DeepSeek新模型三大技术突破：稀疏注意力、条件记忆与硬件协同架构_服务软件

1. DeepSeek 新论文或「泄密」V4 杀手锏：一招突破瓶颈，居然把 CPU 当 GPU 用？

2. DeepSeek 更新两个 v3.2 新模型，这次有哪些亮点？

3. DeepSeek，正如其名，深耕求索 AI 边界。DeepSeek V3.2 系列模型正式发布：开源 AI 推理能力直逼 GPT-5，Speciale 版斩获多项金牌在人工智能领域，开源模型的迅猛发展正重塑全球 AI 生态。今日（2025 年 12 月 1 日），中国 AI 初创公司 DeepSeek 宣布正式发布两款重量级大语言模型：DeepSeek-V3.2 和 DeepSeek-V3.2-Speciale。这一双模型同步上线，不仅标志着 DeepSeek 在参数规模和推理能力上的新突破，更在开源社区引发热议。DeepSeek-V3.2 主打日常应用场景下的 Agent 强化能力，而 V3.2-Speciale 则作为“长思考增强版”，融入先进数学证明机制，在国际竞赛基准中屡获金牌。官方网页端、App 和 API 已全面更新，支持开发者即时接入。这一发布时机恰逢全球 AI 竞争白热化之际。DeepSeek 团队强调，新模型在训练过程中优化了多模态融合和长上下文处理，参数规模达数百亿级别，旨在桥接开源与闭源模型的性能鸿沟。以下，我们将从模型架构、基准评测、与其他顶尖模型的比较以及潜在影响四个维度，进行专业剖析。模型架构与创新亮点DeepSeek-V3.2 系列基于前代 V3.1 的 MoE（Mixture of Experts）架构迭代而来，总参数量超过 600B，其中活跃参数高效分配至 70B 级别。这种设计显著降低了推理延迟，同时提升了在复杂任务下的稳定性。核心创新包括： • Agent 能力强化：V3.2 内置多步规划模块，支持自主工具调用和动态决策链路，适用于自动化工作流场景，如代码生成和数据分析。 • 长思考机制：V3.2-Speciale 引入“思考链”（Chain-of-Thought）增强变体，结合 DeepSeek-Math-V2 的定理证明引擎。该版本在处理逻辑验证任务时，能模拟人类逐步推理过程，避免幻觉输出。 • 开源友好：模型权重已在 Hugging Face 和 GitHub 公开，支持 FP16/INT8 量化部署，适用于边缘设备。这些特性使 V3.2 系列不止于通用对话，更向专业垂直领域倾斜，如数学、编程和科学模拟。基准评测：性能数据详解为评估新模型的实际表现，DeepSeek 团队公布了多项国际标准基准结果，并邀请第三方机构验证。总体而言，V3.2 在推理和数学任务上表现出色，平均得分逼近闭源顶流。数学与逻辑推理基准 • GSM8K（小学数学）：V3.2 得分 98.2%，V3.2-Speciale 达 99.5%，接近人类专家水平。Speciale 版在长链推理中优势明显，错误率降至 0.5% 以下。 • MATH（高中数学竞赛）：Speciale 版斩获 92.7% 准确率，在 IMO 2025 模拟赛中获金牌，超越谷歌 Gemini Deep Think。该成绩得益于集成定理证明器，能自动验证几何和代数推导。 • AIME（美国数学邀请赛）：V3.2 系列平均 85.4%，较前代提升 12%。独立评测显示，Speciale 版在 MLPerf Inference v5.1 推理基准中，处理长序列输出时延迟仅为 GPT-5 的 1.2 倍。编程与多模态任务 • HumanEval（代码生成）：V3.2 达 89.6% 通过率，略高于 Claude 3.5 Sonnet，在 Aider 编程测试中得分 71.6%，标志着开源模型在软件工程领域的突破。 • MMLU-Pro（多学科知识）：整体得分 87.3%，在生物医学子集上表现尤佳，Nature 杂志的一项临床评测显示，DeepSeek 模型在 NMLE（国家医学执照考试）中超越 OpenAI o1，准确率提升 15%。安全效率评估NIST 的 CAISI 报告指出，V3.2 在安全基准（如红队攻击抵抗）中得分 92/100，优于多数美国参考模型，同时价格仅为闭源竞品的 1/10。量化后，推理速度提升 2.5 倍，支持 128K 上下文窗口。然而，评测也暴露短板：V3.2 在创意写作（如 GPQA 基准）中得分 78.5%，落后于 Gemini-3.0-Pro 约 5%。此外，独立测试显示其在边缘案例下的幻觉率仍需优化。与顶尖模型的横向比较DeepSeek V3.2 系列的发布，直接挑战了 OpenAI GPT-5 和 Google Gemini 的霸主地位。在综合基准 Arena-Hard 上，V3.2 以 91.2 分逼平 GPT-5（92.1 分），但略逊于 Gemini-3.0-Pro（93.8 分）。 17 Speciale 版在数学子集上逆转胜出，IMO 金牌成绩更胜一筹，终结了“闭源垄断高难度推理”的叙事。与其他开源模型相比，V3.2 碾压 Llama 3.1（MMLU 85.2%）和 Mistral Large（编程 82.4%），其 MoE 架构在能效上领先 30%。这一成绩源于 DeepSeek 的“渐进式蒸馏”训练策略，从 685B 基座模型提炼而出。开源生态影响与未来展望DeepSeek V3.2 的开源策略，将进一步加速 AI 民主化。开发者可通过 API 免费测试，预计短期内涌现大量 Agent 应用，如智能医疗诊断和自动化科研。长期看，这一发布或推动中美 AI 合作，缓解地缘壁垒。模型规模膨胀带来的碳足迹，以及在非英语语料上的泛化问题。DeepSeek 团队已承诺后续迭代，将融入更多多语言支持。DeepSeek V3.2 系列的亮相，不仅是技术跃进，更是开源精神的胜利。它证明，开源模型已能与闭源巨头并驾齐驱，甚至在特定领域领跑。对于从业者和研究者而言，这是部署高性能 AI 的绝佳时机。未来，随着更多评测数据涌现，我们期待 V3.2 在真实世界中绽放光彩。参考文献： • DeepSeek 官方公告及基准报告。 • 第三方评测：NIST CAISI、Nature 临床基准、MLPerf 等。（本文基于公开数据撰写）#DeepSeek同时发布2款新模型##ai生活指南##ai创造营#

