DeepSeek-V3.2-Exp
DeepSeek-V3.2-Exp стала экспериментальным релизом, построенным на базе DeepSeek-V3.1-Terminus. Главная задача этой версии — проверить новый механизм DeepSeek Sparse Attention, который должен сделать работу с длинным контекстом более эффективной. Для пользователей это означало не просто очередное улучшение качества, а попытку снизить стоимость и ускорить обработку больших объёмов данных без заметной потери точности.
Основной акцент в DeepSeek-V3.2-Exp сделан на разреженном внимании. Такой подход позволяет модели не обрабатывать весь длинный контекст одинаково плотно, а эффективнее выбирать важные фрагменты для ответа. Это особенно важно для задач с большими документами, длинными диалогами, кодовыми базами, исследовательскими материалами и агентными сценариями, где модель должна удерживать много информации сразу.
DeepSeek отдельно отмечала, что по качеству V3.2-Exp находится на уровне DeepSeek-V3.1-Terminus, но при этом предлагает более эффективную работу. Вместе с релизом компания также снизила цены API более чем на 50%, что сделало экспериментальную модель интересной не только с технической, но и с практической стороны. Для разработчиков это означало возможность тестировать длинный контекст и агентные сценарии с меньшими затратами.
DeepSeek-V3.2-Exp лучше рассматривать как промежуточный технологический выпуск перед полноценной V3.2. Это была не финальная модель новой ветки, а проверка ключевой идеи: можно ли сохранить сильные стороны V3.1-Terminus, но сделать работу с большим контекстом быстрее и дешевле. Именно поэтому этот релиз важен для истории DeepSeek как шаг к более масштабным агентным моделям, которым нужно работать с большими объёмами информации.
