【文章来源：techweb】
【TechWeb】9 月 29 日消息，刚刚，DeepSeek 官方正式发布 DeepSeek-V3.2-Exp 模型，这是一个实验性 （Experimental） 的版本。作为迈向新一代架构的中间步骤，V3.2-Exp 在 V3.1-Terminus 的基础上引入了 DeepSeek Sparse Attention（一种稀疏注意力机制），针对长文本的训练和推理效率进行了探索性的优化和验证。
目前，官方 App、网页端、小程序均已同步更新为 DeepSeek-V3.2-Exp。本次更新带来了 API 大幅度降价，开发者调用 DeepSeek API 的成本将降低 50% 以上。
DeepSeek-V3.2-Exp 虽然已经在公开评测集上得到了有效性验证，但仍然需要在用户的真实使用场景中进行范围更广、规模更大的测试。为方便用户进行对比测试，我们为 V3.1-Terminus 临时保留了额外的 API 访问接口 （调用方式请参考官方文档）。
【文章来源：techweb】
【TechWeb】9 月 29 日消息，刚刚，DeepSeek 官方正式发布 DeepSeek-V3.2-Exp 模型，这是一个实验性 （Experimental） 的版本。作为迈向新一代架构的中间步骤，V3.2-Exp 在 V3.1-Terminus 的基础上引入了 DeepSeek Sparse Attention（一种稀疏注意力机制），针对长文本的训练和推理效率进行了探索性的优化和验证。
目前，官方 App、网页端、小程序均已同步更新为 DeepSeek-V3.2-Exp。本次更新带来了 API 大幅度降价，开发者调用 DeepSeek API 的成本将降低 50% 以上。
DeepSeek-V3.2-Exp 虽然已经在公开评测集上得到了有效性验证，但仍然需要在用户的真实使用场景中进行范围更广、规模更大的测试。为方便用户进行对比测试，我们为 V3.1-Terminus 临时保留了额外的 API 访问接口 （调用方式请参考官方文档）。
【文章来源：techweb】
【TechWeb】9 月 29 日消息，刚刚，DeepSeek 官方正式发布 DeepSeek-V3.2-Exp 模型，这是一个实验性 （Experimental） 的版本。作为迈向新一代架构的中间步骤，V3.2-Exp 在 V3.1-Terminus 的基础上引入了 DeepSeek Sparse Attention（一种稀疏注意力机制），针对长文本的训练和推理效率进行了探索性的优化和验证。
目前，官方 App、网页端、小程序均已同步更新为 DeepSeek-V3.2-Exp。本次更新带来了 API 大幅度降价，开发者调用 DeepSeek API 的成本将降低 50% 以上。
DeepSeek-V3.2-Exp 虽然已经在公开评测集上得到了有效性验证，但仍然需要在用户的真实使用场景中进行范围更广、规模更大的测试。为方便用户进行对比测试，我们为 V3.1-Terminus 临时保留了额外的 API 访问接口 （调用方式请参考官方文档）。
【文章来源：techweb】
【TechWeb】9 月 29 日消息，刚刚，DeepSeek 官方正式发布 DeepSeek-V3.2-Exp 模型，这是一个实验性 （Experimental） 的版本。作为迈向新一代架构的中间步骤，V3.2-Exp 在 V3.1-Terminus 的基础上引入了 DeepSeek Sparse Attention（一种稀疏注意力机制），针对长文本的训练和推理效率进行了探索性的优化和验证。
目前，官方 App、网页端、小程序均已同步更新为 DeepSeek-V3.2-Exp。本次更新带来了 API 大幅度降价，开发者调用 DeepSeek API 的成本将降低 50% 以上。
DeepSeek-V3.2-Exp 虽然已经在公开评测集上得到了有效性验证，但仍然需要在用户的真实使用场景中进行范围更广、规模更大的测试。为方便用户进行对比测试，我们为 V3.1-Terminus 临时保留了额外的 API 访问接口 （调用方式请参考官方文档）。
