智東西（公眾號：zhidxcom）
作者 | 李水青
編輯 | 漠影
智東西9月29日報道，剛剛，DeepSeek正式發布DeepSeek-V3.2-Exp模型，官方App、網頁端、小程序均已同步更新為該版本，同時API大幅度降價。
▲DeepSeek-V3.2-Exp的Hugging Face頁面截圖
DeepSeek-V3.2-Exp的一大亮點是價格暴降。在新的價格政策下，開發者調用DeepSeek API的成本將降低50%以上。
據悉，DeepSeek-V3.2-Exp API的輸入價格由0.5元/百萬tokens降低為0.2元/百萬tokens（緩存命中），由4元/百萬tokens降低為2元/百萬tokens（緩存未命中），輸出價格由12元/百萬tokens降低為3元/百萬tokens。
▲DeepSeek-V3.2-Exp的全新價格政策
這得益于新模型服務成本的大幅降低。V3.2-Exp是一個實驗性（Experimental）的版本，作為邁向新一代架構的中間步驟，在V3.1-Terminus的基礎上引入了一種稀疏注意力機制（DeepSeek Sparse Attention，DSA），針對長文本的訓練和推理效率進行了探索性的優化和驗證。
據悉，DSA首次實現了細粒度稀疏注意力機制，在幾乎不影響模型輸出效果的前提下，實現了長文本訓練和推理效率的大幅提升。
▲DeepSeek-V3.2-Exp相比V3.1-Terminus效率提升
為了嚴謹地評估引入稀疏注意力帶來的影響，DeepSeek特意把DeepSeek-V3.2-Exp的訓練設置與V3.1-Terminus進行了嚴格的對齊。在各領域的公開評測集上，DeepSeek-V3.2-Exp的表現與V3.1-Terminus基本持平。
▲DeepSeek-V3.2-Exp與V3.1-Terminus測評表現對比
DeepSeek-V3.2-Exp一經發布，就在外網社交平臺X等炸開了鍋。有網友對“成本降低50%”表示贊嘆，也有網友對DeepSeek“周更”的節奏表示滿意，還有更多網友催更DeepSeek新一代模型R2及V4，并期待DeepSeek打敗OpenAI。
▲社交平臺X網友熱議DeepSeek-V3.2-Exp
國產AI芯片公司紛紛第一時間宣布完成DeepSeek-V3.2-Exp的適配。
華為發文宣布，昇騰已快速基于vLLM/SGLang等推理框架完成適配部署，實現DeepSeek-V3.2-Exp 0day支持，并面向開發者開源所有推理代碼和算子實現。其在128K長序列下能夠保持TTFT低于2秒、TPOT低于30毫秒的推理生成速度。
▲華為計算官方公眾號發文
寒武紀也發文宣布，其已同步實現對深度求索公司最新模型DeepSeek-V3.2-Exp的0day適配，并開源大模型推理引擎vLLM-MLU源代碼。DeepSeek-V3.2-Exp疊加寒武紀的極致計算效率，可大幅降低長序列場景下的訓推成本。
▲寒武紀開發者公眾號發文
作為一個實驗性的版本，DeepSeek-V3.2-Exp雖然已經在公開評測集上得到了有效性驗證，但仍然需要在用戶的真實使用場景中進行范圍更廣、規模更大的測試，以排除在某些場景下效果欠佳的可能。
為方便用戶進行對比測試，DeepSeek-V3.1-Terminus臨時保留了額外API訪問接口，保留到北京時間2025年10月15日23:59。
用戶只需修改base_url=”//api.deepseek.com/v3.1_terminus_expires_on_20251015″ 即可訪問V3.1-Terminus，調用價格與 V3.2-Exp相同。
DeepSeek-V3.2-Exp模型現已在Hugging Face與魔搭開源。
HuggingFace地址：
//huggingface.co/deepseek-ai/DeepSeek-V3.2-Exp
ModelScope地址：
//modelscope.cn/models/deepseek-ai/DeepSeek-V3.2-Exp
論文地址：
//github.com/deepseek-ai/DeepSeek-V3.2-Exp/blob/main/DeepSeek_V3_2.pdf
結語：DeepSeek再降大模型落地門檻，國產芯片加速適配
DeepSeek的模型迭代速度正在加快。就在9月22日晚間，其剛剛發布了DeepSeek-V3.1-Terminus，優化了編程、搜索智能體等表現。僅僅一周后，DeepSeek-V3.2-Exp隨之發布，帶來了大幅降低的成本體驗。
這預示著DeepSeek的下一代模型很快就要到來了，此前已有外媒報道稱，DeepSeek今年年底即將推出Agent模型。值得一提的是，我們看到DeepSeek不僅上線阿里魔搭社區，并立馬適配華為昇騰、寒武紀等國產AI芯片，或許意味著其快速迭代及落地應用與國產AI芯片聯系更加緊密。
