圖片來源：unsplash
ChatGPT迎來三周歲生日之際，競爭對手DeepSeek送來了一份“生日禮”，似乎并不想讓這位大模型領(lǐng)域的先行者過得那么輕松。
12月1日晚間，DeepSeek一口氣發(fā)布了DeepSeek-V3.2和DeepSeek-V3.2-Speciale兩個正式版模型，同步發(fā)布的技術(shù)論文顯示，這兩個推理能力達(dá)到了全球領(lǐng)先水平。
根據(jù)DeepSeek介紹，已經(jīng)在網(wǎng)頁端、App、API全部更新的“常規(guī)軍”V3.2重在平衡推理能力與輸出長度，適合日常使用。
在Benchmark推理測試中，V3.2與GPT5、Claude??4.5在不同領(lǐng)域各有高低，只有Gemini 3 Pro對比前三者均有較明顯優(yōu)勢。
圖片來自DeepSeek官微
與此同時(shí)，DeepSeek方面還表示，對比國產(chǎn)大模型廠商月之暗面新近發(fā)布的Kimi-K2-Thinking，V3.2的輸出長度大幅降低，顯著減少了計(jì)算開銷與用戶等待時(shí)間。在智能體評測中，V3.2得分也高于同為開源的Kimi-K2-Thinking和MiniMax M2，是目前的“最強(qiáng)開源大模型”，相比閉源大模型的巔峰也已無限迫近。
圖片來自DeepSeek官微
更值得注意的是，V3.2在一些問答場景和通用Agent任務(wù)中的表現(xiàn)。在一個關(guān)于旅游攻略的具體場景咨詢中，V3.2通過深度思考和網(wǎng)站爬蟲、搜索引擎等工具調(diào)用，給出了十分詳盡、精確的攻略和建議。V3.2更新的API首次支持了在思考模式下使用工具調(diào)用能力，大大提升了用戶獲取到的答案的豐富度和適用性。
而且，DeepSeek方面特別強(qiáng)調(diào)，V3.2“并沒有針對這些測試集的工具進(jìn)行特殊訓(xùn)練”。
我們注意到，在大模型測試得分越來越高，但在與普通用戶的互動中卻經(jīng)常犯一些常識性錯誤的當(dāng)下（尤其以GPT5發(fā)布時(shí)遭遇的吐槽為代表），DeepSeek近期“上新”時(shí)經(jīng)常強(qiáng)調(diào)這一點(diǎn)，證明自身走的不是一條只用正確的答案作為獎勵機(jī)制，打造出了看似高智商的“最強(qiáng)大腦”，卻無法勝任用戶個人所需的簡單任務(wù)、簡單問題的“低情商”智能體。
而只有從根本上克服這一點(diǎn)，成為所謂高智商、高情商的“雙高”大模型，才有孕育出全能、可靠、高效的AI Agent的能力。DeepSeek方面也表示，相信V3.2在真實(shí)應(yīng)用場景中能夠展現(xiàn)出較強(qiáng)的泛化性。
為了在計(jì)算效率、強(qiáng)大推理能力與智能體性能之間取得平衡，DeepSeek在訓(xùn)練、整合以及應(yīng)用層面進(jìn)行了全方位的優(yōu)化。根據(jù)技術(shù)論文，V3.2引入了DSA（DeepSeek稀疏注意力機(jī)制），能在長上下文場景中顯著降低計(jì)算復(fù)雜度，同時(shí)保持模型性能。
同時(shí)，為了將推理能力整合到工具使用場景中，DeepSeek開發(fā)了新的合成流程，能夠系統(tǒng)性地大規(guī)模生成訓(xùn)練數(shù)據(jù)。這一方法促進(jìn)了可擴(kuò)展的智能體訓(xùn)練后優(yōu)化，顯著提升了復(fù)雜、交互式環(huán)境中的泛化能力和對指令跟隨能力。
另外，如上文所述，V3.2也是DeepSeek推出的首個將思考融入工具使用的模型，大幅提高了模型的泛化能力。
相比于重視平衡性，專注于如何“說人話、干人事”的V3.2，長思考“特種部隊(duì)”V3.2 Speciale的定位則是將將開源模型的推理能力推向極致，探索模型能力的邊界。
值得一提的是，V3.2 Speciale的一大亮點(diǎn)是結(jié)合了上周剛剛發(fā)布的最強(qiáng)數(shù)學(xué)大模型DeepSeek-Math-V2的定理證明能力。
我們此前的文章中提到，Math-V2不僅在2025國際數(shù)學(xué)奧林匹克競賽和2024中國數(shù)學(xué)奧林匹克上都取得了金牌級成績，在IMO-Proof Bench基準(zhǔn)測試評估中還得到了比Gemini 3更好的成績。
而且，與此前提到的思路類似，這款數(shù)學(xué)模型同樣在努力克服正確答案獎勵機(jī)制和“做題家”的身份，以自驗(yàn)證的方式突破目前AI在深度推理方面的局限，讓大模型真的弄懂何為數(shù)學(xué)，怎樣推導(dǎo)過程，以此形成更強(qiáng)大、穩(wěn)定、實(shí)用也泛用的定理證明能力。
在推理能力上大幅增強(qiáng)的V3.2 Speciale，也在主流推理基準(zhǔn)測試中取得了媲美Gemini 3.0 Pro的成績。不過，V3.2 Speciale的能力優(yōu)勢需消耗大量Tokens，顯著升高的成本讓其目前不支持工具調(diào)用和日常對話、寫作，僅供研究使用。
從OCR到Math-V2，再到V3.2和V3.2 Speciale，DeepSeek近期的新品發(fā)布不僅每次都收獲贊譽(yù)一片，也在絕對能力提升的同時(shí)不斷明確著“實(shí)用性”“泛化能力”等發(fā)展主線。
2025年后半程，GPT-5、Gemini 3、Claude?Opus?4.5相繼發(fā)布，測試成績一次好過一次，再加上快速追趕的DeepSeek，“最牛大模型”的賽道已經(jīng)有些擁擠。而頭部的大模型在訓(xùn)練上已有較明顯的區(qū)別，表現(xiàn)上也各有特色，相信2026年的大模型的競賽會更加精彩。（作者｜胡珈萌，編輯｜李程程）
快報(bào)
根據(jù)《網(wǎng)絡(luò)安全法》實(shí)名制要求，請綁定手機(jī)號后發(fā)表評論