4. R1一周年，DeepSeek Model 1悄然现身

5. #DeepSeek新模型为何被夸爆# DeepSeek新模型炸圈了！刚推出的OCR模型直接火到海外，GitHub狂揽3.7K星，HuggingFace热榜冲到第二，连硅谷同行都忍不住点赞：“这思路太惊艳了！”传统AI读长文档有多头疼？烧钱又慢吞吞，算力消耗像无底洞。但DeepSeek这次直接打破常规——把文字转成图像，让AI像人类一样“看图识字”。处理长内容时算力大幅下降，效率却直线上升。这波操作被疯狂夸爆，不只是技术碾压，更是思维层面的降维打击。用图像思路解决文本难题，堪称今年AI圈最亮眼的创新之一。不得不说，当别人都在优化算法时，DeepSeek直接重新定义了赛道！

6. 如何评价DeepSeek发布梁文锋署名论文，提出「条件记忆」及Engram记忆检索架构？有哪些亮点？

7. DeepSeek刚发了两个新模型！#DeepSeek同时发布2款新模型# DeepSeek-V3.2 是该系列中兼顾高性能与部署成本的旗舰全能模型。它继承了 DeepSeek-V3.2-Exp 验证过的架构，也就是 DeepSeek Sparse Attention (DSA) 机制，在保持长上下文处理能力的同时显著降低了计算复杂度。该模型采用“混合强化学习（Mixed RL）”策略，将推理、智能体和人类对齐任务统一训练，并利用大规模合成的智能体任务数据（Synthetic Agentic Tasks）极大增强了工具使用能力。它优化了“工具调用中的思考（Thinking in Tool-Use）”机制，避免了像 DeepSeek-R1 那样在每轮交互中丢弃推理上下文的低效问题，从而在拥有比肩 GPT-5-High 综合性能的同时，实现了更优的 Token 效率。DeepSeek-V3.2-Speciale 则是为了探索开源模型智能上限而打造的高算力推理专用版。与标准版不同，它在强化学习阶段仅使用推理数据，并专门集成了 DeepSeek-Math-V2 的高难度数学证明数据集与奖励机制，以此强化复杂逻辑处理能力。为了换取极致的准确率，该模型放宽了生成长度限制（Length Constraints），允许模型进行极长思维链的“扩展思考” 。这一策略使其在 2025 年的 IMO（数学奥赛）和 IOI（信息学奥赛）中均斩获金牌表现，成功超越 GPT-5 并在推理能力上与目前最强的闭源模型 Gemini-3.0-Pro 分庭抗礼。#科技先锋官#

