9月29日晚间，国产人工智能（AI）本领 厂商深度求索（DeepSeek）公布正式公布 DeepSeek-V3.2-Exp模子，正如其名称所示的那样，这是一个基于V3.2实验性（Experimental）的版本。

作为迈向新一代架构的中间步骤，Deepseek V3.2-Exp 在 V3.1-Terminus 的基础上引入了 DeepSeek Sparse Attention（一种希奇注意力机制），针对长文本的训练和推理服从举行 了摸索 性的优化和验证。

据介绍，DeepSeek Sparse Attention（DSA）希奇注意力机制首次实现了细粒度希奇注意力机制，在几乎 不影响模子输出效果的前提下，实现了长文本训练和推理服从的大年夜 幅提拔。

为了严谨地评估引入希奇注意力带来的影响，我们特意把 DeepSeek-V3.2-Exp 的训练设置与 V3.1-Terminus 举行 了严格的对齐。在各领域 的公开评测集上，DeepSeek-V3.2-Exp 的体现与 V3.1-Terminus 基本持平。

目前，Deepseek官方 App、网页端、小程序均已同步更新为 DeepSeek-V3.2-Exp，同时 API 大年夜 幅度贬价。

值得注意的是，在DeepSeek-V3.2-Exp模子公布 的同一天，国产AI芯片大年夜 厂寒武纪就公布，已同步实现对DeepSeek-V3.2-Exp的适配，并开源大年夜 模子推理引擎vLLM-MLU源代码。

目前，开辟者可以在寒武纪软硬件平台上第一时间体验DeepSeek-V3.2-Exp的亮点。

寒武纪表现，公司一直重视 芯片和算法的联合创新，致力于以软硬件协同的方法 ，优化大年夜 模子摆设性能 ，降低摆设本钱。

此前，寒武纪对DeepSeek系列模子举行 了深入 的软硬件协同性能 优化，达成 了业界领先的算力利用率水平。

针对本次的DeepSeek-V3.2-Exp新模子架构，寒武纪通过Triton算子开辟实现了快速适配，利用BangC融合算子开辟实现了极致性能 优化，并基于计算与通信的并行计谋，再次达成 了业界领先的计算服从水平。

寒武纪表现，依托DeepSeek-V3.2-Exp带来的全新DeepSeek Sparse Attention机制，叠加寒武纪的极致计算服从，可大年夜 幅降低长序列场景下的训推本钱，共同为客户提供极具竞争力的软硬件办理筹划 。

编辑：芯智讯-浪客剑