DeepSeek发布V3.2-Exp实验性模型：引入稀疏注意力机制

文｜涵清

编辑｜可君

9月29日消息，深度求索（DeepSeek）今日宣布推出最新实验性版本——DeepSeek-V3.2-Exp。

作为V3.1-Terminus的迭代版本，V3.2-Exp首次引入DeepSeekSparseAttention（DSA）稀疏注意力机制，用于探索和验证长文本场景下的训练与推理效率优化。

官方介绍称，本次实验性版本在训练配置上与V3.1-Terminus保持严格一致，核心目标是检验DSA在长上下文任务中的计算效率表现。

结果显示，模型在保持几乎一致输出质量的同时，实现了训练与推理效率的显著提升。

基准测试结果

在多项权威公开基准中，V3.2-Exp与V3.1-Terminus整体表现接近：

推理类任务：

MMLU-Pro（85.085.0，持平）

AIME2025（88.489.3，提升）

Codeforces（20462121，提升）

Agent工具任务：

BrowseComp（38.540.1）

BrowseComp-zh（45.047.9）

SimpleQA（96.897.1）均有小幅提升。

整体来看，V3.2-Exp在多数指标上维持稳定水准，并在数学推理与编程任务上展现出正向优化趋势。

DeepSeek表示，V3.2-Exp的发布并非面向大规模用户的常规升级，而是一次实验性探索，旨在为下一代高效Transformer架构奠定基础。

未来，团队将继续推进DSA在更大规模模型和更复杂任务中的应用研究。