DeepSeek-AI выпустила DeepSeek-V3.2-Exp, экспериментальную модель, которая внедряет DeepSeek Sparse Attention (DSA) для повышения эффективности обучения и вывода в сценариях с длинным контекстом.

  • Модель построена на базе V3.1-Terminus путем реализации мелкозернистого разреженного внимания впервые.
  • Она сохраняет производительность на уровне V3.1-Terminus по общедоступным бенчмаркам, оптимизируя вычислительную эффективность.
  • Обновление от 2025.11.17 устранило расхождение в Rotary Position Embedding в модуле индексатора, которое могло снижать производительность.
  • Модель доступна под лицензией MIT с поддержкой vLLM и Docker-образами для SGLang с первого дня.

Этот выпуск позволяет исследователям проверять оптимизации архитектур трансформеров, ориентированных на расширенные текстовые последовательности.