DeepSeek推出V3.2-Exp实验模型：自研DSA稀疏注意力机制大幅提升长文本处理效率

9月29日，DeepSeek正式推出实验性模型DeepSeek-V3.2-Exp，标志着其在高效Transformer架构研发道路上迈出关键一步。该版本作为V3.1-Terminus的迭代升级，核心创新在于引入自研的DeepSeek Sparse Attention（DSA）稀疏注意力机制，重点优化长文本场景下的训练与推理效率。

技术验证显示，DSA机制通过细粒度稀疏化处理，在保持模型输出质量稳定的前提下，显著提升长文本处理效率。为确保技术严谨性，研发团队采用与V3.1-Terminus完全对齐的训练配置进行对比验证。公开评测数据显示，新模型在MMLU-Pro等基准测试中维持原有水准，在数学推理（AIME2025提升0.9分）和编程任务（Codeforces提升75分）等特定领域呈现优化趋势。

商业应用方面，DeepSeek同步实施重大价格调整：API调用成本整体降幅超50%，具体实施新价目为输入缓存命中0.2元、未命中2元，输出3元。目前官方全平台（App/网页/小程序）已完成版本更新，华为云平台更实现160K长上下文支持。为保障用户平稳过渡，V3.1-Terminus的API接口将保留至10月15日供对比测试。

开源生态建设取得新进展，模型及相关技术资料已在HuggingFace和ModelScope平台全面开源，包括创新研发的TileLang与CUDA双版本GPU算子。研发团队强调，此次发布旨在收集真实场景反馈，为下一代架构演进积累实证数据。