DeepSeek: DeepSeek V3.2 Exp

DeepSeek-V3.2-Exp 是 DeepSeek 发布的实验性大语言模型，作为 V3.1 与后续架构之间的过渡版本。它引入了 DeepSeek Sparse Attention (DSA)，一种细粒度稀疏注意力机制，旨在在长上下文场景下提升训练与推理效率，同时保持输出质量。用户可通过 reasoning enabled 布尔值控制 reasoning 行为，详见文档。

该模型的训练条件与 V3.1-Terminus 对齐，以便进行直接比较。基准测试显示，其在 reasoning、编码和 agentic tool use 任务上的表现与 V3.1 大致相当，不同领域略有得失。本次发布重点在于验证面向扩展上下文长度的架构优化，而非单纯提升任务精度，主要面向探索高效 transformer 设计的研究用途。