DeepSeek-V3.2 规格速查

DeepSeek-V3.2 是 2025 年 12 月 1 日发布的正式版开源模型，架构与 V3.2-Exp 完全相同，相对 V3.1-Terminus 只做了一处改动：通过持续训练引入 DeepSeek 稀疏注意力（DSA）。它的定位是日常问答与通用 Agent 任务，主打「推理能力够用、输出长度受控」。这篇笔记整理它的规格、这处架构改动带来的实际差别，以及在新一代 V4 系列上线后它还剩什么价值。

一、规格一览

需要区分一个容易混淆的点：V3.2 与 V3.2-Exp 不是递进关系，而是同一架构的两个阶段。Exp 是 9 月的实验版本，用于验证 DSA 机制；V3.2 是把验证结果固化后的正式版，训练设置与 Exp 严格对齐。

二、DSA：这一代唯一的架构改动

DSA 全称 DeepSeek Sparse Attention，核心是把注意力计算从「每个 token 与全部历史 token 相乘」改为「先筛选、再加权」。它要解决的是长文本下注意力成本随长度平方增长的问题，方向上与后来 V4 系列的 KV Cache 压缩属于同一类思路，只是手段更早、更保守。

官方给出的验证结论是：未发现 V3.2-Exp 在任何特定场景中显著差于 V3.1-Terminus。这句话的分量在于「任何场景」——稀疏化最怕的是某些长尾任务悄悄退化，而官方口径是长文本效率提升的同时能力持平。

这也解释了为什么正式版没有继续加架构改动。在 671B 这个体量上，一次架构变更的验证成本极高，把已经验证过的改动固化下来、把算力投到后训练，是更稳的选择。

三、与 Speciale 的分工

同期发布的 V3.2-Speciale 是长思考增强版，结合了 DeepSeek-Math-V2 的定理证明能力，在数学与竞赛编程上达到很高水平，官方称其拿下 IMO 2025、CMO 2025、ICPC World Finals 2025 与 IOI 2025 金牌。

但两者的使用边界很清楚：

• V3.2 标准版：日常问答、写作、通用 Agent，支持工具调用，输出长度受控
• V3.2-Speciale：仅以临时 API 形式开放，供评测与研究，不支持工具调用

代码场景里这个差异很实际。需要模型反复调工具、读文件、改代码的流程，只能用标准版；Speciale 在复杂数学题上更强，但它不能接入工具链，成本也高出一个量级。

四、现状与迁移建议

截至本文写作时，DeepSeek 官方 API 已切到 V4 系列，旧模型名不再单独计价。V3.2 的价值因此转移到两条路径上。

第一条是开源权重。MIT 许可允许商用与二次开发，权重可从 Hugging Face 获取。对数据不能出内网、或需要固定版本长期运行的场景，这仍是成本最低的选项——没有任何按 token 计费的不确定性。

第二条是作为对照基线。评估新模型时，用同一套 50 条样本跑一遍 V3.2，能快速判断新一代在指令遵循、结构化输出上的增益是否真实。它的能力曲线已经被社区反复测量过，做基准比用未验证的模型更可靠。

至于原来调用 V3.2 的线上服务，迁移时只需改模型名，接口协议保持不变（OpenAI 兼容格式）。真正需要重测的是提示词：V4 系列默认开启思考模式，长系统提示下的行为与 V3.2 不一致，直接切换可能出现输出变长、格式漂移。

模型库的价值不只在于记录最新型号。像 V3.2 这样处于架构转折点上的版本，往往比旗舰更能说明一家厂商的技术路线——DSA 的验证结果，直接决定了后来 V4 敢把上下文推到 1M。