DeepSeek V3.2是最强大的开源LLM吗？

如果你一直关注开源逻辑模型（LLM）领域，你肯定知道它已经演变成一场激烈的竞争。每隔几个月，就会有新的模型出现，声称突破了技术极限，而其中一些确实做到了。尤其是中国实验室发展迅猛，推出了 GLM 4.6、Kimi K2 Thinking、Qwen 3 Next、ERNIE-4.5-VL 等模型。因此，当 DeepSeek 发布 V3.2 版本时，人们最关心的问题并非“这是新的王者吗？”，而是：

这次更新真的能推动开源逻辑模型的发展，还是仅仅是众多模型中的又一个？

为了解答这个问题，让我们一起来了解 V3.2 背后的故事，看看它有哪些变化，以及人们为何如此关注它。

什么是DeepSeek V3.2？

DeepSeek V3.2 是 DeepSeek-V3.2-Exp 的升级版，后者于去年十月发布。它旨在进一步提升推理能力、长上下文理解能力和智能体工作流程，超越以往版本。与许多仅简单地扩展参数的开源模型不同，V3.2 引入了架构变更和更强大的强化学习阶段，旨在改进模型的思维方式，而不仅仅是其输出结果。

DeepSeek 还发布了两个变体：

• V3.2（标准版）：实用且易于部署的版本，适用于聊天、编码、工具和日常工作负载。
• V3.2 特别版：高计算能力、推理能力最大化的版本，能够生成更长的思维链，并在奥林匹克级别的数学和编程竞赛中表现出色。

DeepSeek V3.2的性能和基准测试

DeepSeek V3.2 拥有我们所见过的开源模型中最强劲的基准测试结果。

• 在 AIME 2025 和 HMMT 2025 等数学密集型测试中，Speciale 版本分别取得了 96% 和 99.2% 的成绩，与 GPT-5 High 和 Claude 4.5 等模型持平甚至超越。
• 其 Codeforces 评分为 2701，稳居竞技程序员级别，而 Thinking 版本也取得了 2386 的优异成绩。
• 在智能体任务方面，DeepSeek 在 SWE Verified 和 τ² Bench 测试中分别取得了 73% 和 80% 的成绩，表现不俗，尽管在某些类别中，一些顶级封闭模型略胜一筹。

Source: DeepSeek Technical Report

核心理念：更智能的“略读”

大多数强大的AI模型都面临一个共同的问题：随着文档长度的增加，模型运行速度会显著降低，成本也会大幅上升。这是因为传统模型会尝试将每个单词与其他所有单词进行比较，以理解上下文。

DeepSeek-V3.2 通过引入一种名为 DeepSeek 稀疏注意力 (DSA) 的新方法来解决这个问题。您可以将其想象成一位在图书馆进行研究的研究人员：

• 传统方法（密集注意力）：研究人员逐页阅读书架上的每一本书，只为回答一个问题。这种方法虽然全面，但速度极慢且极其耗费精力。
• 新方法（DeepSeek-V3.2）：研究人员使用数字目录（Lightning Indexer）快速找到关键页面，并只阅读这些页面。这种方法同样准确，但速度却快得多。

DeepSeek V3.2架构

Source: GitHub/DeepSeek

核心创新在于 DSA（DeepSeek 稀疏注意力机制），它包含两个主要步骤：

1. Lightning Indexer (The Scout)

在 AI 尝试理解文本之前，一个名为“Lightning Indexer”的轻量级超高速工具会扫描内容。它会给每条信息赋予一个“相关性评分”。它会问：“这条信息对我们当前的任务有用吗？”

2. Top-k Selector (The Filter)

系统不会将所有信息都输入 AI 的大脑，而是只选择“Top-k”（得分最高）的信息。AI 会忽略无关的冗余信息，并将计算能力严格集中在真正重要的数据上。

它真的有效吗？

你可能会担心“略读”会导致 AI 的准确性下降。但根据数据，并非如此。

Source: GitHub/DeepSeek

• 智能水平相同：DeepSeek-V3.2 在标准测试和人类偏好图表（ChatbotArena）上的表现与其前代产品 (DeepSeek-V3.1-Terminus) 一样出色。
• 更擅长处理长文档：令人惊讶的是，它在一些涉及超长文档的推理任务中得分更高。
• 训练：它首先通过观察旧版、速度较慢的模型运行（密集预热）来学习，然后自主练习以选择正确的信息（稀疏训练）。

这对用户意味着什么？

以下是“它能为用户带来什么”的价值主张：

1. 速度大幅提升：由于模型无需处理无关词语，因此运行速度显著提升，尤其是在处理长文档（例如法律合同或书籍）时。
2. 成本更低：它只需更少的计算能力（GPU 小时）即可获得相同的结果。这使得运行高端 AI 的成本更低。
3. 长上下文处理能力：用户可以向系统输入海量数据（高达 128,000 个令牌），系统运行速度不会骤降或崩溃，因此非常适合分析大型数据集或长篇故事。

工具使用中的思考

DeepSeek 现在在使用工具时能够保留其内部推理上下文，而无需在每一步操作后重新开始思考，从而显著提高完成复杂任务的速度和效率。

• 以前，AI 每次使用工具（例如运行代码）时，都会忘记之前的计划，不得不从头开始“重新思考”问题。这既缓慢又浪费资源。
• 现在，AI 在使用工具时能够保持其思考过程的活跃状态。它记住了执行任务的原因，无需在每一步操作后重新开始。
• 它只会在您发送新消息时清除其“思路”。在此之前，它会专注于当前任务。

结果：由于模型不会浪费能量重复思考同一件事，因此速度更快、成本更低。

注意：当系统将“工具输出”与“用户消息”分开时，此功能效果最佳。如果您的软件将工具结果视为用户聊天，则此功能将无法正常工作。

Source: DeepSeek

您可以点击此处阅读更多关于 DeepSeek V3.2 的信息。让我们看看该模型在以下部分的表现：

任务 1：创建游戏

Create a cute and interactive UI for a “Guess the Word” game where the player knows a secret word and provides 3 short clues (max 10 letters each). The AI then has 3 attempts to guess the word. If the AI guesses correctly, it wins; otherwise, the player wins.

我的评价：

DeepSeek 创建了一个直观的游戏，并具备所有要求的功能。我认为这个实现非常出色，它提供了流畅且引人入胜的体验，完美地满足了所有要求。

任务 2：规划

我需要规划一次 11 月中旬前往日本京都的 7 天旅行。行程应以传统文化为重点，包括寺庙、花园和茶道。寻找最佳赏枫时间，列出三座赏枫必去的寺庙，以及一家提供英语服务的、评价很高的传统茶馆。此外，在祇园地区寻找一家口碑不错的日式旅馆（ryokan）。将所有信息整理成一份清晰的每日行程安排。

输出：

点击此处查看完整输出。

我的看法：

对于想要清晰、可操作且节奏适宜的旅行计划的旅行者来说，V3.2 的响应非常出色。其格式、逻辑清晰的地理布局以及集成的实用建议使其几乎可以开箱即用。它展现了将信息有效整合为引人入胜的叙述的能力。

小结

DeepSeek V3.2 并非以规模取胜，而是以更智能的思维取胜。凭借稀疏注意力机制、更低的成本、更强的长上下文感知能力以及更优秀的工具使用推理能力，它展示了开源模型如何在无需巨额硬件预算的情况下保持竞争力。它或许无法在所有基准测试中都拔得头筹，但它确实显著提升了用户如今使用 AI 的方式。而这正是它在竞争激烈的市场中脱颖而出的原因。