DeepSeek又发新模型：极致偏科到无敌

这就很DeepSeek。

没有发布会，没有预热视频，连张像样的倒计时海报都没有。就在大家还在回味前段时间各家大模型乱斗带来的震撼时，DeepSeek在昨天——也就是12月1日，搞了一波“偷袭”。

这次他们也不跟你废话，直接甩出来了两个新模型：DeepSeek-V3.2 和 DeepSeek-V3.2-Speciale。

说实话，这帮人确实有点“不讲武德”。

你看隔壁Sam Altman，发个GPT-5.1恨不得把地球都摇匀了再通知你，DeepSeek倒好，每次都是等各家都把大模型发差不多了，然后越共探头，直接把模型往那一扔，技术报告一丢。

然后说：东西在这，爱用不用，我要去训练下一个了。

先说说这个 DeepSeek-V3.2。

官方的说法是，这个版本平衡了推理能力和输出长度，适合咱日常拿来当聊天搭子或者干点正经活。我看了一下技术报告里的数据，这家伙在推理能力上已经摸到了GPT-5（就是8月份出的那个）的屁股，仅仅略微输给谷歌那个刚出的 Gemini-3.0-Pro。

最关键的是，它解决了一个痛点。

之前的思考模型（比如R1或者K2-Thinking）都有个毛病，就是啰嗦。为了想通一个问题，它们能在后台把上下五千年的逻辑都盘一遍，等你看到答案时黄花菜都凉了。V3.2 这次学聪明了，它大幅降低了输出长度，也就是“想得快了”，但脑子没变笨。

但真正让我觉得后背发凉的，是那个带后缀的家伙——DeepSeek-V3.2-Speciale。

这个词在意大利语里是“特别”的意思，但我看应该翻译成“变态”。

这个模型完全不考虑什么成本和速度，就是奔着极致推理去的。

它是个典型的“偏科生”，专门搞数学和编程。有多偏科？它在今年的国际数学奥林匹克（IMO）和国际信息学奥林匹克（IOI）里都拿了金牌。

这还不算完，在 ICPC World Finals（国际大学生程序设计竞赛全球总决赛）里，它的水平相当于人类选手的第二名。

这意味着如果你把这货塞进一个编程比赛的现场，它能把绝大多数顶尖的人类选手按在地上摩擦。这已经不是“好用”的范畴了，这属于“降维打击”。

不过这玩意儿目前只给研究用，因为它思考起来消耗的算力简直是吞金兽，普通人拿来问“今天中午吃什么”不仅浪费，而且可能会破产。

除了秀肌肉，DeepSeek这次在技术上也整了点新活。

他们在报告里提到了一个叫 DSA（DeepSeek Sparse Attention）的技术。咱们都知道，大模型处理长文本特别费劲，因为字数越多，计算量是呈指数级爆炸的。DSA 简单来说就是给模型配了个“闪电索引”，它不用每次都把几万字全文背诵一遍，而是只挑相关的重点看。

这样一来，处理128K这种超长上下文的时候，计算量直接暴跌。报告里有个数据挺吓人，在长文本任务下，它的推理成本比上一代降低了好几倍。

这也解释了为什么他们敢在GPT-5.1涨价的背景下，把API的价格还能压得这么低，合着是家里真有省钱的秘方。

不过，这次更新里最让我感兴趣的，其实是“思考融入工具”这件事。

之前的推理模型有个很尴尬的短板：脑子很好使，但手脚不协调。它能给你推导出一套完美的数学公式，但你要让它顺手调个计算器算个结果，或者写段代码跑一下，它往往就歇菜了。

这就好比一个物理学家，理论无敌，但连个螺丝刀都不会拧。

DeepSeek V3.2 这次打通了“思考”和“动手”的任督二脉。它可以在思考的过程中，发现自己算不过来，然后暂停思考，去调用外部工具（比如Python解释器或者搜索），拿到结果后接着思考。

这听起来好像没什么，但其实是质的飞跃。

以前的模型是“想完了再干”或者“干完了再想”，现在是“边干边想”。为了练成这招，DeepSeek搞了1800多个模拟环境和85000条复杂指令来特训它。

读完这份技术报告，我发现了一个很容易被忽略但极具深意的数据。

DeepSeek 提到，他们在后训练阶段（Post-Training）投入的算力，已经超过了预训练成本的10%。

这可不是个小数目。以前大家做模型，大头都在预训练，就是让模型海量阅读互联网数据。后训练通常只是微调一下，教它怎么说话好听点。但现在，DeepSeek把大量的资源砸在了让模型“学会思考”和“强化学习”上。

这说明大模型的游戏规则变了。光靠堆数据、堆显卡去“背书”已经不够了，现在的竞争核心，是谁能让模型在已有的知识上，通过反复的自我博弈和强化学习，把智商提上去。

当然，DeepSeek 也不是没缺点。报告里很诚实地承认，因为训练数据总量还是比不过那些闭源巨头（毕竟GPT-5.1背后的资源太恐怖了），V3.2 在“世界知识的广度”上还是差点意思。

说白了就是，做题它行，但聊些冷门的八卦或者百科知识，它可能不如 GPT-5.1 或者 Gemini 3.0 见多识广。

而且，Speciale 版本虽然强，但它是靠疯狂消耗 Token 换来的。为了达到 Gemini 3.0 Pro 的质量，它可能要多絮叨很久。这就是目前开源模型面临的现实：用效率换智商。

但不管怎么说，DeepSeek 这一波操作，确实给开源社区打了一针强心剂。

8月份GPT-5出来的时候，大家都觉得开源模型已经被甩得连尾灯都看不见了；11月GPT-5.1出来的时候，大家都觉得比赛结束了。结果这才过了半个月，V3.2 居然能跟 GPT-5 这种级别的模型掰掰手腕。

对于我们普通用户来说，这绝对是好事。毕竟，谁不喜欢一个更聪明、更便宜、还能帮你写奥数题的AI呢？

OpenAI，你们的 GPT-6 最好已经在路上了，不然这桌子可能真要被这群“卷王”给掀翻了。