北京
作者 | 小小
出品 | 网易科技
硅谷早晨惊醒，发现追兵已至。当中国对手拿出了旗鼓相当的产品，却打出“完全免费”的底牌时，这场仗该怎么打？
12月1日，DeepSeek带着他们的全新“双子星”—— DeepSeek-V3.2正式版（日常推理的“打工仔”）和DeepSeek-V3.2-Speciale（专攻推理的“顶流学霸”）杀回来了：奥赛金牌拿到手软，推理能力比肩谷歌，直接开启了AI的“免费顶配”时代。
“人们以为DeepSeek只是一次性突破，但我们以更大规模回归。”项目贡献者陈方在社交媒体上的这句“豪言”，无异于向全球AI圈下了一封“硬核战书”。
网络上瞬间“炸锅”，无数用户涌入评论区，甚至有人高呼：“ChatGPT安息吧！”
YouTube知名SEO博主朱利安·戈尔迪（Julian Goldie）在测评后直言，这款刚刚发布的模型，在几乎每一项顶级推理和编程测试中，都对那些收费昂贵、壁垒森严的闭源巨头发起了强有力的挑战。
DeepSeek-V3.2不仅在编程竞赛中荣获金牌，更轻松解决奥赛级数学难题。更疯狂的是：它完全开源，支持直接本地运行，成本甚至仅为GPT-5的1/25。
正如网友所惊呼：“有些人还没意识到这次发布的分量有多重！”它不仅是一项技术突破，更是对“开源比闭源落后8个月”这一说法的当头棒喝。
现在，让我们一起研读“刚刚宣布”的白皮书和技术报告，看看这个V3.2究竟是如何成为“顶级AI时代的免费入场券”的。
有网友评论认为：中国在顶尖模型应用层的“追赶窗口”已经基本关闭，中美AI竞赛已进入“贴身肉搏”的白热化阶段。
你还在支付昂贵的API费用？不好意思，别人已经开着免费的“顶配超跑”上路了。
01性能狂飙：顶级“学霸”Speciale的“奥赛金牌收割机”模式
戈尔迪表示，这次发布的焦点无疑是DeepSeek-V3.2-Speciale。这个拥有6850亿参数的“大聪明”，直接带着一叠金光闪闪的“成绩单”登场，让所有闭源模型都感受到了来自“别人家孩子”的压力。
它在干什么？它在“收割金牌”：
· 2025年国际数学奥林匹克竞赛（IMO）：Speciale豪取35/42分，稳拿金牌
· 国际信息学奥林匹克竞赛（IOI）：拿下492/600分，再次斩获金牌
· ICPC世界总决赛：一口气解出10/12题，直接锁定总排名第二
有网友看到这串成绩直接“原地起飞”：“IMO、CMO、ICPC金牌？🏅 DeepSeek的Speciale不仅仅是突破极限——它简直是颠覆极限！这种竞技成就足以引起整个领域的关注。绝对震撼！🚀”
在与闭源巨头的正面PK中，Speciale 更是打出了“王牌”，直接把GPT-5和Gemini 3.0 Pro“摁在地上摩擦”。它用事实证明：开源模型也能成为顶尖水平的代名词。
· 在美国数学竞赛 AIME 2025上：Speciale 变体通过率达96.0%，高于 GPT-5-High 的94.6% 和 Gemini-3.0-Pro 的95.0%
· 在哈佛-麻省理工 HMMT 数学竞赛上：Speciale 得分 99.2%，超越 Gemini 的97.5%
与此同时，标准版 V3.2模型在 AIME 和 HMMT 上分别得分93.1% 和92.5%，虽略低于前沿模型，但在计算资源消耗上显著更少。
在编程基准测试中，DeepSeek-V3.2在 SWE-Verified 上成功解决了73.1% 的真实软件错误，与 GPT-5-High 的74.9% 旗鼓相当。
在衡量复杂编码工作流的 Terminal Bench 2.0上，其得分为 46.4%，显著高于 GPT-5-High 的35.2%。这意味着它在处理实际复杂代码工作流时，思路更清晰、效率更高，简直就是程序员的“顶级外挂”。
有网友评论道，DeepSeek 的新模型非常强大，性能已经能和 GPT-5、Gemini 3.0这些顶级闭源模型正面竞争了。尤其是它在数学竞赛等推理任务上的表现，标志着开源模型达到了新高度。既然免费开源的模型已经这么好，再花钱用闭源 API 就不划算了，这宣告了开源时代的全面到来。
技术白皮书“大揭秘”：打破性能魔咒的三大突破
