壞消息，次打開源模型和閉源模型的小更新暴差距越來越大了。

好消息，次打DeepSeek 又出手了。小更新暴

12 月 1 日，次打DeepSeek 發布了兩款新模型 —— DeepSeek V3.2 和 DeepSeek-V3.2-Speciale。小更新暴

前者和 GPT-5 能打的次打有來有回，后面的小更新暴高性能版更是直接把 GPT 爆了，開始和閉源模型天花板 —— Gemini 打了個五五開。次打

還在IMO 2025（國際數學奧林匹克）、小更新暴CMO 2025（中國數學奧林匹克）等一系列比賽中拿下金牌。次打

這是小更新暴這家公司今年第九次發布模型，雖然大家期待的次打 R2 還沒有來。

所以，小更新暴DeepSeek 是次打怎么用更小的數據，更少的顯卡，做出能和國際巨頭來抗衡的模型？

我們翻開了他們的論文，想把這件事給大家講清楚。

為了做到這個目標，DeepSeek 又整了不少新招：

先是把咱們的老朋友 DSA —— 稀疏注意力給轉正了。

這東西在之前的 V3.2-EXP 版本里出現過，當時只是測了一下 DSA 會不會影響模型的性能，現在是真的把這玩意給放到了主力模型上。

大家平時和大模型聊天的時候會發現，你在一個對話框里聊的越多，模型就越容易胡言亂語。

甚至聊的太多了，還會直接不讓你聊了。

這是因為大模型原生的注意力機制導致的問題，在這套老邏輯的影響下，每個 token 出來，都要和前面的每一個 token 互相算在一起做一次計算。

這就導致了句子增長一倍，模型的計算量就得增加到原來的四倍，如果邊長到原來的三倍，計算量就變成了原來的九倍，非常麻煩。

DeepSeek 想這樣不行啊，于是就給大模型里加了固定頁數的目錄（稀疏注意力），相當于幫模型劃重點了。

而在有了目錄之后，以后每次只需要計算這個 token 和這些目錄的關系就行了，相當于就是看書先讀目錄，看完目錄，對哪一章感興趣，再去仔細看這章的內容就好。

這樣一來，就能讓大模型讀長文的能力變的更強。

在下面這張圖里可以看到，隨著句子越來越長，傳統的 V3.1 的推理成本是越來越高。

但是用上了稀疏注意力的 3.2 則沒什么變化。。。

屬于是超級省錢冠軍了。

另一方面，DeepSeek 開始重視起了開源模型的后訓練工作。

大模型這一套從預訓練開始，到考試打分的過程，其實有點像是我們人類從小學開始，一路讀書讀到高考的過程。

前面的大規模預訓練，相當于從小學到高二，把所有課本、練習冊、卷子全過一遍，這一步大家都差不多，不管是閉源模型，還是開源模型，都在老老實實的念書。

但到了高考沖刺階段就不一樣了，在模型的后訓練階段，閉源模型一般都會請名師，猛刷題，開始搞起各種強化學習，最后讓模型來考一個不錯的成果。

但開源模型在這塊花的心思就比較少了，按照 DeepSeek 的說法，過去的開源模型在訓練后階段計算投入普遍偏低。

這就導致這些模型可能基礎能力是已經到位的了，但就是難題刷少了，結果導致考出來的成績不太好。

于是，DeepSeek 決定這次自己也要上名師輔導班，設計了一套新的強化學習協議，在預訓練結束后，花了超過總訓練算力的 10% 來給模型開小灶，把之前缺的這塊給補上。

同時還推出了個能思考超長時間的特殊版本 —— DeepSeek V3.2 Speciale。

這玩意的思路是這樣的：

過去的大模型因為上下文長度有限制，所以在訓練的時候都會做一些標注懲罰的工作，如果模型深度思考的內容太長了，那就會扣分。

而到了 DeepSeek V3.2 Speciale 這兒，所以 DeepSeek 干脆取消掉了這個扣分項，反而鼓勵模型想思考多久就思考多久，想怎么思考就怎么思考。

最終，讓這個全新的 DeepSeek V3.2 Speciale 成功的和前幾天爆火的 Gemini 3 打的有來有回。

此外DeepSeek 還很重視模型在智能體方面能力。

一方面，為了提高模型的基礎能力，DeepSeek 構建了一個虛擬環境，合成了成千上萬條數據來輔助訓練。

DeepSeek-V3.2 用 24667 個真實代碼環境任務、50275 個真實搜索任務、4417 個合成通用 agent 場景、5908 個真實的代碼解釋任務做后訓練。

