DeepSeek V3.2-Exp

DeepSeek V3.2 系列共包含三个版本：V3.2-Exp、V3.2 正式版和 V3.2-Speciale。V3.2-Exp 是2025年9月发布的实验版本，主要目的是验证新的注意力机制架构；V3.2 正式版于2026年1月发布，是完成完整后训练流程的通用旗舰版本；V3.2-Speciale 是同期发布的高算力推理变体，专为极限推理场景设计。

DeepSeek V3.2-Exp 于2025年9月29日发布，是 V3.2 系列的实验前置版本。它的核心工作只有一件事：在不损失模型性能的前提下，将原有的 Multi-head Latent Attention（MLA）替换为新设计的 DeepSeek Sparse Attention（DSA）机制，并通过大规模训练验证这一架构替换的可行性。

DSA 解决的是长上下文场景下的计算效率问题。传统 Dense Attention 的计算复杂度随序列长度平方增长，在处理 128K 以上的长上下文时算力和显存开销极高。DSA 引入了一个轻量索引器，对历史 token 快速打分后只选取最相关的 top-2048 个 KV token 参与注意力计算，将复杂度从 O(L²) 降至接近线性。在此基础上，V3.2-Exp 的长上下文推理速度提升 2–3 倍，显存占用降低 30–40%，API 定价同步下调超过 50%。

性能方面，DeepSeek 官方在发布时明确表示，V3.2-Exp 在各项公开 benchmark 上与前代 V3.1-Terminus 基本持平，没有明显提升，也没有明显下降。这符合这次发布的定位：架构验证而非能力升级。V3.2-Exp 的训练过程也印证了这一点——DeepSeek 刻意对齐了 V3.2-Exp 与 V3.1-Terminus 的训练配置，目的是排除其他变量，单独评估引入稀疏注意力机制的影响。

从实用角度看，V3.2-Exp 对于大多数开发者的意义有限，它更多是 DeepSeek 内部的一次架构迁移验证，以及为后续正式版发布提前准备推理生态适配（包括 SGLang、vLLM 等推理框架对 DSA 的支持）。模型以 MIT 协议开源，上下文窗口为 163,840 tokens，支持思考模式和工具调用。