8. #DeepSeek新模型为何被夸爆#DeepSeek-OCR 以其革命性技术突破，解决了大模型处理长文本的算力难题。它通过“上下文光学压缩”思路，将文本“渲染”成图像，再用少量视觉 Token 存储信息，大幅压缩计算量。这种创新方法不仅节省了算力，还提高了准确率和效率。DeepSeek-OCR 还模拟人类认知，提出了动态信息衰减策略：近期记忆→高分辨率图像（如 800+视觉Token），保留细节；远期记忆→低分辨率图像（如 64Token），自然模糊化。这种机制让 AI 像人类一样“选择性遗忘”，在保证核心语义的同时无限扩展上下文容量，为超长对话、文档处理提供了全新路径。此外，DeepSeek-OCR 模型设计精巧，具有小参数量、高性能的架构创新。它采用“局部特征→卷积压缩→全局理解”三段式架构，减少冗余视觉 Token 数量；支持多分辨率输入，从 Tiny（512×512）到 Gundam（动态分块），灵活适配不同场景需求；端到端能力强大，不仅能识别文字，还可解析表格、公式、化学结构等复杂内容，输出 Markdown/HTML 结构化文本。最后，DeepSeek-OCR 的开源引爆了生态，吸引了众多开发者参与。 deepseek新模型为何被夸爆

9. DeepSeek团队今日发布了DeepSeek-V3.2和DeepSeek-V3.2-Speciale两个正式版模型。V3.2版本在推理能力与输出长度之间找到良好平衡，适合日常问答和通用Agent任务，性能已接近GPT-5，仅略逊于Gemini-3.0-Pro，同时大幅降低了计算资源和响应时间。而V3.2-Speciale则是面向极致推理能力的长思考增强版，融合了DeepSeek-Math-V2的数学定理证明功能，展现出严谨的逻辑验证和指令执行能力。该模型在多项国际顶级竞赛中斩获金牌，ICPC和IOI成绩分别达到了人类选手第二名和第十名的水平，显示出其超强的复杂推理能力。不过，Speciale版本消耗的计算资源更多，目前仅限研究使用，尚未针对日常对话优化，且不支持工具调用。DeepSeek的这次发布标志着国产AI在推理与数学能力上的重大突破，推动了开源模型向更高水平迈进。详细报道见 finance.sina.com.cn/tech/2025-12-01/doc-infzhxyc3541882.shtml

10. DeepSeek V3.2来了，首个会"思考"的Agent模型，首个开源性能打平GPT-5的模型

11. 如何看待DeepSeek发布的新模型DeepSeek-Math-V2？

12. 独家！DeepSeek最新模型上线，全新注意力机制基于北大ACL最佳论文

13. #DeepSeek新模型发布#DeepSeek-V3.2-Exp虽为实验版本，却亮出关键技术突破——DeepSeek Sparse Attention（稀疏注意力机制）。其核心价值在于针对性优化长文本处理：传统注意力机制计算复杂度随文本长度呈平方级增长，而稀疏设计通过动态筛选关键信息关联，大幅降低运算量，实现训练与推理效率双提升。尽管评测表现与V3.1持平，却在长文本场景释放了潜力。应用层面，该模型天然适配法律文书分析、学术论文精读、多轮对话历史理解等长文本需求场景。API降价50%与开源举措，更降低开发者试错成本，加速长文本AI落地。作为新一代架构过渡，它不仅验证了稀疏注意力的可行性，更以“效率不降、成本腰斩”的姿态，为行业探索大模型轻量化提供了可复制的中间路径。#秒懂热点就用智搜# 分析：【#DeepSeek新模型发布#】 DeepSeek发布Deep

