DeepSeek 今日宣布推出實驗性模型 DeepSeek-V3.2-Exp，該版本被定位為新一代架構研發的過渡性產品。基于此前發布的 V3.1-Terminus 模型，研發團隊首次引入了自主研發的 DeepSeek Sparse Attention 稀疏注意力機制，重點針對長文本場景下的訓練效率與推理性能展開優化驗證。
此次更新同步覆蓋多平臺服務，官方移動應用、網頁端及小程序均已完成版本升級。技術團隊特別強調，V3.2-Exp 已在多個公開評測基準中完成有效性驗證，但考慮到實際使用場景的復雜性，仍需通過更大規模的測試來檢驗模型性能。為此，官方決定臨時保留 V3.1-Terminus 的獨立 API 接口，方便開發者進行對比測試。
在開發者服務層面，DeepSeek 宣布即日起下調 API 調用價格，降幅超過 50%。這一調整將顯著降低企業級用戶的技術接入成本，尤其利好需要處理大規模文本數據的商業應用場景。研發團隊透露，價格優化得益于稀疏注意力機制帶來的計算效率提升。
據技術文檔披露，DeepSeek Sparse Attention 通過動態識別文本關鍵區域，在保持模型性能的同時減少無效計算。這種創新機制特別適用于法律文書分析、長篇內容生成等需要處理超長文本的場景。目前，研發團隊正在收集用戶反饋數據，為后續架構升級提供實證依據。
