DeepSeek-V3.2-Exp官宣發佈，性能更強，API價格腰斬

9月29日，DeepSeek-V3.2-Exp模型正式在Hugging Face平台發佈並開源。

DeepSeek在官方微信號介紹表示，該版本作為邁向下一代架構的重要中間步驟，在 V3.1-Terminus 的基礎上引入了團隊自研的 DeepSeek Sparse Attention (DSA) 稀疏注意力機制，旨在對長文本的訓練和推理效率進行探索性優化與驗證。這種架構能夠降低計算資源消耗並提升模型推理效率。

目前，華為雲已完成對 DeepSeek-V3.2-Exp模型的適配工作，最大可支持160K長序列上下文長度。

最新核心技術突破：DeepSeek Sparse Attention（DSA）

DeepSeek Sparse Attention（DSA）首次實現了細粒度稀疏注意力機制，在幾乎不影響模型輸出效果的前提下，實現了長文本訓練和推理效率的大幅提升。

為了嚴謹地評估引入稀疏注意力帶來的影響，DeepSeek-V3.2-Exp的訓練設置與V3.1-Terminus進行了嚴格的對齊。在各領域的公開評測集上，DeepSeek-V3.2-Exp的表現與V3.1-Terminus基本持平。有效性得到了初步驗證。

API成本將腰斬

隨着新模型服務成本的顯著降低，DeepSeek 同步採取了重磅舉措：大幅下調官方 API 價格，降價幅度超過 50%，新價格已即刻生效。目前，官方 App、網頁端和小程序均已同步更新至 DeepSeek-V3.2-Exp 版本。

DeepSeek 現已將 DeepSeek-V3.2-Exp 模型在 Huggingface 和 ModelScope 平台上全面開源，相關論文也已同步公開。

作為一款實驗性版本，DeepSeek 認識到模型仍需在更廣泛的用户真實場景中進行大規模測試。為便於開發者進行效果對比，DeepSeek 為 V3.1-Terminus 版本臨時保留了 API 訪問接口，且調用價格與 V3.2-Exp 保持一致。該對比接口將保留至北京時間 2025 年 10 月 15 日 23:59。

此外，為支持社區研究，DeepSeek 還開源了新模型研究中設計和實現的 GPU 算子，包括 TileLang 和 CUDA 兩種版本。團隊建議社區在進行研究性實驗時，優先使用基於 TileLang 的版本，以便於調試和快速迭代。

本文系觀察者網獨家稿件，未經授權，不得轉載。