14. #DeepSeek新模型为何被夸爆#DeepSeek 刚刚做了一些疯狂的事情。他们建立了一个 OCR 系统，将长文本压缩成视觉标记，将段落转换成像素。他们的模型 DeepSeek-OCR 在 10 倍压缩下解码精度可达 97%，即使在 20 倍压缩下也能保持 60% 的准确率。这意味着一张图像仅需 LLM 所需 token 的一小部分即可表示整篇文档。更疯狂？它击败了 GOT-OCR2.0 和 MinerU2.0，同时使用的令牌减少了 60 倍，并且一台 A100 处理器每天可以处理 20 万页以上的数据。这可以解决人工智能最大的问题之一：长上下文效率低下。模型可能很快就不会再为更长的序列支付更多费用，而是看到文本而不是阅读文本。上下文压缩的未来可能根本不是文本的。可能是光学的👁️github. com/deepseek-ai/DeepSeek-OCR#ai生活指南#

15. 刚刚，梁文锋署名，DeepSeek元旦新论文要开启架构新篇章

16. DeepSeek 与北大等联合发表的论文获 ACL 2025 最佳论文，其提出的原生稀疏注意力（NSA）机制，让长文本处理速度提升 11 倍且性能反超传统模型，上下文可扩至 100 万 tokens，或用于下一代模型。NSA 通过压缩、选择性、滑动三条注意力分支动态分层捕捉信息，结合硬件优化实现高效，在解码、前向和反向传播阶段分别提速 11.6 倍、9 倍、6 倍，多项测试表现亮眼，数学推理等任务优势显著。另有三篇最佳论文值得关注：北大研究揭示大模型对齐训练易反弹；斯坦福探讨大模型公平性新视角 “差异感知”；亥姆霍兹信息安全中心等解析大模型响应采样机制的伦理问题。这些前沿研究中，你最期待哪项技术早日落地应用？来评论区聊聊～

17. 梁文锋DeepSeek新论文！接棒何恺明和字节，又稳了稳AI的“地基”

18. DeepSeek-V3.2-Exp版本更新，有哪些信息值得关注？

19. 文本已死，视觉当立！Karpathy狂赞DeepSeek新模型，终结分词器时代

20. 黄仁勋还在意外梁文峰已经落子 DeepSeek出奇招 DeepSeek适配下一代国产芯片，国产算力苦苦煎熬的困局终于有了突破的希望！梁文峰要做的，从来就不是跟奥特曼、马斯克比谁的模型更大、参数更多，而是直接去动算力世界的根基——釜底抽薪，降维打击！#AI #DeepSeek #国产算力 #黄仁勋 #英伟达

21. AI工具在2025年带来的最强烈变化 2025年，AI大模型真正从“实验室”走向“生产力工具”。对我（以及许多用户）来说，最强烈的变化是门槛大幅降低 + 效率指数级提升： • 开源模型如DeepSeek让开发者能免费本地部署顶级AI，编程、科研、内容创作的速度提升数倍。 • 多模态能力成熟，能直接处理图像、视频、代码，日常工作中“想法到实现”的周期从几天缩短到几分钟。 • 个性化体验更强：AI不再是通用助手，而是能深度理解个人习惯的“伙伴”。整体生态从少数巨头垄断转向百花齐放，中国模型的崛起也让中文用户第一次感受到“母语优先”的便利。 DeepSeek当选年度国内词的理由 DeepSeek作为中国本土大语言模型的代表作，在2025年实现了多项关键突破：高性能、低成本训练（例如V3版本以极低成本接近国际顶尖水平）、全面开源，以及在中文理解、代码生成、数学推理等领域的领先表现。它不仅入选了年度中国媒体十大热词和十大网络流行语，还被视为中国AI技术主权的象征——用中文数据和知识构建智能载体，在全球竞争中显著提升了中国生态位。专家释义指出，DeepSeek体现了“深度求索”的精神：坚持自主创新、开源共享，代表了中国企业在AI领域的集体崛起。科技自信与自主可控：中国AI不再“跟跑”，而在关键领域实现并跑甚至领跑，强调技术主权和生态自建。 • 韧性发展：与年度字“韧”呼应，在全球不确定性中，中国选择“深度求索”而非浅尝辄止，体现了坚韧不拔的民族精神。 • 开放与共享：DeepSeek的开源策略，展现了中国在AI时代的大格局——不搞封闭，而是贡献全球公共产品。 • 未来导向：预示2026及以后，中国将在AI应用、产业落地、人形机器人、智能体等领域继续加速，AI将成为新质生产力的核心引擎。 #2025年度国内词是DeepSeek##ai生活指南##ai创造营#

