模型介绍
中文整理DeepSeek-V3.2-Exp 模型卡片
模型简介
DeepSeek-V3.2-Exp 是 DeepSeek 模型的实验版本，作为迈向下一代架构的中间步骤。该版本基于 V3.1-Terminus 引入 DeepSeek Sparse Attention（稀疏注意力机制），旨在探索和验证长文本场景下训练和推理效率的优化方案。
主要能力
DeepSeek Sparse Attention（DSA）首次实现细粒度稀疏注意力，在保持模型输出质量与原版基本一致的前提下，显著提升长文本训练和推理的计算效率。该模型专注于优化处理长文本序列时的计算性能。
性能表现
在各项公开基准测试中，DeepSeek-V3.2-Exp 的表现与 V3.1-Terminus 相当：
推理能力（无工具使用）：MMLU-Pro 得分 85.0，GPQA-Diamond 得分79.9，Humanity's Last Exam 得分 19.8，LiveCodeBench 得分 74.1，AIME 2025 得分 89.3，HMMT 2025 得分 83.6，Codeforces 得分 2121，Aider-Polyglot 得分 74.5。
代理工具使用：BrowseComp 得分 40.1，BrowseComp-zh 得分 47.9，SimpleQA 得分 97.1，SWE Verified 得分 67.8，SWE-bench Multilingual 得分 57.9，Terminal-bench 得分 37.7。
运行要求
模型推理需要 GPU 支持。具体 GPU 数量取决于实际部署需求。
基本用法
本地运行支持多种框架：HuggingFace 提供推理演示代码；SGLang 支持 Docker 安装和启动命令；vLLM 提供开箱即用支持；开源内核方面，TileLang 提供可读性更好的内核（适合研究用途），DeepGEMM 提供高性能 CUDA 内核，FlashMLA 提供稀疏注意力内核。
注意事项
2025年11月17日更新：先前版本的推理演示代码在 Rotary Position Embedding（RoPE）实现中存在差异。索引器模块中的 RoPE 输入张量需要非交错布局，而 MLA 模块中的 RoPE 期望交错布局。此问题已在更新后的推理演示代码中修复。
许可证
本仓库及模型权重采用 MIT 许可证。
引用
如有问题，请提交 issue 或联系 service@deepseek.com。
优先采用原作者提供的中文模型卡片；仅有英文说明时由闲社AI翻译整理。重要参数、许可证和商用范围请以原文为准。
你将获得什么
完整仓库方式包含该固定版本中的权重、配置、分词器及说明文件；指定版本方式只下载所选文件或整组分片。多模态模型的投影文件、配置等依赖，请按作者说明配齐。
完整仓库可能包含多个权重格式，因此需要的磁盘空间可能大于单一格式的模型大小。下载文件不等于完成模型部署。
使用前须知
运行模型需要的设备、工具与依赖，以原作者说明为准。
是否允许商用、修改和分发，请查看模型许可证。
闲社提供资料与镜像下载方法，不代表已运行模型或完成安全审计。下载的代码应先检查，再执行。
资料或下载有问题？
登录后可提交反馈。