哈嘍，大家好，桿哥這篇評論，主要來分析開源模型大突破！DeepSeek-V3.2追平GPT-5-High，三招揭秘

開源大模型領(lǐng)域最近炸了鍋，DeepSeek-V3.2交出了一份亮眼成績單。它的推理能力直接追平GPT-5-High，高算力版DeepSeek-V3.2-Speciale更在2025年IMO和IOI競賽中斬獲金牌

推理能力逼近Gemini-3.0-Pro。這份來自《DeepSeek-V3.2: Pushing the Frontier of Open Large Language Models》報告的成果，靠的可不是運(yùn)氣，而是三大核心創(chuàng)新。

創(chuàng)新一：DSA稀疏注意力，破解長文本計算難題

傳統(tǒng)大模型處理長文本時總掉鏈子，根源在注意力機(jī)制的計算復(fù)雜度是O(L2)，文本長度翻10倍，計算量就翻100倍。這也是多數(shù)模型上下文超不過128k的原因。

DeepSeek的DSA稀疏注意力機(jī)制解決了這個問題，核心是讓每個詞只關(guān)注最相關(guān)的2048個詞，把復(fù)雜度降到O(Lk)。它分兩步實現(xiàn)：先靠輕量的閃電索引器快速打分篩選，再對top-k詞元做精準(zhǔn)計算。

經(jīng)過兩階段訓(xùn)練后，128K長度處理成本不再爆炸增長，ChatbotArena評分還和舊版持平，長上下文評測甚至更優(yōu)。

創(chuàng)新二：后訓(xùn)練加碼10%，激進(jìn)策略提性能

過去開源模型后訓(xùn)練投入不足，很難啃下硬骨頭。DeepSeek反其道而行之，把后訓(xùn)練計算預(yù)算提至預(yù)訓(xùn)練的10%以上，堪稱激進(jìn)。

流程分兩步：先為數(shù)學(xué)、編程等六個領(lǐng)域訓(xùn)練專家模型，用這些專家生成數(shù)據(jù)；再通過混合RL訓(xùn)練合并三類任務(wù)，還用上了GRPO算法。

為保證穩(wěn)定，團(tuán)隊還優(yōu)化了四個技巧，比如修正KL估計避免梯度異常，_mask掉不相關(guān)負(fù)樣本，有效防止了多階段訓(xùn)練的遺忘問題。

創(chuàng)新三：1800個合成環(huán)境，補(bǔ)全泛化能力短板

大模型在智能體場景泛化差，關(guān)鍵是缺少多樣訓(xùn)練環(huán)境。DeepSeek的解法是自己合成數(shù)據(jù)，最終做出1827個環(huán)境和85000個任務(wù)。

合成流程很智能，以旅行規(guī)劃為例，agent會先拉數(shù)據(jù)、做工具函數(shù)，再從簡單任務(wù)迭代到復(fù)雜任務(wù)，不夠用還會擴(kuò)展工具集。

消融實驗證明了效果：僅用合成的通用智能體數(shù)據(jù)做RL，在多個基準(zhǔn)測試中顯著提升，而單靠代碼和搜索數(shù)據(jù)則無效。

成績與短板：亮眼背后的現(xiàn)實

成績確實硬核，標(biāo)準(zhǔn)版追平GPT-5-High，高算力版拿競賽金牌。但短板也很明顯，token效率偏低。

Codeforces數(shù)據(jù)顯示，Gemini-3.0-Pro用22k tokens拿2708分，而DeepSeek-V3.2-Speciale要77k tokens才拿2701分。

團(tuán)隊也坦誠，在世界知識廣度、頂尖復(fù)雜任務(wù)處理上，和Gemini-3.0-Pro還有差距，核心還是算力限制。但在有限資源下，這套技術(shù)路線無疑為開源模型指明了突圍方向。