就在刚刚，「源神」DeepSeek开源了DeepSeek-V3.2正式版——
在数学编程等多项推理基准上，全面超越GPT-5 High，优于Claude 4.5 Sonet；
与刷屏的Gemini 3.0 Pro相比，则难分伯仲，不相上下！
表1：DeepSeek-V3.2与其他模型在各类数学、代码与通用领域评测集上的得分（括号内为消耗Tokens估计总量）
DeepSeek‑R1、DeepSeek‑R1‑Zero
DeepSeek‑V3、DeepSeek‑V3.1、DeepSeek‑V3.1-Terminus、DeepSeek‑V3.2‑Exp
DeepSeek‑OCR、DeepSeek‑Math-V2
全新模型DeepSeek-V3.2，出手即王炸。
DeepSeek正式发布DeepSeek-V3.2与DeepSeek-V3.2-Speciale——专为智能体打造的推理优先模型！
DeepSeek-V3.2：V3.2-Exp的官方迭代版本，现已登陆App、网页端及API；
DeepSeek-V3.2-Speciale：突破推理能力边界，目前仅通过API提供服务。
两款模型均达到世界级推理性能 ：
V3.2：推理能力与文本长度兼顾，拥有GPT-5级别性能，适合日常驱动；
V3.2-Speciale：极致推理能力，取得了4项金牌级成绩；目前仅提供API版本（不支持工具调用），以支持社区评估与研究。
在主流推理基准测试上，DeepSeek-V3.2-Speciale的性能表现媲美Gemini-3.0-Pro（见表1）。
更令人瞩目的是，V3.2-Speciale 模型成功斩获多项金牌：
IMO 2025（国际数学奥林匹克）
CMO 2025（中国数学奥林匹克）
ICPC World Finals 2025（国际大学生程序设计竞赛全球总决赛）
IOI 2025（国际信息学奥林匹克）
其中，ICPC与IOI成绩分别达到了人类选手第二名与第十名的水平。
而DeepSeek-V3.2是首个将思考直接整合到工具使用中的模型，同时支持在思考和非思考模式下使用工具。
目前，两款模型均已开源：
· DeepSeek-V3.2
HuggingFace：https://huggingface.co/deepseek-ai/
DeepSeek-V3.2
ModelScope：https://modelscope.cn/models/deepseek-ai/DeepSeek-V3.2
· DeepSeek-V3.2-Speciale
HuggingFace：https://huggingface.co/deepseek-ai/DeepSeek-V3.2-Speciale
ModelScope：https://modelscope.cn/models/deepseek-ai/DeepSeek-V3.2-Speciale
如果说两个月前发布的DeepSeek-V3.2-Exp是一台在赛道上呼啸而过的「概念车」，用来向世界证明「稀疏注意力」引擎的动力潜力；
那么今天正式转正的DeepSeek V3.2，则是一辆完成了内饰精修、装配了顶级导航系统、可以随时上路解决复杂问题的「量产超跑」。
这就是DeepSeek V3.2相比于Exp版（实验版）最大的进化逻辑：核心引擎不变，但驾驶技巧（Agent能力）发生了质变。
在架构层面，V3.2沿用了Exp版本验证成功的DSA架构，但在「软实力」上，DeepSeek解决了一个困扰AI界的顽疾——思考与行动的断裂。
在V3.2-Exp时期（以及其他大多数推理模型），模型像是一个记性不好的老学究：它会先花很长时间思考，决定调用一个工具（比如搜索天气）。
但当工具把「今天是雨天」的结果扔回来时，它往往会「断片儿」，忘了刚才思考到哪一步了，不得不重新规划。
V3.2正式版引入了「思维上下文管理」。
这就像给模型装了一个「工作记忆暂存区」。
现在的V3.2像一位经验丰富的外科医生，在伸手要手术刀（调用工具）的间隙，脑子里的手术方案依然清晰连贯，拿到刀后能无缝衔接下一步操作。
为了练就这项绝活，DeepSeek甚至为V3.2搭建了一个「虚拟演练场」。
他们合成了1800多个虚拟的操作系统、代码库和浏览器环境，生成了8.5万条极其刁钻的指令，逼着V3.2在虚拟世界里反复练习「修Bug」、「查资料」、「做报表」。
正是这种高强度的特训，让V3.2正式版从一个只会做题的「做题家」，进化成了能熟练使用工具解决现实难题的「实干家」。
V3.2能够同时兼顾「聪明」和「便宜」，其最大的功臣依然是那个名为稀疏注意力（DSA）的底层黑科技。
DeepSeek-V3.2的注意力架构
要理解它的牛逼之处，我们得先看看传统模型有多「笨」。
传统模型在处理长文档时，就像一个强迫症晚期的图书管理员：
为了回答你一个简单的问题，它强迫自己必须把图书馆里每一本书的每一页、每一行字都读一遍，并计算它们之间的关联。
这导致计算量随着书的厚度呈指数级爆炸（O(L^2)）。
DSA则给这位管理员配备了一套「闪电索引器」。
当问题来临时，DSA先用极低的成本扫描一遍「索引」，瞬间判断出哪几页书可能包含答案，把无关的99%的废话直接扔掉。
然后，它只对这筛选出的1%的关键内容进行精细的深度阅读。
这种「查目录」而非「死磕全书」的策略，将计算复杂度从可怕的指数级直接拉低到了近乎线性（O(L)）。
DSA技术的成功落地，直接击穿了AI领域的「速度、成本、智能」不可能三角。
其一，成本腰斩，长文无忧。
对于用户来说，丢给模型一本几十万字的小说或代码库，不再是「烧钱」的奢侈行为，处理速度也从「泡杯咖啡」变成了「眨眼之间」。
其二，算力盈余带来的「智力涌现」，这是最精彩的一点。
正因为DSA节省了大量算力，DeepSeek才有底气推出那个恐怖的Speciale版本。
既然读得快，那就让它想得久一点！
Speciale版本利用节省下来的资源，进行更深度的「长思考」和逻辑推演。
结果是震撼的：DeepSeek-V3.2-Speciale在数学（IMO金牌）、编程（IOI金牌）等硬核指标上，不仅超越了GPT-5 High，更是与谷歌最强的Gemini 3.0 Pro战成平手。
从验证DSA引擎潜力的V3.2-Exp，到将Agent能力、思维上下文管理、虚拟演练场训练全部装车的V3.2正式版，DeepSeek展示的是另一条通往强智能的路线：在算力紧箍咒下，用更聪明的架构、更精细的训练和更开放的生态，撬动推理极限。
DeepSeek-V3.2的横空出世，正是DeepSeek开源AI的魅力时刻：拒绝无脑烧钱Scaling，靠更聪明的算法，在算力的缝隙中开辟出通往顶峰的捷径。
