DeepSeek发布V3.2-Exp：引入DSA、价格腰斩，为V4、R2铺路

89 0 0

文章摘要

DeepSeek在国庆前夕发布了实验性模型DeepSeek-V3.2-Exp，核心创新是引入DeepSeek Sparse Attention（DSA）架构，首次实现细粒度稀疏注意力机制。该技术通过让模型仅关注关键信息，在保持输出质量的同时，将长文本训练和推理效率提升近9倍。官方基准测试显示，新模型在代码生成、数学推理等任务中与前代性能差距不足1%，实现了”效率换挡，性能不减”的突破。

这项技术创新的深层动机在于应对“注意力悬崖”问题——传统Transformer架构在处理超长上下文时会出现性能断崖式下跌。DSA通过采用128维FP8精度Lightning Indexer替代传统注意力组件，在非核心计算环节极致压缩成本，同时保留FP16全精度处理关键信息。配合此次发布的API服务价格腰斩策略，DeepSeek既降低了开发者使用门槛，也为新架构获取了海量真实场景验证数据。

模型发布意外带动了国产技术生态的曝光。为优化DSA组件，DeepSeek开源了采用TileLang编写的CUDA算子，这种由北大研发的编程语言能将复杂GPU算子代码量缩减90%。华为昇腾和寒武纪芯片随即宣布完成适配，形成从模型架构、编程语言到国产硬件的完整技术链条。这标志着中国AI产业正在构建自主可控的协同创新体系。

与Google同期发布的Gemini 2.5 Flash-Lite相比，两者虽都追求性价比，但技术路径迥异：Google侧重模型蒸馏压缩，DeepSeek则选择底层架构革新。行业观察指出，这种由算法创新驱动的成本结构变化，比单纯价格战更具产业意义。当顶尖AI能力变得普惠，应用创新将获得更广阔空间。

社区反馈呈现两极分化：多数用户盛赞”性能相似但成本骤降”的突破，也有开发者报告特定场景下的性能波动。关于稀疏注意力是否牺牲部分上下文能力的学术争论仍在持续。但毋庸置疑的是，这次发布清晰展现了DeepSeek向下一代架构演进的路线图，DSA很可能成为未来V4系列的核心技术雏形。这种持续的前沿探索，正在重新定义大模型行业的效率标准与商业逻辑。