DeepSeek | FOCUS | DeepSeek-V3.2再革新，硬撼閉源算力躍進
OpenAI旗下閉源大模型ChatGPT迎來3歲生日之際，中國「開源之神」DeepSeek周一（1日）傍晚發布兩款新模型「贈興」－－DeepSeek-V3.2及DeepSeek-V3.2-Speciale，不僅完美展示思考有多快、推理有多深，且續維持令人驚嘆的成本效益，被視作開源大模型引領AI平權的又一里程碑。
GPT5用戶破8億，惟接連翻車
當ChatGPT的周活躍用戶突破8億，8月登場的旗艦模型GPT‑5卻接連翻車，包括將簡單方程「5.9 = X + 5.11」解作「X=-0.21」，把俄勒岡州（Oregon）標為「Onegon」……引發僅是GPT-4o「換皮」、實則毫無突破的猜疑。
8月登場的旗艦模型GPT‑5接連翻車。
不過，剛橫空出世的DeepSeek-V3.2，不僅正確解答「猴子有666根香蕉，每次最多背66根香蕉，可是猴子每走1米就要吃1根香蕉，問猴子最多能走多遠？」這樣的經典「燒腦」題，更問鼎全球首個斬獲2025年「頂尖四賽（國際奧數、中國奧數、國際大學生設計總決賽、國際信息學奧林匹克）」金牌的大模型。
「稀疏注意力」機制提升效率
能答題或許不算特殊本領，畢竟谷歌旗下Gemini 3亦擅長跑分/屠榜，並獲數學家陶哲軒認證，以10分鐘解決百年數學難題（Erdosproblem/367）。今次V3.2的最大突破，當屬引入「DeepSeek 稀疏注意力（DSA）」機制，大幅提升處理長上下文的效率。
DeepSeek稀疏注意力（DSA）在MLA架構下的工作流程。
例如，試想像DSA是位圖書館館長，當讀者提出「通俗解釋量子糾纏」的查詢，其既不會讀完圖書館裏每一本書的每一頁，來搜尋「量子糾纏」這個關鍵詞，也不會死板地徑直前往擺放物理學分類的書架，而是融會貫通精選科學、人文、歷史等適配書籍，並深度處理如何「通俗」解釋。
此得益於V3.2配置的「閃電索引器（lightning indexer）」微型神經網絡，以及「細粒度選擇機制（fine-grained token selection mechanism）」，既大幅降低計算量，亦保持高準確率。
想得更深，成本僅為對手零頭
除了V3.2又快、又好、又省，同日推出的V3.2-Speciale更旨在探究延伸思考的潛力，在強化學習中移除長度懲罰（length penalty），並整合早前DeepSeekMath-V2的數據集和獎勵機制，允許猜想、試錯、修正、自我驗證，相當於模拟人類探索式的深度推理。此正正是其在國際奧數、哈佛MIT數學競賽等跑贏GPT-5 High和Gemini-3 Pro的原因，惟世界級編程競賽等推理任務仍略輸於Gemini-3。
DeepSeek-V3.2-Speciale在國際奧數、哈佛MIT數學競賽等跑贏GPT-5 High和Gemini-3 Pro。
按每百萬Token輸出計，GPT-5需10美元，而DeepSeek-V3.2及V3.2-Speciale僅為0.42美元，相當於前者的零頭，再次印證中國開源大模型能憑藉獨特架構和訓練範式，超越西方閉源大模型單純的算力、參數軍備競賽。
值得一提的是，DeepSeek僅將今次版本命名為V3.2（V3、V3.1分別為去年12月、今年8月發布），或意味就挑戰閉源模型的複雜任務（DeepSeek坦言，過去數個月，閉源模型和開源模型之間的效能差距正在擴大），V4將成扭轉戰局的關鍵一役，且拭目以待。
撰文:金子安