事件描述
　　2025年9月29日，DeepSeek-V3.2-Exp正式发布，参数量685B，系实验性（Experimental）版本，在V3.1-Terminus基础上引入DeepSeek Sparse Attention（一种稀疏注意力机制），针对长文本的训练和推理效率进行了探索性的优化和验证。目前，官方App、网页端、小程序均已同步更新，API大幅度降价。
　　事件评论
　　长文本训推效率显著优化。V3.2-Exp定位“迈向新一代架构的中间步骤”，在此前发布的V3.1-Terminus基础上引入了DeepSeek Sparse Attention（一种稀疏注意力机制），首次实现细粒度稀疏注意力机制，在几乎不影响模型输出效果的前提下，实现了长文本训练和推理效率的大幅提升。DSA核心机制：通过引入高效组件闪电索引器（LightningIndexer）给历史词打分，挑出最相关的几个（top-k），只和这些词进行注意力计算。这样模型能抓住最重要的信息，核心注意力的计算复杂度从O(L2)骤降至O(Lk)，算力大幅节省，由此训练和推理速度实现大幅提升，尤其在长文本场景下效果明显，且复杂度低，可用FP8实现，有望加速规模化落地。
　　成本降低促进落地，并且有望成为出海核心产品。V3.2-Exp在实际部署的推理成本测试中，端到端的加速效果和成本节约非常显著，API成本降低50%以上。当前输入价格由￥0.5/M tokens→￥0.2/M tokens（缓存命中）、￥4/M tokens→￥2/M tokens（缓存未命中），输出价格￥12/M tokens→￥3/M tokens，模型竞争力极大提升。我们认为现阶段成本仍是现阶段制约AI大规模普及的核心因素，V3.2大幅降本有助于国内AI普及率提升与出海竞争。
　　训练流程分阶段优化，兼顾效率与性能。V3.2-Exp的训练流程分为两个阶段：首先在持续预训练中，先用Dense Warm-up让闪电索引器学会模仿完整注意力分布，再逐步切换到稀疏模式，让模型适应只关注最相关的token；后训练中，结合专家蒸馏（从数学、编程、推理等领域专家模型提炼知识）和混合强化学习（一次性平衡推理、Agent与对齐训练），保证模型在不同任务上稳健泛化。最终结果表明，无论在短文本还是长文本任务上，V3.2-Exp的表现都与前一代密集注意力模型V3.1-Terminus基本持平，未出现实质性性能下降。我们认为这为大模型突破长文本瓶颈指明新工程路径与可复用的范式。
　　V3.2-Exp并非最终形态，而是从密集注意力迈向新一代高效架构的过渡版本，持续关注DeepSeek后续发布。我们认为，模型使用成本的下降是持续性趋势，今年是模型实用性、全面性、Agent能力、性价比提升核心的一年，后续有望持续促进垂类场景落地，并且带动云及硬件需求量提升，有望利好后续国内模型凭低成本出海趋势。强烈看好国内AI应用货币化开启及Agent商业化投资机遇。建议关注：1）AIInfra；2）AIAgent相关厂商；3）中国推理算力产业链；4）CSP厂商方面关注推理需求带来的推动；5）IDC，重点关注与头部大厂合作的IDC。
　　风险提示
　　1、AI技术发展不及预期；
　　2、下游应用需求不及预期