深度求索公司近日推出了一款名為DeepSeek-V3.2-Exp的實驗性模型，該模型在長文本處理效率方面實現了顯著提升。據官方介紹，這款新模型是在V3.1-Terminus版本的基礎上進行升級，采用了創新的稀疏注意力架構，旨在優化長文本場景下的訓練與推理性能。

技術團隊在V3.2-Exp中引入了DeepSeek Sparse Attention架構，通過動態分配計算資源，有效減少了長文本處理過程中的冗余計算。實驗數據顯示，該架構在保持模型精度的同時，顯著降低了內存占用和計算成本，特別適用于需要處理超長文本的應用場景。

目前，V3.2-Exp已在標準評測集上完成初步驗證，但官方強調仍需通過大規模實際應用測試來進一步優化。為支持這一過程，深度求索公司決定臨時保留V3.1-Terminus版本的API接口，允許研究人員和開發者同時調用新舊兩個模型進行對比測試，從而更直觀地評估性能差異。

這種雙版本并行的測試策略，不僅為模型優化提供了寶貴的真實場景數據，也方便了開發者根據實際需求選擇更適合的版本。公司表示，后續將根據用戶反饋持續調整模型參數，以提升在復雜任務中的表現。