9月29日晚間，國產人工智能（AI）技術廠商深度求索（DeepSeek）宣布正式發布DeepSeek-V3.2-Exp模型，正如其名稱所示的那樣，這是一個基于V3.2實驗性（Experimental）的版本。
作為邁向新一代架構的中間步驟，Deepseek V3.2-Exp 在 V3.1-Terminus 的基礎上引入了 DeepSeek Sparse Attention（一種稀疏注意力機制），針對長文本的訓練和推理效率進行了探索性的優化和驗證。
據介紹，DeepSeek Sparse Attention（DSA）稀疏注意力機制首次實現了細粒度稀疏注意力機制，在幾乎不影響模型輸出效果的前提下，實現了長文本訓練和推理效率的大幅提升。
為了嚴謹地評估引入稀疏注意力帶來的影響，我們特意把 DeepSeek-V3.2-Exp 的訓練設置與 V3.1-Terminus 進行了嚴格的對齊。在各領域的公開評測集上，DeepSeek-V3.2-Exp 的表現與 V3.1-Terminus 基本持平。
目前，Deepseek官方 App、網頁端、小程序均已同步更新為 DeepSeek-V3.2-Exp，同時 API 大幅度降價。
值得注意的是，在DeepSeek-V3.2-Exp模型發布的同一天，國產AI芯片大廠寒武紀就宣布，已同步實現對DeepSeek-V3.2-Exp的適配，并開源大模型推理引擎vLLM-MLU源代碼。
目前，開發者可以在寒武紀軟硬件平臺上第一時間體驗DeepSeek-V3.2-Exp的亮點。
寒武紀表示，公司一直重視芯片和算法的聯合創新，致力于以軟硬件協同的方式，優化大模型部署性能，降低部署成本。
此前，寒武紀對DeepSeek系列模型進行了深入的軟硬件協同性能優化，達成了業界領先的算力利用率水平。
針對本次的DeepSeek-V3.2-Exp新模型架構，寒武紀通過Triton算子開發實現了快速適配，利用BangC融合算子開發實現了極致性能優化，并基于計算與通信的并行策略，再次達成了業界領先的計算效率水平。
寒武紀表示，依托DeepSeek-V3.2-Exp帶來的全新DeepSeek Sparse Attention機制，疊加寒武紀的極致計算效率，可大幅降低長序列場景下的訓推成本，共同為客戶提供極具競爭力的軟硬件解決方案。
