Zhidongxi May -set |编辑Chen Junda | Xinyuan DeepSeek是接近下一代建筑的一步！吉文奇在9月30日报道说，昨天，DeepSeek宣布了实验版本的DeepSeek-V3.2-Exp模型的开源。该模型首次引入了Deptseek的深刻注意力机制，并大大提高了长期文本训练和推理的效率，而不会影响模型的产出的影响。它被DeepSeek定义为“迈向新一代建筑的中间步骤”。 huggingface地址：https：//huggingface.co/deepseek-ai/deepseek-v3.2-ex modai社区地址：展开全文
https://modelscope.cn/models/deepseek-i/deepseek-v3.2-exp
这种改进还降低了新的DeepSeek模型的服务成本，DeepSeek实施了新的政策价格，这将开发人员称为DeepSeek API的成本降低了50％以上。
降价最高的产出代币的价格是产出代币的价格：DeepSeek-V3.2-Exp模型的100万个令牌的产出价格仅为3元，这是DeepSeek-V3.1系列模型的1/4。
9月30日凌晨6点，华为云，PPIO Paiou Cloud和UCID等云平台宣布了DeepSeek-V3.2-Exp的推出。 AI芯片制造商，例如华为，Cambrian和Haiguang Information宣布了DepSek-V3.2-Exp-Exp适应。
DeepSeek-v3.2-Exp是基于DeepSeek-V3.1-terminus构建的。在各个领域的公共审查集中，这两个模型的性能通常相同，但是DeepSeek-V3.2-Exp用来完成任务的代币数量已大大降低。
目前，DeepSeek应用程序，网页和Mini程序一次启动了DeepSeek-V3.2-Exp模型。 DeepSeek还暂时维护Deviceek-V3.1-ensinus API接口，以促进开发人员进行比较和验证。
除本体模型外，Deviceek还开了相关技术ICAL报告和代码，并提供了Tilelang和Cuda GPU操作员的双重版本，供研究人员在不同级别进行实验和优化。
技术报告：
https://github.com/deepseek-i/deepseek-v3.2-emp/blob/main/main/deepseek_v3_2.pdf
DeepSeek还补充说，作为一个实验，DeepSeek-V3.2-Exp已在公众审查集中得到证明，对于在某些情况下，对用户使用的实际使用以实现不良性能的可能性，仍然有必要进行更广泛的试验。
1。华为，Haiguang和Cambrianlight Speed适应，Netizens被称为Second DeepSeek时刻
当启动DeepSeek-V3.2-Exp时，它引起了热情的行业回应和开发人员圈子。许多国内公司宣布完成了DeepSeek-V3.2-Exp的改编和启动。
华为计算的官方帐户宣布，Ascend已根据诸如vllm/sglan之类的临时框架迅速完成适用的适用G，对第0天（第0天）实施了DeepSeek-V3.2-Exp支持，并打开了所有推理代码的资源和开发人员操作员的实施。 DeepSeek-V3.2-Exp是上升设备上的128K长度输出，并且可以保持ttft的生成速度（令牌的第一个输出所需的时间）少于2秒钟，TPOT（令牌的每个输出都需要时间为时间）小于30毫秒。
华为云首先启动了DeepSeek-V3.2-Exp，并使用CloudMatrix 384超级节点为此模型提供识别服务。
DeepSeek宣布开放Deviceek-V3.2-Exp模型四分钟后，Cambrian还发布了一份声明，称它正在同步0天模型改编并打开大型VLLM-MLU推理引擎模型的源代码的源代码。
寒武纪通过开发Triton操作员来实现快速改编基于计算和通信的平行方法的效率。
DeepSeek-V3.2-Exp模型为671GB，可能需要大量时间单独下载它。这4分钟的第0天适应可能意味着Cambrian和DeepSeek始于模型发布之前的改编作品。
根据经济观察者的说法，DCU（Haiguang Information的深度计算处理器）导致实施了大量适应和优化DeepSeek-V3.2-Exp的第0天，以确保大型计算大小的“零等待”扩展。
在DeepSeek正式宣布DeepSeek-V3.2-Exp的开源的推文中，许多网民分享了他们对模型的经验和感受。一个网民说，他在100,000个代币的代码基础上尝试了DeepSeek-V3.2-Exp，并且改进的速度很明显。
一些网民对DeepSeek API几乎等同于今天的自由感到悲伤。