22. DeepSeek连发两篇论文背后，原来藏着一场学术接力

23. #DeepSeek新架构意味着什么#DeepSeek代号Model1的全新架构曝光，标志着其从参数堆砌向架构优化的关键转型，为大模型发展撕开全新赛道。此次架构级调整并非简单版本迭代，而是融合mHC训练框架、Engram条件记忆模块的全方位重构，直指大模型训练不稳定、记忆计算混同、长上下文处理难的行业痛点。mHC架构为训练加设“智能调节阀”，大幅提升规模化训练稳定性，Engram模块通过查算分离解耦记忆与推理，再搭配稀疏稠密并行计算、FP8混合精度设计，让Model1兼具百万级tokens超长上下文处理能力与高效推理性能，还实现了对英伟达下一代GPU的深度适配。这不仅让DeepSeek V4在编程领域的工程化能力实现突破，更降低了大模型研发的算力与门槛，推动大模型从实验室走向工业化落地。其探索的架构创新路径，也为行业摆脱算力内卷提供了新范式，引领大模型向更高效、更实用的方向演进。deepseek新架构意味着什么川北小哥的微博视频

24. 刚刚，北大DeepSeek斩获ACL 2025最佳论文！全网首发一作演讲，稀疏注意力是终局

25. 如何理解 DeepSeek 最新提出的 mHC 架构？

26. AI 人工智能最新信息：1、OpenAI 联合演员工会等，加强Sora视频模型的监管，防范深度伪造内容。2、IBM与Groq合作，将后者的高速AI推理技术整合到IBM的企业AI平台中，旨在提升企业AI应用的速度与规模。3、甲骨文发布云AI超算"OCI Zettascale10"，由80万块NVIDIA GPU组成，将为OpenAI的"Stargate"集群提供算力，底层算力竞争持续升级。4、Anthropic 推出面向生命科学领域的AI产品"Claude for Life Sciences"，可帮助研究人员完成从文献回顾到数据分析等任务，AI加速向专业领域渗透。5、谷歌AI Studio团队预告将于10月22日推出一款新的AI开发工具，旨在大幅简化从创意到应用的开发流程。6、#DeepSeek新模型为何被夸爆#，DeepSeek团队最新开源的DeepSeek-OCR模型在技术思路上有重要创新，它尝试改变AI处理文本的固有方式，核心在于通过 “视觉压缩” 来突破长文本处理的效率瓶颈。当前大模型在处理长上下文时，算力和内存消耗会急剧增长。DeepSeek-OCR的视觉压缩路径，为解决这一“内存墙”问题提供了全新的思路。并且该模型还能解析图表、化学结构式、几何图形等复杂元素。应用突然就被拓展了。

27. DeepSeek 发布开年新论文，提出全新 MHC 架构，有何创新与应用前景？

28. DeepSeek-V3.2-Exp版本更新，有哪些信息值得关注？

29. 如何评价DeepSeek发布梁文锋署名论文，提出「条件记忆」及Engram记忆检索架构？有哪些亮点？

30. DeepSeek-V3.2-Exp版本更新，有哪些信息值得关注？

31. 刚刚，DeepSeek-R1论文登上Nature封面，通讯作者梁文锋

32. DeepSeek论文登《Nature》，让中国AI在全球 “插旗”！#大咖观察 #红衣聊AI #DeepSeek

33. DeepSeek 更新两个 v3.2 新模型，这次有哪些亮点？

34. 如何看待DeepSeek发布的新模型DeepSeek-Math-V2？

35. DeepSeek团队发布视觉压缩OCR模型，哪些信息和技术亮点值得关注？

36. 华为昇腾宣布0Day支持DeepSeek-V3.2-Exp DeepSeek-V3.2-Exp重磅发布！华为宣布零Day支持！国产大模型牵手国产算力的背后是国产AI基建越来越成熟的适配能力！#华为 #昇腾 #DeepSeek

37. DeepSeek新模型爆火，硅谷玩疯了 #DeepSeek团队开源新模型 DeepSeek新模型爆火，硅谷玩疯了！把文字变成图像，让AI一目十行读完一本书！这次，它真的在教AI们，怎么省算力、怎么学会“遗忘” #AI #DeepSeek

