,云顶站三连冠！谷爱凌摘得本赛季世界杯首金,“这主要是充分保障纳税人合法权益，因为纳税人可能由于对税法理解有误、申报金额错误等，导致多缴纳关税，这属于不当得利，海关理应主动及时退还。申请退税期限延长至3年，保障纳税人权益同时，也跟税收征管法相关规定衔接。”施正文说。,bet365苹果版,美高梅手机客户端,赌机奔驰宝马。