后者的推理能力全面提升，可與 Gemini-3.0-Pro 相媲美。
值得注意的是，V3.2-Speciale 在 IMO、CMO、ICPC 世界總決賽和 IOI 2025 中取得金牌成績。
雖在處理復(fù)雜任務(wù)方面表現(xiàn)出色，但 V3.2-Speciale 需要更高的 tokens 使用量，目前僅提供 API 接口，以支持社區(qū)評估和研究。
技術(shù)突破
DeepSeek-V3.2 的方法基于三個關(guān)鍵技術(shù)突破：
DeepSeek 稀疏注意力（DSA）：這是一種高效的注意力機制，可以顯著降低計算復(fù)雜性，同時保持了模型性能，特別針對長上下文場景進行了優(yōu)化。
可擴展的強化學(xué)習(xí)框架：通過實施強大的 RL 協(xié)議并擴展后訓(xùn)練計算，DeepSeek-V3.2 的表現(xiàn)與 GPT-5 相當(dāng)，且高計算變體 DeepSeek-V3.2-Speciale 超越了 GPT-5，并在推理能力上與 Gemini-3.0-Pro 相當(dāng)。
大規(guī)模代理任務(wù)合成管道：團隊開發(fā)了一種新穎的合成管道，系統(tǒng)地生成大規(guī)模訓(xùn)練數(shù)據(jù)。這促進了可擴展的代理后訓(xùn)練，提高了在復(fù)雜交互環(huán)境中的合規(guī)性和泛化能力。
DeepSeek-V3.2 使用的架構(gòu)與 DeepSeek-V3.2-Exp.完全相同。與 DeepSeek-V3.1 的最后一個版本相比，DeepSeek-V3.2 唯一的架構(gòu)修改是通過持續(xù)訓(xùn)練引入 DeepSeek 稀疏注意力 (DSA)。
研究人員首先使用一個簡短的預(yù)熱階段來初始化閃電索引器。
索引器預(yù)熱后，引入細粒度的 token 選擇機制，并優(yōu)化所有模型參數(shù)，使模型適應(yīng) DSA 的稀疏模式。
團隊使用一系列基準(zhǔn)測試對 DeepSeek-V3.2-Exp 進行了評估，并將其與 DeepSeek-V3.1-Terminus 進行了比較。結(jié)果顯示，兩者性能相近。雖然 DeepSeek V3.2 Exp 顯著提高了長序列的計算效率，但在短上下文和長上下文任務(wù)中與 DeepSeek-V3.1-Terminus 的向能相差不大。
與DeepSeek-V3.1-Terminus.中的 MLA 相比，DSA 所需的計算量要少得多。
在訓(xùn)練過程中，研究人員沿用了與 DeepSeek-V3.2-Exp 相同的后訓(xùn)練流程，其中包括專家蒸餾和混合強化學(xué)習(xí)訓(xùn)練。模型仍然采用組相對策略優(yōu)化（GRPO）作為混合強化學(xué)習(xí)訓(xùn)練算法。
結(jié)果與評估
結(jié)果顯示，DeepSeek-V3.2 在推理任務(wù)上與 GPT-5-high 的性能相近，但略遜于 Gemini-3.0-Pro。
與 K2-Thinking 相比，DeepSeek-V3.2 在輸出 tokens 數(shù)量顯著減少的情況下取得了相當(dāng)?shù)姆謹(jǐn)?shù)。這些性能提升可歸因于分配給強化學(xué)習(xí) (RL) 訓(xùn)練的計算資源增加。
研究人員觀察到模型性能持續(xù)提升，且與 RL 訓(xùn)練預(yù)算的增加呈正相關(guān)，目前該預(yù)算已超過預(yù)訓(xùn)練成本的 10%。通過增加計算預(yù)算分配，推理能力可以得到進一步增強。
值得注意的是，DeepSeek-V3.2 的性能受到長度約束獎勵模型的限制；移除該限制后，性能有進一步的提升。
在代碼代理評估中，DeepSeek-V3.2 在 SWE-bench Verified 和 Terminal Bench 2.0 測試中均顯著優(yōu)于開源 LLM，展現(xiàn)了其在實際編碼工作流程中的潛力。
在工具使用基準(zhǔn)測試中，DeepSeek-V3.2 顯著縮小了開源和閉源 LLM 之間的性能差距，但仍低于前沿模型。
DeepSeek-V3.2-Speciale 在多個基準(zhǔn)測試中超越了目前最先進的 Gemini-3.0-Pro 模型。
該模型在未進行專門訓(xùn)練的情況下，DeepSeek-V3.2-Speciale 在 ICPC WF 2025 中排名第二，在 IOI 2025 中排名第十。
然而，DeepSeek-V3.2-Speciale 的 tokens 效率仍然明顯低于 Gemini-3.0-Pro。
在 Tau2Bench、MCP-Mark 和 MCP-Universe 基準(zhǔn)測試中，DeepSeek-V3.2-SFT 的性能得到了提升。相比之下，將強化學(xué)習(xí)限制在編碼和搜索場景中并不能提高這些基準(zhǔn)測試的性能，這進一步凸顯了合成數(shù)據(jù)的潛力。
相關(guān)人員表示，與 Gemini-3.0-Pro 等前沿閉源模型相比，DeepSeek-V3.2 仍然存在一些局限性。由于總訓(xùn)練浮點運算量較少，DeepSeek-V3.2 的世界知識廣度仍然落后于領(lǐng)先的專有模型。團隊計劃在未來的迭代中通過擴展預(yù)訓(xùn)練計算能力來解決這一知識差距。
tokens 效率仍然是一個挑戰(zhàn)；DeepSeek-V3.2 通常需要更長的生成軌跡才能達到 Gemini3.0-Pro 等模型的輸出質(zhì)量。未來的工作將著重于優(yōu)化模型推理鏈的智能密度以提高效率。
除此之外，解決復(fù)雜任務(wù)的能力仍然不如前沿模型，DeepSeek 團隊表示會進一步改進基礎(chǔ)模型和后訓(xùn)練方案。
參考資料：
HuggingFace: https://huggingface.co/deepseek-ai/DeepSeek-V3.2
ModelScope: https://modelscope.cn/models/deepseek-ai/DeepSeek-V3.2
HuggingFace: https://huggingface.co/deepseek-ai/DeepSeek-V3.2-Speciale
ModelScope: https://modelscope.cn/models/deepseek-ai/DeepSeek-V3.2-Speciale
分享