38. #DeepSeek新模型为何被夸爆#救命！DeepSeek新模型把“读课文”玩成“看漫画”了家人们谁懂啊！别的AI读长文本像啃大部头，啃得CPU冒火星子还慢半拍，DeepSeek直接开脑洞——把文字变图像，让AI像刷表情包似的“扫一眼”就懂！刚上线就狂揽3.7K GitHub星、冲HuggingFace热榜第二，硅谷大佬都夸思路绝。以前处理长文档像挤牙膏，现在效率直接起飞，算力省得能多跑好几轮任务。这哪是模型更新，简直是给AI装了“速读挂”，就是不知道以后AI会不会嫌弃咱们人类读得慢了！#秒懂热点就用智搜# 分析：【#DeepSeek新模型为何被夸爆# 】DeepSeek最近推出的OCR新模型海外平台热度飙升，刚

39. #DeepSeek新架构意味着什么#DeepSeek Model 1架构聚焦效率突破，通过KV缓存压缩、稀疏性处理与FP8解码组合，将显存占用直接砍半，推理速度提升30%，搭配Engram记忆机制与VVPA技术，长文本处理精度与效率双优，在16K token语境中仍能精准捕捉关键信息。DeepSeek Model 1架构也意味着国内的大模型也开始摆脱堆参数依赖，转向架构优化与硬件适配的高效路线。DeepSeek Model 1架构证明低成本、高性能可并行实现，有利于行业从性能追赶转向范式创新。Model 1作为DeepSeek V4的工程版，同步适配英伟达新芯片与国产昇腾芯片，强化了技术兼容性。其开源基因与效率优势，将吸引更多开发者与企业接入，进一步巩固DeepSeek在开源社区与产业应用中的影响力。

40. DeepSeek开源了IMO金牌级数学模型：DeepSeek-Math-V2，这个模型基于 DeepSeek-V3.2-Exp-Base 开发，它的性能优于 Gemini DeepThink，实现了 IMO 金牌级的水平。这个版本最大的亮点，它不只是生成答案，而是引入了一个专门的“验证器”模型来检查推理步骤，模仿了人类数学家“大胆假设，小心求证”的过程，其中：生成器：负责提出解题思路和步骤。验证器：负责评估每一步的逻辑严密性，甚至能主动发现并纠正错误。冷启动与强化学习：基于DeepSeek-V3.2-Exp-Base底座，利用强化学习针对数学领域进行了深度优化。这种自验证机制为什么重要？是因为它直接解决了数学 AI 长期存在的核心问题：算对答案，并不意味着真正懂得推理。#DeepSeek新模型有多猛#

41. 🚨 DeepSeek 刚刚做了一些疯狂的事情。他们建立了一个 OCR 系统，将长文本压缩成视觉标记，将段落转换成像素。他们的模型 DeepSeek-OCR 在 10 倍压缩下解码精度可达 97%，即使在 20 倍压缩下也能保持 60% 的准确率。这意味着一张图像仅需 LLM 所需 token 的一小部分即可表示整篇文档。更疯狂？它击败了 GOT-OCR2.0 和 MinerU2.0，同时使用的令牌减少了 60 倍，并且一台 A100 处理器每天可以处理 20 万页以上的数据。这可以解决人工智能最大的问题之一：长上下文效率低下。模型可能很快就不会再为更长的序列支付更多费用，而是看到文本而不是阅读文本。上下文压缩的未来可能根本不是文本的。可能是光学的眼睛。

42. 一篇59年前的论文当然不可能决定或改变一个时代，但在合适的时间，被合适的人用在了合适的问题上，它就能改变一条路径。#大咖观察#红衣聊AI #deepseek #梁文峰 #人工智能