另一方面，DeepSeek 還優化了模型使用各種工具的流程。

以前幾代 DeepSeek 的一個典型毛病是：會把思考和用工具給分開。

模型一旦去調用外部工具，前面那段思考基本就算寫完收工了，等工具查完結果再回來，它往往又要重新鋪一遍思路。

這就導致一種很蠢的體驗——哪怕只是去查一下“今天幾月幾號” 這種小事，模型也會從頭開始重建整套推理鏈，非常浪費時間。。。

在 V3.2 這里，DeepSeek 忍不了了，直接把這套邏輯推翻重做。

現在的規則變成：在一整串工具調用的過程中，模型的“思考過程”會一直保留下來，只有當用戶發來一條新的提問時，才會重置這一輪推理；而工具的調用記錄和結果，會像聊天記錄一樣一直留在上下文里。

通過這修改模型架構，重視后訓練，強化 Agent 能力的三板斧，DeepSeek 才終于讓自己的新模型，有了能和世界頂尖開源模型再次一戰的能力。

當然，即使做了這么多改進，DeepSeek 的表現也算不上完美。

但托尼最喜歡 DeepSeek 的一點，就是他們愿意承認自己的不足。

而且還會直接在論文里寫出來。

比如這次論文就提到了，這次的 DeepSeek V3.2 Speciale 雖然能和谷歌的 Gemini 3 Pro 來打的五五開。

但是要回答相同的問題，DeepSeek 需要花費更多的 token。

我自己也測試了一下，從“人類的最終考試” 的題庫里隨便抽了道題目，同時丟給 Gemini 3 Pro 和 DeepSeek V3.2 Speciale 這兩個模型。

題目是：

蜂鳥類在足形目中獨特地擁有雙側成對的橢圓形骨，這是一種嵌入在膨脹的十字翼腱膜的尾狀骨中，嵌入壓低多粒骨的尾狀骨。這塊籽骨支撐著多少對對腱？請用數字回答。

結果發現 Gemini 只要 4972 個 Tokens 就能把問題給答出來。

而到了 DeepSeek 這邊，則用了 8077 個 Tokens 才把問題給搞明白。

光看用量的話，DeepSeek 的的 Tokens 消耗量高了快六成，確實是有不小的差距。

但是話又說回來了。

DeepSeek 雖然消耗的 token 多，但是人家價格便宜啊。。。

還是剛才那個問題，我回頭仔細看了眼賬單。

DeepSeek 8000 多個 tokens，花了我 0.0032 美元。

但谷歌這邊，5000 個 tokens 不到，給我干掉了 0.06 刀？這塊要比 DeepSeek 高了有 20 倍了。

從這個角度上來看，怎么感覺還是 DeepSeek 更香一些。。。

最后，讓我們回到論文的開頭。

正如 DeepSeek 所言，最近半年來，開源模型和閉源模型的差距正在不斷加大。

但他們還是用自己的方式，在不斷追趕這份差距。

而 DeepSeek 的各種節省算力，節約數據的操作，其實讓我想到了上個月，一場關于 Ilya Sutskever 的訪談。

這位 OpenAI 曾經的靈魂人物認為，只靠一味的給模型堆參數，是沒有未來的。

AlexNet只用了兩塊GPU。Transformer剛出現時的實驗規模，大多在8～64塊GPU范圍內。按今天的標準看，那甚至相當于幾塊GPU的規模，ResNet也一樣。沒有哪篇論文靠龐大的集群才能完成。

比起算力的堆砌，對算法的研究也一樣重要。

這正是 DeepSeek 在做的事情。

從 V2 的 MoE，到 V3 的多頭潛在注意力（MLA），再到如今 DeepSeek Math V2 的自驗證機制，V3.2 的稀疏注意力（DSA）。

DeepSeek 展現給我們進步，從來都不是單一的，依靠堆砌參數規模所帶來的提升。

而是在想辦法，如何用有限的數據，來堆積出更多的智能。

巧婦狂作無米之炊

所以，R2 什么時候來呢？

(責任編輯：探索)