在大模型领域，一场从“参数比拼”到“能力较量”的变革正在深入推进，开源模型正以惊人的速度崛起，在多个关键能力维度上对顶级闭源模型发起有力冲击，这一趋势在近期DeepSeek发布的两款正式版模型中得到了充分体现。
DeepSeek同步推出的DeepSeek-V3.2和DeepSeek-V3.2-Speciale两款模型，展现出强大的实力。在推理测试中，V3.2的表现达到GPT-5的水平，与Gemini-3.0-Pro仅有微小差距；而V3.2-Speciale更是在IMO 2025等四项国际顶级竞赛中斩获金牌，成绩斐然。在工具调用能力方面，V3.2达到了当前开源模型的最高水准，极大地缩小了与闭源模型之间的差距。
V3.2的出色表现源于其独特的架构设计和创新的数据策略。它是DeepSeek首个将思考融入工具使用的模型，即便处于“思考模式”，依然支持工具调用。为了实现这一突破，公司运用大规模Agent训练数据合成方法，精心构造了1800多个环境、85000多条复杂指令的强化学习任务，显著提升了模型在智能体评测中的表现。Deepseek研究员苟志斌在社交平台X上表示，Gemini-3证明了持续扩大预训练规模的有效性，而DeepSeek-V3.2-Speciale则证明了在超大上下文下进行强化学习扩展的可行性。他还提到，将DeepSeek-V3推到极限的过程中，他们得出经验：后训练的瓶颈应通过优化方法和数据来解决，而非单纯等待更强的基础模型。
此次V3.2取得核心飞跃，得益于两大底层创新。其一，是两个月前在实验版V3.2-Exp中引入的DeepSeek Sparse Attention（DSA）稀疏注意力机制。该机制有效解决了传统注意力机制在处理长序列时的效率瓶颈，将注意力复杂度从O(L²)降低至O(Lk)，同时保持了模型性能。在架构上，DSA采用闪电索引器和细粒度Token选择机制两大组件。闪电索引器通过计算查询Token与历史Token之间的索引分数，筛选出被选中的Token；细粒度Token选择机制则依据索引分数检索对应的键值条目。该机制基于MLA的MQA模式实现，在确保计算效率的同时维持了模型表现。大量用户对比测试表明，V3.2-Exp在各种场景中都不逊色于V3.1，稀疏注意力不仅没有削弱模型能力，反而大幅提升了效率和响应质量，使模型能够“看得更远、想得更深”，同时消耗更少的计算资源。
其二，V3.2在训练策略上实现了根本性改变。以往版本采用“直接调工具”的简单模式，而V3.2创新性地实现了“思考+调工具”（Thinking in Tool-use）的融合机制，成为首个在“思考模式”下仍支持工具调用的模型。它不再是一遇到问题就立即调用工具，而是先进行分析、规划，再调用工具，之后进行验证和修正。这种模式更接近人类的“思考 - 行动 - 反思”闭环，为搜索、写代码、修Bug、规划项目等复杂任务带来了指数级的能力提升。
在数据策略方面，DeepSeek搭建了一条全新的大规模数据合成流水线，生成1800多个环境和85000多条高难度指令，专门用于强化学习。这种“冷启动 + 大规模合成数据RL”的训练方法，使模型在代码修复、搜索等复杂任务场景中的泛化能力大幅提升。通过构造“难解答、易验证”的强化学习任务，模型学会了在推理过程中有机融合工具调用。这种方式的核心价值在于，不再依赖真实人类标注，而是通过构造“极限题库”来锤炼模型能力。结果显示，在代码修复、搜索路径规划、多步骤任务中，V3.2的泛化能力大幅领先过往版本，甚至接近闭源商业模型。V3.2在思考上下文管理方面采用优化策略，历史推理内容仅在新用户消息引入时被丢弃，在工具相关消息添加时保持推理内容，避免了模型为每次工具调用重复推理整个问题的低效行为。
DeepSeek-V3.2采用可扩展的强化学习框架，后训练计算预算超过预训练成本的10%，为高级能力的释放奠定了基础。公司在GRPO（Group Relative Policy Optimization）算法基础上引入多项稳定性改进，包括无偏KL估计、离策略序列掩码、保持路由等机制。在专家蒸馏阶段，为数学、编程、通用逻辑推理、智能体任务等六个专业领域开发专门模型，这些模型均支持思考和非思考模式。它们通过大规模强化学习训练后，用于产生领域特定数据供最终检查点使用。混合RL训练将推理、智能体和人类对齐训练合并为单一RL阶段，有效平衡了不同领域的性能表现，同时规避了多阶段训练常见的灾难性遗忘问题。对于推理和智能体任务，采用基于规则的结果奖励、长度惩罚和语言一致性奖励；对于通用任务，则使用生成式奖励模型进行评估。
在与海外几大模型的对比中，DeepSeek-V3.2展现出显著的性能优势。在推理能力方面，V3.2在AIME 2025测试中达到93.1%的通过率，接近GPT-5的94.6%和Gemini-3.0-Pro的95.0%；在HMMT 2025测试中，V3.2得分92.5%，与顶级闭源模型的差距进一步缩小。在智能体能力评测中，V3.2表现尤为突出。在代码智能体任务SWE-Verified中获得73.1%的解决率，在Terminal Bench 2.0中达到46.4%的准确率，显著超越现有开源模型。在搜索智能体评估BrowseComp中，通过上下文管理技术，V3.2的通过率从51.4%提升至67.6%。在工具使用基准测试中，V3.2在τ2-Bench中获得80.3%的通过率，在MCP-Universe中达到45.9%的成功率，且未针对这些测试集的工具进行特殊训练，显示出强大的泛化能力。相比之下，同期开源模型如MiniMax-M2-Thinking在多项测试中的表现明显落后。
DeepSeek-V3.2的发布释放出一个重要信号：闭源模型的绝对技术垄断正在被打破，开源模型开始具备一线竞争力。这一变化具有三层重要意义：对于开发者而言，成本更低、可定制性更强的高性能模型已经出现；对于企业来说，不必再完全依赖海外API，也能构建强大的AI系统；对于产业而言，大模型领域的竞争从“参数规模竞争”升级为“方法创新竞争”。而DeepSeek，正站在这一变革的前沿位置。
