计算机行业重大事项点评：DeepSeekV3.2重塑开源模型性能边界

目 录TOC\o"1-2"\h\z\u一、DeepSeek-V3.2：重塑开源模型性能边界 4（一）DeepSeek-V3.2：达到尖推能力 4（二）DeepSeek-V3.2-Speciale：专极推，赛金级能研模型 4（三）DeepSeek-V3.2：DSA技实效与能优 5（四）DeepSeek-V3.2：首个现考工调融合智体型 6二、投资建议 8三、风险提示 8图表目录图表1 DeepSeek-V3.2测得分 4图表2 DeepSeek-V3.2-Speciale等数、码通用域测上得分 5图表3 DeepSeekSparseAttention 5图表4 DeepSeek-V3.2注意架构 6图表5 DeepSeek-V3.2与其模在类能工具用测上得分 6图表6 DeepSeek-V3.2考模下具用的API请求意图 7图表7 DeepSeek-V3.2闭源/源型比 7一、DeepSeek-V3.2：重塑开源模型性能边界（一）DeepSeek-V3.2：达到顶尖的推理能力DeepSeek-V3.22025121日，DeepSeek正式发布新一代开源大模型DeepSeek-V3.2DeepSeek-V3.2-SpecialeAppAPIDeepSeek-V3.2SpecialeAPI服务形式开放，以供社区评测与研究。DeepSeek-V3.2的目标是平衡推理能力与输出长度，适合日常使用，例如问答场景和通用Agent任务场景。在公开的推理类Benchmark测试中，DeepSeek-V3.2达到了的水平，AIME2025数学竞赛得分93.15为94.6Gen3.0oKK2hnkn，3.2保图表1 DeepSeek-V3.2评测得分eepSeek、（二）DeepSeek-V3.2-Speciale：专攻极限推理，奥赛金牌级性能的研究模型DeepSeek-V3.2-SpecialeDeepSeek-V3.2DeepSeek-V3.2-SpecialeDeepSeek-V3.2DeepSeek-Math-V2DeepSeek-V3.2-SpecialeGemini-3.0-Pro。更令人瞩目的是，V3.2-Speciale模型成功斩获IMO2025（国际数学奥林匹克、CMO2025（、ICPCFinals2025（及IOI2025（ICPC与IOI但消耗的DeepSeek-V3.2-Speciale图表2 DeepSeek-V3.2-Speciale等在数学、代码通用领域评测集上得分eepSeek、（三）DeepSeek-V3.2：DSA技术实现效率与性能双优闭源模型与开源模型之间的性能差距日益扩大的主要原因是在架构层面。对标准注意力机制的过度依赖严重制约了长序列处理的效率；在资源分配方面，开源模型在后训练阶AI图表3 DeepSeekSparseAttentionpenCSG、DeepSeek通过DSADeepSeek9V3.2-Exp（DeepSeekSparseAttention，DA，DAOL²DSAtokenReLUFP8MLA128K（token0.70.2图表4DeepSeek-V3.2的注意力架构eepSeek-V3.2:PushingtheFrontierofOpenLargeLanguageModels、（四）DeepSeek-V3.2：首个实现思考与工具调用融合的智能体模型DeepSeek-V3.2DeepSeek-V3.2DeepSeek模式与非思考模式工具调用的模型。这一成就得益于团队创新性提出的大规模Agent训练数据合成方法，该方法通过构建涵盖1800多种环境与超过8.5万条复杂指令的难解答、易验证的强化学习任务，系统化提升了模型的推理泛化能力。基于此，DeepSeek-V3.2在智能体权威评测中达到了当前开源模型的最高水准，显著缩小了与闭源模型的技术差距。尤为重要的是，该模型并未针对评测工具进行任何特殊训练，其优异表现完全源于自身强大的泛化性能，这预示着在真实世界的复杂应用场景中，V3.2将展现出更可靠、更灵活的适应能力与实用价值。图表5 DeepSeek-V3.2与其他模型在各类能工具调用评测集上得分eepSeek、图表6 DeepSeek-V3.2思考模式下工具调的API请求示意图eepSeek、DeepSeek-V3.2的综合能力已明显处于开源模型的领先地位。DeepSeek-V3.2模型在SWE-benchBench2.07274128K20%51.4𝜏2-benchMCP基图表7DeepSeek-V3.2与闭源开源模型对比eepSee