DeepSeek 发布 DeepSeek-V3.2-Exp，采用稀疏注意力机制提升长上下文效率

DeepSeek-AI 发布了 DeepSeek-V3.2-Exp，这是一款实验性模型，引入了 DeepSeek Sparse Attention (DSA) 以改善长上下文场景下的训练和推理效率。

• 该模型在 V3.1-Terminus 的基础上首次实现了细粒度稀疏注意力。
• 它在公共基准测试中保持了与 V3.1-Terminus 相当的性能，同时优化了计算效率。
• 2025.11.17 的更新解决了索引器模块中 Rotary Position Embedding 的差异问题，该问题可能导致性能下降。
• 该模型在 MIT 许可下发布，并提供 vLLM 的 day-0 支持以及 SGLang 的 Docker 镜像。

此发布使研究人员能够验证针对扩展文本序列的 Transformer 架构优化。