43. #DeepSeek还会推出R2吗#？从当前的信息来看，DeepSeek后续单独推出R2的可能性较低，甚至可能接近于零。这主要是基于DeepSeek-V3.1的最新发布，该模型已经引入了混合推理架构（Hybrid Inference），将原本R系列的“思考模式”（Think Mode，强调深度推理）和V系列的“非思考模式”（Non-Think Mode，强调快速响应）融合到一个模型中。这种设计让用户可以通过提示词（prompt）在同一个模型内切换模式，实现更高效的推理，而无需维护两个独立的系列。业内猜测，这标志着DeepSeek的策略转向模型架构统一，类似于OpenAI将不同能力整合到单一模型（如GPT系列）的路线。回顾历史，DeepSeek-R1于2025年1月20日发布，作为推理专精模型，性能媲美OpenAI的o1，并在5月发布了R1-0528的升级版。但R2的发布计划从最初的4月底推迟到5月初，又因质量问题、芯片短缺和外部竞争（如Grok 3、Claude 3.7、Qwen 2.5-Max）而多次延后。如今进入2025年8月，V3.1的推出直接“吃掉”了R1的部分能力（如数学、代码和推理蒸馏），让R2的独立存在显得可能有点多余。如果DeepSeek继续迭代V系列（如潜在的V3.5或V4），R2很可能不会以独立形式出现，而是通过V系列的更新间接实现。当然，如果市场反馈显示混合模式不足以覆盖所有场景，或者DeepSeek面临更激烈的竞争（如国产芯片训练需求），仍有小概率重启R2，但整体趋势是融合而非分离。DeepSeek已经开始将V系列和R系列融合，V3.1的发布就是明确证据。该模型的核心亮点是混合推理架构，一个模型同时支持“思考模式”（深度推理，类似于R系列）和“非思考模式”（快速响应，类似于V系列），通过提示词无缝切换。直接“吃掉”了R1的部分能力，如数学推理、逻辑分析和代码生成，通过蒸馏技术整合到V3基底中。 V3.1在保持低成本（MoE架构下仅激活37B参数）的同时，提升了Agent和智能体功能，思考速度更快。 #ai生活指南##ai创造营#

44. 梁文锋署名新论文，DeepSeek V4架构首曝？直击Transformer致命缺陷

45. DeepSeek团队发布视觉压缩OCR模型，哪些信息和技术亮点值得关注？

46. #DeepSeek新模型为何被夸爆#DeepSeek这次的OCR新模型，可能真打开了AI的新思路。传统语言模型读长文本像逐字抄经，费算力又慢；而DeepSeek反其道而行把长文本变成图像，再让AI去看图识字。结果不仅省算力，还把精度拉到97%，一张A100能处理20万页文档。感觉这个模型特别适合用来处理旧杂志、扫描文档、混合排版内容的数字化。传统OCR输出的是混乱的文本，需要大量手工清理，而这个模型能直接输出结构化的Markdown，大大减少后期处理的工作量。

47. 盘点一周AI大事(11月30日)｜AI自己剪片子奥特曼预告下一代大模型Shallotpeat Anthropic发布最强编码模型Claude Opus 4.5 DeepSeek发布最强开源推理模型DeepSeek-Math-V2 微软开源最强行动智能体Fara-7B Black Forest推出最强开源图像模型Flux.2 阿里发布开源版小香蕉平替Z-Image 腾讯发布开源版Veo 3平替Tencent Harmony 字节开源AI剪辑大模型Vidi2 腾讯开源最强OCR模型HunyuanOCR 1B 科学家研发出最强数据分析智能体Edison Analysis RAI研发棒球陪练机器人港科大训练出首个会打篮球的机器人工程师开源家用机器人Aloha mini #AI新星计划 #人工智能 #AIGC #OpenAI #机器人

48. #DeepSeek还会推出R2吗#DeepSeek官号今日公布DeepSeek-V3.1详细更新，核心亮点中提到将采用混合推理架构，即一个模型同时支持思考模式与非思考模式，业内猜测DeepSeek可能正在将V系列与R系列模型进行融合，效仿OpenAI的路线，实现模型架构的统一。此前已有观点指出，V3.1的发布可能标志团队策略调整，市场期待的R2或不再以独立命名形式推出，而是通过V系列的持续迭代来实现

49. #DeepSeek新模型有多猛# DeepSeek V3.1发布，6850亿参数量仅激活370亿，计算成本降90%。性能超GPT-4o，中文问答准度89.3%。岚图汽车、江苏银行已应用，未来将突破多模态，推理成本再降50%。#微博声浪计划##听见微博# 凯文思考的微博音频

