DeepSeek 最新推出 ‌EX 模型

DeepSeek-V3.2-Exp 模型全面解析

1. 基本信息
   发布时间‌：2025年9月29日，DeepSeek官方同步在HuggingFace与魔搭平台开源该模型‌。
   定位‌：作为实验性(Experimental)版本，是迈向新一代架构的中间步骤，重点探索长文本场景下的效率优化‌。
   核心创新‌：首次引入‌DeepSeek Sparse Attention‌（稀疏注意力机制），通过动态筛选关键信息（如Top-2048 token）显著降低计算复杂度‌。
2. 技术突破与性能表现
   稀疏注意力机制‌：
   采用"闪电索引器"(lightning indexer)实现细粒度token选择，将传统Transformer的O(L)复杂度降至O(Lk)‌。
   在128K token长序列场景下，推理成本较V3.1-Terminus降低42%，同时保持编程、数学等核心任务性能稳定‌。
   硬件适配‌：已完成华为昇腾、寒武纪、海光信息等国产芯片适配，验证了高通用性与生态兼容性‌。
3. 与V3.1-Terminus的对比
   维度 V3.1-Terminus V3.2-Exp (EX模型)
   注意力机制‌ 传统全局注意力 稀疏注意力(DSA)
   长文本效率‌ 标准计算量 计算量减少42%‌
   API价格‌ 原价 下调50%以上‌
   开源支持‌ 部分开源 全栈开源(含技术报告)‌
4. 应用场景
   长文本处理‌：适合法律文书分析、学术论文摘要等场景，处理10万+token文档时内存占用降低35%‌。
   代码生成‌：在SWE-bench测试中保持82%准确率，支持项目级代码补全‌。
   垂直领域‌：已应用于核工业设计（如"龙衍系统"）、建筑工程方案生成等专业场景‌。
5. 开发者生态
   API策略‌：临时保留V3.1-Terminus接口至2025年10月15日，方便对比验证‌。
   开源组件‌：提供TileLang与CUDA双版本GPU算子，支持社区二次开发‌。

DeepSeek EX模型与V3.1版本的核心区别

1. 架构与注意力机制