DeepSeek 今日正式发布了其最新实验性大模型 DeepSeek-V3.2-Exp。作为其下一代架构探索的关键中间步骤，新模型的核心亮点在于引入了自主研发的 DeepSeek Sparse Attention (DSA) 稀疏注意力机制，旨在大幅优化长文本处理的训练和推理效率。

DeepSeek-V3.2-Exp 是基于公司此前发布的 DeepSeek-V3.1-Terminus 模型升级而来。新模型集成的 DeepSeek Sparse Attention (DSA) 首次实现了细粒度稀疏注意力机制。

稀疏注意力机制是提升大模型处理超长上下文窗口效率的关键技术之一。DeepSeek 官方表示，DSA 在几乎不影响模型输出效果的前提下，显著提升了长文本训练和推理的效率。

为确保评估的严谨性，DeepSeek-V3.2-Exp 的训练配置与 V3.1-Terminus 严格对齐。根据 DeepSeek 提供的公开评测集数据，V3.2-Exp 的综合性能表现与前代 V3.1-Terminus 基本持平，验证了新机制在维持模型效果方面的有效性。

得益于新模型 DeepSeek-V3.2-Exp 在服务成本上的大幅优化，DeepSeek 宣布对其 API 服务价格进行大幅下调。官方表示，在新价格政策下，开发者调用 DeepSeek API 的成本将降低 50% 以上，旨在以更低的门槛推动 AI 技术的普及和应用。

目前，DeepSeek 的官方 App、网页端和小程序均已同步更新至 DeepSeek-V3.2-Exp 模型版本。