DeepSeek: DeepSeek V3.2 Exp

DeepSeek-V3.2-Exp — это экспериментальная модель большого языка, выпущенная DeepSeek как промежуточный этап между V3.1 и будущими архитектурами. Модель представляет DeepSeek Sparse Attention (DSA), мелкозернистый механизм разреженного внимания, предназначенный для повышения эффективности обучения и вывода в сценариях с длинным контекстом при сохранении качества вывода. Пользователи могут управлять поведением рассуждения с помощью логического значения, включающего рассуждение. Узнайте больше в нашей документации. Модель была обучена в условиях, соответствующих V3.1-Terminus, чтобы обеспечить возможность прямого сравнения. Бенчмаркинг показывает производительность примерно на уровне V3.1 в задачах рассуждения, программирования и использования агентских инструментов, с небольшими компромиссами и преимуществами в зависимости от предметной области. В этом выпуске основное внимание уделяется проверке архитектурной оптимизации для расширенной длины контекста, а не повышению точности исходных задач, что делает модель в первую очередь исследовательско-ориентированной моделью для изучения эффективных конструкций преобразователей.