DeepSeek-V3.2-Exp模型正式发布，寒武纪火速完成适配

9月29日晚间，国产人工智能（AI）技术厂商深度求索（DeepSeek）宣布正式发布DeepSeek-V3.2-Exp模型，正如其名称所示的那样，这是一个基于V3.2实验性（Experimental）的版本。

作为迈向新一代架构的中间步骤，Deepseek 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。

据介绍，DeepSeek Sparse Attention（DSA）稀疏注意力机制首次实现了细粒度稀疏注意力机制，在几乎不影响模型输出效果的前提下，实现了长文本训练和推理效率的大幅提升。

为了严谨地评估引入稀疏注意力带来的影响，我们特意把 DeepSeek-V3.2-Exp 的训练设置与 V3.1-Terminus 进行了严格的对齐。在各领域的公开评测集上，DeepSeek-V3.2-Exp 的表现与 V3.1-Terminus 基本持平。

目前，Deepseek官方 App、网页端、小程序均已同步更新为 DeepSeek-V3.2-Exp，同时 API 大幅度降价。

值得注意的是，在DeepSeek-V3.2-Exp模型发布的同一天，国产AI芯片大厂寒武纪就宣布，已同步实现对DeepSeek-V3.2-Exp的适配，并开源大模型推理引擎vLLM-MLU源代码。

目前，开发者可以在寒武纪软硬件平台上第一时间体验DeepSeek-V3.2-Exp的亮点。

寒武纪表示，公司一直重视芯片和算法的联合创新，致力于以软硬件协同的方式，优化大模型部署性能，降低部署成本。

此前，寒武纪对DeepSeek系列模型进行了深入的软硬件协同性能优化，达成了业界领先的算力利用率水平。

针对本次的DeepSeek-V3.2-Exp新模型架构，寒武纪通过Triton算子开发实现了快速适配，利用BangC融合算子开发实现了极致性能优化，并基于计算与通信的并行策略，再次达成了业界领先的计算效率水平。

寒武纪表示，依托DeepSeek-V3.2-Exp带来的全新DeepSeek Sparse Attention机制，叠加寒武纪的极致计算效率，可大幅降低长序列场景下的训推成本，共同为客户提供极具竞争力的软硬件解决方案。

编辑：芯智讯-浪客剑