DeepSeek 发布 V3.2-Exp 实验模型：DSA 稀疏注意力上线，API 价格直降 50%+

这次发布的是什么

2025 年 9 月 29 日，DeepSeek 发布了实验模型 DeepSeek-V3.2-Exp。它建立在上一版 V3.1-Terminus 的基础上，第一次用上了名为 DeepSeek Sparse Attention（简称 DSA）的新注意力机制。官方把它定位为“实验模型”，意思是先拿出来给大家试用和对比，还不是最终定稿的正式版本。

这次发布同时覆盖三条线：App、网页端和 API 都同步上线；模型权重在 Hugging Face 开源；技术报告和关键 GPU 内核代码在 GitHub 公开。对普通用户来说，最直观的变化是 API 价格下调了 50% 以上，而且立即生效。

DSA 稀疏注意力是什么

大语言模型读一段文字时，传统做法是让每个字都去“看”其他所有字，文字越长，要看的组合就越多，算力和时间涨得飞快。DSA 的思路是“稀疏”：不再让每个字都看全部，而是只挑真正重要的部分去关注，就像速读时只翻重点页。

官方说 DSA 做到了细粒度稀疏，对输出质量影响很小，同时提升长上下文表现、降低计算成本。基准测试显示，V3.2-Exp 的表现与 V3.1-Terminus 持平，也就是说省了力气但没明显变笨。

价格降了多少

官方原文写的是 API 价格下调 50% 以上，立即生效。也就是说，同样调用一次 API，花的钱不到原来的一半。对于大量使用 API 做应用、做研究的开发者来说，这是实打实的成本下降。

官方没有在更新日志里列出每一档的具体价格数字，只给了“50%+”这个幅度。想核对具体价目，需要去看 API 文档里的价格页面。

开源了什么

这次开源包括三部分：模型权重放在 Hugging Face 的 deepseek-ai/DeepSeek-V3.2-Exp 仓库；技术报告放在 GitHub 的 DeepSeek_V3_2.pdf；关键 GPU 内核用 TileLang 和 CUDA 实现并公开，官方还特别建议用 TileLang 做快速研究原型。

开源意味着研究者可以下载权重自己跑、自己改，也能照着技术报告理解 DSA 的设计思路。不过官方没有说明模型参数量、训练数据规模和训练算力这些细节。

怎么对比新旧版本

为了让大家公平比较，官方保留了 V3.1-Terminus 的临时 API，一直开放到 2025 年 10 月 15 日 15:59（UTC 时间）。在这段时间里，你可以同时调用新旧两个版本，看输出质量、速度和价格差多少。

到期之后 V3.1-Terminus 是否完全下线，官方没有说明。如果你有依赖旧版本的项目，最好在截止日期前完成迁移或确认后续安排。

适合谁用

对开发者来说，API 降价一半以上，适合把长文本处理、文档问答、代码辅助这类调用量大的场景迁移过来，成本压力会小很多。对研究者来说，权重和技术报告都公开，适合研究稀疏注意力怎么在长上下文里省算力。

对普通用户来说，App 和网页端已经可以直接体验，不需要自己部署。不过它是实验模型，官方没有承诺稳定性，重要生产环境建议先做对比测试再决定是否切换。

还有哪些没说明

官方未说明 DSA 的具体稀疏度参数和实现细节，也未说明模型参数量、训练数据规模和训练算力。API 各档具体价格数字、V3.1-Terminus 临时 API 到期后的安排、以及该实验模型何时转为正式稳定版本，原文都没有给出。

因此，如果你要基于它做长期规划，建议以官方后续更新为准，不要仅凭这次实验版发布就锁定技术路线。