深度求索正式推出 deepseek-v3.2-exp 模型，该版本为实验性（experimental）更新。

作为通向新一代架构的过渡性尝试，V3.2-Exp 在 V3.1-Terminus 的基础上集成了 DeepSeek Sparse Attention（DSA），引入了一种创新的稀疏注意力机制，重点针对长文本场景下的训练与推理效率进行了探索性优化与验证。

目前，官方 App、网页端及小程序均已全面升级至 DeepSeek-V3.2-Exp 版本，同时 API 费用大幅下调，诚邀广大用户试用体验，并积极反馈使用建议。

DeepSeek **Sparse Attention**（DSA）

稀疏注意力机制

DeepSeek Sparse Attention（**DSA**）首次实现了高细粒度的稀疏注意力结构，在几乎不牺牲模型输出质量的前提下，显著提升了长序列处理的训练和推理效率。

为准确评估稀疏注意力机制的影响，我们在训练配置上严格对齐了 V3.1-Terminus 的各项参数。测试结果显示，DeepSeek-V3.2-Exp 在多个公开基准评测中表现与前代模型基本一致，保持了高度稳定的性能水平。

论文链接 & 模型开源

DeepSeek-V3.2-Exp 模型现已在 Huggingface 与魔搭平台开放下载：

• HuggingFace：

https://www./link/75b47bff314c1c00c07819e881cbef37

• ModelScope：

https://www./link/ed3e924fec44a4b9b04294ef31cdf73b

相关技术论文也已发布：

https://www./link/3af3ccd7551b9679edb2ae60d326cb01

Tile

Lang & CUDA 算子开源

在研发过程中，团队设计并实现了一系列新型 GPU 算子。我们采用高级语言 TileLang 进行快速原型开发，以支持灵活的研究探索。最终版本则以 TileLang 实现为精度参考，逐步迁移至底层 CUDA 语言以提升运行效率。本次开源内容包含主要算子的 TileLang 与 CUDA 双版本。研究者可优先使用 TileLang 版本进行调试与迭代，便于开展后续创新工作。

API 支持

受益于新模型带来的服务成本显著下降，官方同步调整 API 定价策略，最新价格即日起生效。

根据新规，开发者调用 DeepSeek API 的整体成本将降低超过 50%。

当前 API 默认调用模型为 DeepSeek-V3.2-Exp，接入方式维持不变。欢迎广大开发者继续使用 DeepSeek 提供的高效 API 服务。

源码地址：点击下载