DeepSeek 的重大发布。 这对开源 LLM 来说是个大事件。 DeepSeek-V3.2-Speciale 在 2025 年国际数学奥林匹克（IMO）和国际信息学奥林匹克（IOI）上与 Gemini-3-Pro 不相上下。 它在多个基准测试中甚至超越了 Gemini 3 Pro。 DeepSeek 确定了三个关键瓶颈： > 在长序列上受阻的普通注意机制， > 不足的后训练计算， > 以及在代理场景中的弱泛化。 他们推出了 DeepSeek-V3.2，这是一种同时解决这三个问题的模型。 一个关键创新是 DeepSeek 稀疏注意（DSA），它将注意复杂度从 O(L²) 降低到 O(Lk)，其中 k 远小于序列长度。一个轻量级的 "闪电索引器" 评分哪些标记重要，然后只有这些前 k 个标记获得完全注意。 结果：在长上下文中显著加速，而不牺牲性能。 但仅靠架构是不够的。DeepSeek 分配的后训练计算超过了预训练成本的 10%，这是一个巨大的 RL 投资，直接转化为推理能力。 对于代理任务，他们构建了一个自动环境合成管道，生成了 1,827 个不同的任务环境和 85,000 多个复杂提示。代码代理、搜索代理和一般规划任务（所有任务都在规模上合成以进行 RL 训练） 数字：在 AIME 2025 上，DeepSeek-V3.2 达到 93.1%（GPT-5-High：94.6%）。在 SWE-Verified 上，解决率为 73.1%。在 HLE 仅文本上，25.1% 对比 GPT-5 的 26.3%。 他们的高计算变体 DeepSeek-V3.2-Speciale 更进一步，在 IMO 2025 中获得金牌（35/42 分），IOI 2025（492/600），以及 ICPC 世界总决赛 2025（解决 10/12 个问题）。 这是第一个能够在推理、编码和代理基准测试中与前沿专有系统进行可信竞争的开放模型。