DeepSeek 团队在白皮书中坦诚了一个核心痛点：尽管开源社区在努力，但闭源专有模型（如 Anthropic、OpenAI）的性能提升速度更快，二者之间的性能差距非但没有缩小，反而看似在扩大。
但 V3.2就是来终结这个“魔咒”的。它的成功并非靠简单堆叠算力，而是基于三大革命性的技术突破。戈尔迪对此进行了总结：
1. 更智能的注意力机制
传统大模型在阅读长文档时之所以“慢且贵”，是因为它们必须采用更复杂的注意力机制，时刻关注所有内容，导致成本呈指数级暴增。DeepSeek 的解决方案是稀疏注意力（DSA）配合“闪电索引器”。
DSA 不再扫描所有 Token，而是通过“闪电索引器”快速检索并只挑选最重要的部分进行聚焦。这就像是 AI 快速浏览一本厚书，只抓住精华要点，而不是逐字阅读。因此，即使在处理128K 的超长上下文时，推理速度也提升了约3.5倍，内存占用减少70%，同时 Token 消耗量显著降低，极大地提升了成本效益。
2. “砸钱”后训练
大多数 AI 公司在模型主训练（预训练）完成后，只会投入一小部分预算进行后训练（微调）。而 DeepSeek 直接“财大气粗”地将其预训练总预算的10% 以上，全部投入到了基于强化学习的后训练中。
这种大规模的投入和专门的强化学习技术，极大地提升了模型的稳定性和最终能力。他们不再满足于“能用”，而是追求“专家级性能”。
3. 智能体合成训练：拒绝“金鱼记忆”
V3.2的 Speciale 模型是专为智能体（Agent）能力而生的。它的核心优势是“思考链”方法，可以多次调用工具而不必重新开始。
这种训练的目的是消除传统 AI 在跨工具调用时“丢失思路”的顽疾。为了实现目标，DeepSeek 创建了一个专门的合成训练流程，旨在改进工具使用能力。这使得 V3.2 原生支持“推理加工具使用”，完美适用于复杂的多步骤工作流。
亲身体验：免费跑“金牌模型”的诱惑与现实
戈尔迪认为，最疯狂的部分在于，你完全可以在本地运行它。
DeepSeek V3.2在托管网站 Hugging Face 上已经完整开源，模型权重、聊天模板、本地运行指南一应俱全。对于文档助手构建者、智能体系统开发者和长上下文聊天机器人设计师来说，这简直是天降横福。
极客硬核派可以直接去 Hugging Face 或 GitHub，使用 VLLM、Kaggle、Google Colab 或 Transformers 库，动手折腾代码，本地运行。
尝鲜体验派则可以访问 DeepSeek 官网，直接在网页端体验 V3.2的“深度思考”和“非深度思考”模式。然而，我们也要保持清醒：正如实测所见，目前 V3.2还没完全集成到像 Ollama 或 Open Router 这样方便的第三方平台。
如果你不是“代码狂魔”，必须经历“复杂的编码工作”才能本地部署，那么它的便捷性确实打了折扣。
戈尔迪吐槽道：“老实说，对我来说，如果使用起来不那么方便——比如必须去 Hugging Face，然后折腾代码等等——我可能不会经常使用，因为这会耗费我大量时间。”
但如果它能直接集成在聊天界面里，戈尔迪表示会很有兴趣测试并看看它的表现。
优势与局限：五大爽点与三大局限
当然，再强的模型也有其“成长的烦恼”。
戈尔迪总结了 DeepSeek V3.2的五大优势（爽点）：能够处理超大上下文（DSA 机制红利）、推理高效（速度快如闪电），在推理和工具使用方面表现卓越（Agent 能力强大），具备专家级性能（基准测试中击败付费模型），并且完全开源。
不过，它也有三大局限：在近期世界知识方面仍有滞后（需要外部检索 RAG 来“补课”），标记效率不够优化，且在极其复杂的推理上仍需打磨。
在戈尔迪看来，V3.2应该被视为“推理和工作流引擎”，而非知识问答机。如果你是文档助手构建者、智能体系统开发者或长上下文聊天机器人设计师，它就是你苦候多时的“神兵利器”！
DeepSeek V3.2的发布，不仅仅是一个新模型，更是一个历史性的转折点。它用实打实的性能数据和慷慨的开源策略，宣告了：开源与闭源之间的性能差距正在被迅速抹平。
开源巨兽已出笼，你的 AI 工作流准备好了吗？
本文来源：网易科技报道
责任编辑：
王凤枝_NT2541
