DeepSeek 今日正式推出实验性版本 DeepSeek-V3.2-Exp 模型，该版本作为新一代架构研发的过渡性成果，在长文本处理效率方面实现了突破性进展。此次更新引入了自主研发的 DeepSeek Sparse Attention（DSA）稀疏注意力机制，通过细粒度注意力分配策略，在保持模型性能稳定的前提下，显著提升了长文本场景下的训练与推理效率。
据技术文档披露，DSA 机制首次实现了动态稀疏注意力分配，通过智能识别文本关键信息区域，将计算资源集中于核心语义单元。实验数据显示，该机制在处理超长文本时，可将计算资源占用降低 40% 以上，同时保证模型输出质量与基准版本 V3.1-Terminus 持平。为确保评估结果的客观性，研发团队严格对齐两个版本的训练参数与数据配置，在涵盖金融、法律、科技等领域的 20 余个公开评测集中，V3.2-Exp 的综合表现与前代版本误差率控制在 0.3% 以内。
伴随模型升级，DeepSeek 同步调整了商业化策略。即日起，开发者通过 API 调用新模型的费用将下降超 50%，此举旨在降低长文本应用的技术门槛。平台负责人表示，价格调整基于 DSA 机制带来的算力优化成果，希望借此推动智能文本处理技术在更多行业的普及应用。
目前，DeepSeek 官方应用、网页端及小程序已完成版本更新。考虑到实验性版本仍需大规模真实场景验证，平台将并行维护 V3.1-Terminus 的 API 接口，为开发者提供对比测试环境。技术团队特别提醒，虽然 V3.2-Exp 已通过多项基准测试，但在处理特定领域专业文本时，仍建议结合实际业务需求进行适配性验证。
此次更新引发开发者社区广泛关注，多位技术专家指出，稀疏注意力机制的应用标志着大模型架构优化进入新阶段。有从业者测算，按当前降价幅度计算，日均处理百万级字符的应用每月可节省数万元成本。值得注意的是，平台同步更新的还有微信三端功能升级等系列技术动态。