一些网民认为，该模型的推出可能意味着第二个DeepSeek的时刻即将到来。
拥抱Mukhasa的开始，在DeepSeek社区第V3.2-Exp中也有许多讨论，但是最受欢迎的帖子是中国网民的“投诉”：“我们的模型在国庆节之前已经更新了吗？”
当DeepSeek每次更新模型时，几乎所有网络都在假期的前几天都列出时，也会列出一些网民。
2。经验DeepSeek-V3.2-Exp第一手，建筑创新可能比提高性能更重要
在用户体验方面，DeepSeek-V3.2-Exp与以前的DeepSeek-v3.1-terminus不同？
在编程方面，DeepSeek-V3.2-Exp编写的代码显然更短。在同一任务下，代码输出线的数量低于DeepSeek-v3.1-terminus。
但是，这也会影响某种规模的模型性能。由DeepSeek-V3.2-Exp编写的小球弹跳动画代码无法正常运行，而小的Bola则直接在Hexagon响起e。 DeepSeek-v3.1-terminus在以前的吉文Xi测试中完美地完成了这项工作。
Zhitou还让DeepSeek-V3.2-Exp完成了一项信息获取任务，要求推荐一些适合初学者的植物，以迅速生长并直接食用水果，并确保为儿童提供全部安全性，最好附上简单的播种技能。
与DeepSeek-v3.1-terminus（左）相比，DeepSeek-V3.2-Exp（右）产生的结果较短，并且具有更“简单”的单词。此外，DeepSeek-V3.2-Exp推荐的无花果，激情和其他植物需要削减和保持高频，而对满足直接词要求的新手不友好。
▲在信息采集任务中，Deepseek-V3.1-terminus（左）和DeepSeek-V3.2-Exp（右）（照片资源：Zhidongxi）
通常，DeepSeek-V3.2-Exp提高了识别效率，但在能力方面做出了一些让步。
Zhihu Blogger @ToyamaNAO还发现了类似的评估问题。他认为，DeepSeek-V3.2-Exp在工作记忆中有明显的缺点，计算和稳定性的准确性，并且容易出现懒惰的可能性，并且有可能陷入死周期。
▲Zhihu Blogger @Toyama NAO评论-V3.2-Exp评论
其他网民的观点也证实了这一点。例如，这个网民已经在X平台上发布了他在该模型中没有看到任何改进的情况，并问：为什么我们使用具有令人沮丧的功能的模型？
作为一个实验模型，DeepSeek-V3.2-Exp提出了更多的贡献，这在理论层面上。 DeepSeek说，与DeepSeek-V3.1-ensinus相比，DeepSeek-V3.2-Exp的架构的唯一变化是通过正在进行的培训引起了DeepSeek的引入。
当前的DSA机制仍处于原型阶段，主要由两个组成部分组成：闪电索引和一个令牌选择机制。
▲深Seek-V3.2-Exp架构图
闪电索引迅速评估查询令牌与历史令牌之间的关系，只需从选择机制的上下文中选择最多的选择，以便输入注意力的计算，从而将复杂性从传统二次二级线性降低到估计的线性水平，从而大大降低了培训成本和推理的成本。
实际上，DeepSeek-V3.2-Exp采用了“继续前运动 +训练后”程序。连续的预训练分为两个阶段：首先，在密集模式下短暂训练索引器，以保持与通常关注的输出；然后引入一种广泛的选择机制，以逐渐使模型适应新的计算方法。
培训完成后，DeepSeek-V3.2-Exp通过专家蒸馏和混合加固研究培训。蒸馏的专家的想法是培训各个领域的专业专家模型，例如数学，编程和推理，然后在一般模型中压缩这些模型的知识。
混合增强学习在RL阶段结合了推理，代理能力和人类对齐训练，避免了易受传统多阶段方法易受的p翅目问题。
技术报告表明，在大多数评估活动中，DeepSeek-V3.2-Exp的性能通常在前几代是相同的，并且与个体推理相关的测试得分略有降低，但主要原因是形成了较少的侵权信号，如果使用了中间检查点，则差距会固定。
相反，提高效率尤其重要。在H800 GPU测试环境中，长时间的开销大大减少了，证明DSA在实际扩展中非常实用。
同时，训练曲线在上一代模型中保持相似的稳定性，这也表明没有加法l风险进入这个建筑场景。
结论：DeepSeekis朝着新一代建筑迈进
正如EXP（实验版）所说的那样，DeepSeek-V3.2-Exp的启动不是性能升级，而是更像是一个建筑实验，显示出在文本长期处理中考虑性能和效率的新途径。
作为技术原型，DeepSeek-V3.2-Exp背后的DSA机制很快就可以改善。随着相关技术的继续进行优化，越来越多的公司和研究人员参与验证，预计Deptseek将在不久的将来提供更令人惊讶的结果。回到Sohu看看更多
