2025年12月1日，梁文锋的深度求索AI团队，正式发布了最新大模型版本，DeepSeekV3.2、DeepSeek-V3.2-Speciale。

该版本号称开源最强。

这次版本，主要有两个重要升级点：

①引入了稀疏注意力（DSA）机制，降低计算复杂性，保持模型性能，并针对长上下文场景进行优化。

②提升了将推理融入工具使用的能力，开发了合成管道，更新了聊天模板，强化“使用工具思考”功能

为了便于大家理解，下面针对本次两个重要升级点，进行通俗易懂的介绍：

上文提到，这次引入的DSA机制，能够在保持模型性能基础上，降低计算复杂度。

DSA技术原理示意图

如上图技术原理，可以看到稀疏注意力（DSA）机制是采取了分步做法来降低计算复杂度。

下面使用一个简单例子，给大家做个通俗介绍。

假若让AI分析一份500页的财务报告，传统AI技术手段会从第一页开始逐一阅读分析，但稀疏注意力（DSA）机制会像专业的分析人员一样，采取有步骤、有策略的阅读分析。

专业的分析人员会怎么做呢？？

第一步会先看财报的目录，通过查看财报目录，快速定位到财报中比较关注的“利润表”“资产负债表”等关键章节。这一步对应着稀疏注意力机制的“压缩注意力”环节，也就是上图中的第一步“Comperssion”。

第二步会重点翻阅核心内容，深入分析异常数据所在的页面，比如针对利润表亏损部分进行重点分析。这一步对应着稀疏注意力机制的“选择注意力”环节，也就是上图中的第二步“Selection”。

第三步会进行前后对照分析，关联查看相邻年度、季度的同类数据趋势变动。这一步对应着稀疏注意力机制的“滑动注意力”环节，也就是上图中的第二步“Sliding”。

通过这种“精准定位 局部精读”的模式，让DeepSeekV3.2处理10万字长文本时速度能够提升3倍以上，内存占用减少60%。

这就好比让AI分析一本百万字的长篇小说，想要找一下小说中关于跨海旅行的情节，传统的AI技术手段会从第一页逐字逐句翻完整本书，然后找到对应情节进行分析，这种方式很慢、很费内存。而DeepSeek V3.2的稀疏注意力（DSA）技术，却会优先翻看目录，找对类似章节，然后重点分析并关联比对，效率大大提升。

使用过AI工具的人都遇到过很多AI难以准确理解用户意图，回答的结果不尽人意的情况。

比如，让AI帮忙算一下个税，很难算清楚，还必须要手动梳理税率表。

DeepSeek V3.2通过更新聊天模板，一定程度上解决了这个问题。

首先，新版聊天模板支持自动调用标准化工具接口，比如调用天气预报工具、税率计算工具、读写转换工具等，提升了回答准确度和用户满意。

其次，新版聊天模板新增了“thinking with tools”能力，也就是“使用工具思考”功能。

当你想要询问“从上海到洛杉矶的旅游，如何规划”，DeepSeekV3.2会自主进行推理计算，并调用合适的工具给出合理结果：

“用户需要旅游攻略推荐，应该先调用签证办理工具，查询签证办理步骤，然后调用航班查询API获取所有航班，再用筛选工具按价格和时间排序，最后计算单位时间成本，再查询周边酒店...”

这个过程DeepSeekV3.2会调用航班、酒店、签证等不同第三方工具，来推理出最合理的攻略，有点类似于前期Manus的功能。

以上就是DeepSeekV3.2新版本的通俗介绍，感谢大家关注与支持。

- END -

培养一颗有趣的灵魂，找寻更美好的远方