9月29日，DeepSeek-V3.2-Exp模型正式在Hugging Face平台发布并开源。

DeepSeek在官方微信号介绍表示，该版本作为迈向下一代架构的重要中间步骤，在 V3.1-Terminus 的基础上引入了团队自研的 DeepSeek Sparse Attention (DSA) 稀疏注意力机制，旨在对长文本的训练和推理效率进行探索性优化与验证。这种架构能够降低计算资源消耗并提升模型推理效率。

目前，华为云已完成对 DeepSeek-V3.2-Exp模型的适配工作，最大可支持160K长序列上下文长度。

最新核心技术突破：DeepSeek Sparse Attention（DSA）

DeepSeek Sparse Attention（DSA）首次实现了细粒度稀疏注意力机制，在几乎不影响模型输出效果的前提下，实现了长文本训练和推理效率的大幅提升。

为了严谨地评估引入稀疏注意力带来的影响，DeepSeek-V3.2-Exp的训练设置与V3.1-Terminus进行了严格的对齐。在各领域的公开评测集上，DeepSeek-V3.2-Exp的表现与V3.1-Terminus基本持平。有效性得到了初步验证。

API成本将腰斩

随着新模型服务成本的显著降低，DeepSeek 同步采取了重磅举措：大幅下调官方 API 价格，降价幅度超过 50%，新价格已即刻生效。目前，官方 App、网页端和小程序均已同步更新至 DeepSeek-V3.2-Exp 版本。

DeepSeek 现已将 DeepSeek-V3.2-Exp 模型在 Huggingface 和 ModelScope 平台上全面开源，相关论文也已同步公开。

作为一款实验性版本，DeepSeek 认识到模型仍需在更广泛的用户真实场景中进行大规模测试。为便于开发者进行效果对比，DeepSeek 为 V3.1-Terminus 版本临时保留了 API 访问接口，且调用价格与 V3.2-Exp 保持一致。该对比接口将保留至北京时间 2025 年 10 月 15 日 23:59。

此外，为支持社区研究，DeepSeek 还开源了新模型研究中设计和实现的 GPU 算子，包括 TileLang 和 CUDA 两种版本。团队建议社区在进行研究性实验时，优先使用基于 TileLang 的版本，以便于调试和快速迭代。

本文系观察者网独家稿件，未经授权，不得转载。