DeepSeekV3.2手艺报告照旧老外看得细

henry 发自凹非寺量子位 | 公众号

ChatGPT三岁生日这一天，硅谷热议的新模子来自DeepSeek

准确说是两款开源模子——DeepSeek-V3.2DeepSeek-V3.2-Speciale

这俩模子火到什么水平呢？

有网友体现，在去圣地亚哥的（疑似赶场NeurIPS 2025）航班上，有30%的旅客都在对着DeepSeek的PDF两眼冒光。

而上周讥笑DeepSeek “昙花一现”的推特更是在宣布确当晚被刷到了500万浏览。

除了通俗网友，奥特曼也是急急急急：不但启动红色警报，还暂时推迟了在ChatGPT上投放广告的妄想。

与此同时，那一头的谷歌也没被放过。

网友直接 “灵魂喊话” 谷歌Gemini团队：别睡了，DeepSeek回来了。

这是怎么一回事？

闭源精锐？打的就是闭源精锐！

总的来说，DeepSeek-V3.2模子在智能体评测中抵达了目今开源模子的最高水平，大幅缩小了开源模子与顶尖闭源模子的差别，并宣告了闭源落伍开源的竣事。

其中，标准版DeepSeek-V3.2在推理测试中，抵达了GPT-5的水平，仅略低于Gemini-3.0-Pro。

而“特殊版”DeepSeek-V3.2-Speciale不但全方位逾越了GPT-5，还能在主流推理使命中和Gemini-3.0-Pro掰掰手腕。

别的，V3.2-Special还拿下了IMO、CMO、ICPC及IOI的金牌，并在ICPC和IOI上抵达了人类选手第二名与第十名的水平。

这不但击碎了开源模子落伍闭源模子半年的质疑，又顺便给硅谷的闭源AI公司好好上了一波压力。

并且，这还不是V4/R2。

换句话说，大菜还没上呢，光凉菜就已经让硅谷吃饱了。

关于DeepSeek-V3.2这次的效果，DeepSeek研究院苟志斌（Zhibin Gou）在推特上给出了相当直觉性的解答：

强化学习在长上下文长度下也能一连扩展。

为了明确这句话，我们简要地回首一下论文。

简朴来说，DeepSeek-V3.2着实干了这么几件事：

首先，使用DSA希罕注重力解决了长上下文的效率问题，为后续的长序列强化学习打下了盘算基础。

接下来，通过引入可扩展的RL，并投入凌驾预训练本钱10%的算力举行后训练，大幅提升模子的通用推理和智能体能力。

最后，DeepSeek-V3.2-Speciale版本为了探索推理能力的极限，特意放宽了RL的长度限制，允许模子天生极长的“头脑链”，迫使模子通过大宗的Token天生来举行深度的自我修正和探索。

这也就是说，通过长头脑链让模子思索更多，通过自我修正探索让模子思索更久，进而解锁更强的推理能力。

由此，模子就能在不增添预训练规模的情形下，通过极长的思索（消耗更多token）历程实现性能的奔腾。

而上面的实验效果，恰恰证实晰这套“在超长上下文下一连扩展强化学习”蹊径的准确性。

正如苟志斌所说：

若是说Gemini-3证实晰：预训练可以一连扩展，那么DeepSeek-V3.2-Speciale 则证实晰：强化学习在长上下文长度下也能一连扩展。我们花了一年时间把 DeepSeek-V3 逼到极限。获得的教训是：后训练阶段的瓶颈，不是等“更好的底座模子”来解决，而是靠要领和数据自己的精炼（refine）来解决。

换句话说，若是说Gemini-3 靠“堆知识（预训练）”赢得了上半场，那么DeepSeek-V3.2-Speciale则通过“堆思索（长上下文RL）”赢回了下半场。

别的，关于大模子已经撞到天花板了的论调，他体现：

预训练能scaling，RL也能scaling，context也能scaling，所有维度都还在上涨。

这批注RL不但有用，还能通过scaling（更大 batch、更长context、更富厚使命）获得巨额收益

同时，在论文中，也有网友发明了为什么DeepSeek-V3.2在HLE和GPQA 等知识基准测试中体现稍逊：

由于盘算资源有限！而单靠强化学习是无法抵达这样的水平的。

换句话说，DeepSeek与顶尖模子的差别已经不是手艺问题，而是经济问题

只要卡够，好的开源不比闭源差！

想到会自制，没想到会自制这么多

除了性能上持平顶尖闭源模子外，DeepSeek-V3.2系列这次也着实让各人见识到了“智能自制到不必计费”。

若是从百万token输出成原来看，DeepSeek-V3.2比GPT-5自制近24倍，比Gemini 3 Pro，自制近29倍。

而随着输出token个数的增添，这个差别最高可拉大到43倍