在大模型赛道逐渐从“参数竞赛”走向“能力竞赛”的当下，一个显著的变化正在发生：开源模型开始在越来越多关键能力维度上逼近、甚至冲击顶级闭源模型。

12月1日，DeepSeek同步发布两款正式版模型——DeepSeek-V3.2与DeepSeek-V3.2-Speciale，前者在推理测试中达到GPT-5水平，仅略低于Gemini-3.0-Pro，而后者在IMO 2025等四项国际顶级竞赛中斩获金牌。

V3.2在工具调用能力上达到当前开源模型最高水平，大幅缩小了开源模型与闭源模型的差距。

据官方介绍，V3.2是DeepSeek首个将思考融入工具使用的模型，在“思考模式”下仍然支持工具调用。该公司通过大规模Agent训练数据合成方法，构造了1800多个环境、85000多条复杂指令的强化学习任务，大幅提升了模型在智能体评测中的表现。

V3.2证明了一件事：通过正确的架构 数据策略 工具融合设计，开源模型完全有能力成为世界级选手。Deepseek研究员苟志斌在社交平台X上发帖称：

如果说Gemini-3证明了持续扩大预训练规模依然有效，那么DeepSeek-V3.2-Speciale则证明了在超大上下文下进行强化学习扩展是可行的。

我们花了一年时间把DeepSeek-V3推到极限。得到的经验是：后训练的瓶颈，是靠优化方法和数据而不是靠等待一个更强的基础模型来解决的。

第二，DeepSeek-V3.2提升显著的关键在于训练策略的根本性改变。以往版本采用"直接调工具"的简单模式，而V3.2创新性地实现了"思考 调工具"(Thinking in Tool-use)的融合机制。

DeepSeek-V3.2 成为首个在“思考模式”下仍然支持工具调用的模型。也就是说，它不再是一看到问题马上用工具，而是变成：先分析、再规划、再调用工具、再验证、再修正。

这种表现更接近人类的“思考-行动-反思”闭环，为复杂任务（如搜索、写代码、修 Bug、规划项目）带来了指数级的能力上升。

这种方式的核心价值在于：不再依赖真实人类标注，而是构造“极限题库”锤炼模型能力。

结果也非常清晰：在代码修复、搜索路径规划、多步骤任务中，V3.2 的泛化能力大幅领先过往版本，甚至接近闭源商业模型。

在思考上下文管理方面，V3.2采用专门针对工具调用场景的优化策略。历史推理内容仅在新用户消息引入时被丢弃，而在工具相关消息(如工具输出)添加时保持推理内容，避免了模型为每次工具调用重复推理整个问题的低效行为。

DeepSeek-V3.2采用可扩展的强化学习框架，后训练计算预算超过预训练成本的10%，这一资源投入为高级能力的释放奠定了基础。

该公司在GRPO(Group Relative Policy Optimization)算法基础上引入多项稳定性改进，包括无偏KL估计、离策略序列掩码、保持路由等机制。

在专家蒸馏阶段，该公司为每个任务领域开发专门的模型，涵盖数学、编程、通用逻辑推理、智能体任务等六个专业领域，均支持思考和非思考模式。这些专家模型通过大规模强化学习训练，随后用于产生领域特定数据供最终检查点使用。

混合RL训练将推理、智能体和人类对齐训练合并为单一RL阶段，有效平衡了不同领域的性能表现，同时规避了多阶段训练常见的灾难性遗忘问题。对于推理和智能体任务，采用基于规则的结果奖励、长度惩罚和语言一致性奖励；对于通用任务，则使用生成式奖励模型进行评估。

在与海外几大模型的对比中，DeepSeek-V3.2展现出显著的性能优势。在推理能力方面，V3.2在AIME 2025测试中达到93.1%的通过率，接近GPT-5的94.6%和Gemini-3.0-Pro的95.0%。在HMMT 2025测试中，V3.2得分92.5%，与顶级闭源模型差距进一步缩小。

在智能体能力评测中，V3.2的表现尤为突出。在代码智能体任务SWE-Verified中获得73.1%的解决率，在Terminal Bench 2.0中达到46.4%的准确率，显著超越现有开源模型。在搜索智能体评估BrowseComp中，通过上下文管理技术，V3.2从51.4%提升至67.6%的通过率。

在工具使用基准测试中，V3.2在τ2-Bench中获得80.3%的通过率，在MCP-Universe中达到45.9%的成功率。值得注意的是，V3.2并未针对这些测试集的工具进行特殊训练，显示出强大的泛化能力。相比之下，同期开源模型如MiniMax-M2-Thinking在多项测试中的表现明显落后。

DeepSeek-V3.2 的发布背后，其实是一个更大的信号：闭源模型的绝对技术垄断正在被打破，开源模型开始具备一线竞争力。

这具有三层意义：

对开发者：成本更低、可定制性更强的高性能模型已出现；对企业：不必再完全依赖海外 API，也能构建强大 AI 系统；对产业：大模型军备竞赛从“谁参数大”，升级为“谁方法强”。

而DeepSeek，此时站在了最前排。

⭐星标华尔街见闻，好内容不错过⭐本文不构成个人投资建议，不代表观点，市场有风险，投资需谨慎，请独立判断和决策。