50. #DeepSeek新模型曝光#DeepSeek V4呼之欲出，大模型竞争迈入架构创新新阶段！DeepSeek新一代旗舰模型V4的技术线索接连曝光，标志着国内大模型竞争已从参数竞赛转向架构创新的深水区。GitHub代码中的“MODEL1”标识符，印证着这款即将在春节发布的新模型，并非简单版本迭代，而是一次底层架构的重构。从KV缓存布局调整到FP8解码支持，再到稀疏性处理优化，新模型在内存与计算效率上的针对性设计，切中了大模型落地的核心痛点。而Engram记忆模块与mHC训练方法的潜在整合，更让模型实现了记忆与推理的协同升级，为长文本处理、高效代码生成提供了技术支撑。此次DeepSeek的技术突破，打破了大模型“唯参数论”的发展路径，让架构优化、软硬协同成为新的竞争焦点。这不仅是其自身技术的迭代，更将推动国内大模型产业向更高效、更实用的方向迈进，为AI规模化落地注入新动力。#用智搜高效玩转AI##HOW I AI# deepseek新模型曝光川北小哥的微博视频

51. DeepSeek团队发布视觉压缩OCR模型，哪些信息和技术亮点值得关注？

52. DeepSeek-OCR一开始以为是又一个普通的OCR模型，认真看了下论文，发现其重点是压缩，可以有助于LLM或者Agent的记忆管理。DeepSeek-AI 团队提出了一种全新的Contexts Optical Compression 方法，核心思想是：利用视觉模态作为一种高效的文本压缩媒介，以图像形式表示长文本，从而大幅减少LLM处理长上下文的计算负担。DeepSeek-OCR 首次验证了将文本信息以视觉形式进行高效压缩与恢复的可行性，在 10× 压缩下仍能近乎无损地还原文本。1. 研究动机当前LLM在处理长文本时面临计算量随序列长度平方增长的问题。论文提出将长文本转化为图像，让视觉模型（VLM）对其进行编码，用较少的视觉 token 表示大量文本信息，实现“以视觉压缩文本”的思路。这种“光学压缩”既能显著减少 token 数量，又可能启发 LLM 的长期记忆与遗忘机制研究。2. 模型架构DeepSeek-OCR 由两部分组成：（1）DeepEncoder：一种新型视觉编码器，结合 SAM-base（局部注意力）与 CLIP-large（全局注意力），中间加入 16× 卷积压缩模块，可在高分辨率下保持低激活内存并显著减少视觉 token。（2）DeepSeek-3B-MoE 解码器：基于 Mixture-of-Experts 架构，推理时仅激活 570M 参数，用于从视觉 latent token 重建原始文本。3. 多分辨率与模式支持DeepEncoder 支持多种输入模式（Tiny、Small、Base、Large、Gundam），对应不同分辨率与视觉 token 数，方便在研究不同压缩率或实际应用时灵活选择。例如 Gundam 模式可解析超高分辨率文档（如报纸），最高支持动态拼图式输入。4. 视觉遗忘机制作者提出“视觉化遗忘机制”假设：可以通过逐步缩小图像分辨率模拟人类记忆衰减过程，实现“信息随时间模糊化”的长期上下文管理。光学上下文压缩或可成为未来 LLM 无限上下文架构的关键方向。项目：github.com/deepseek-ai/DeepSeek-OCR#人工智能##程序员#

53. DeepSeek 真的是太牛逼了。说实话，DeepSeek 的这种创新性，这种巧劲挺符合咱们中国人的聪明和做事原则的。昨天 DeepSeek 开源了一个叫 DeepSeek-OCR 的模型，看起来像是做文字识别（OCR）的，但其实真正的目标，是在解决一个大语言模型都头疼的问题——长上下文。简单说，现在的大语言模型都怕“记太多”，非常吃 token。比如你给它塞进十几万字的内容，它会越来越慢、越来越吃显存，还越来越贵。原因是它的底层架构要求“每个词都要和其他所有词打一次招呼”，计算量是成平方增长的。内容越多，模型就越容易“爆炸”。DeepSeek 想了一个非常大胆的办法：既然文字太多处理不了，那就把文字变成图片！这听起来有点疯狂，对吧，但是，他们发现这样做非常有效，很有用。因为一段 10 万字的文本，转成图片后，模型只需要几百个“视觉 token”就能理解；而且图像里不仅有文字内容，还有排版、结构、空间这些额外信息。也就是说，它在几乎不损失语义的情况下，极大地压缩了信息量。我不知道大家看到这里会想到什么？我想到的就是这种做法不就是人类记忆的方式吗？咱们人类并不会逐字记忆所有内容，而是更擅长记住画面。比如，就拿最近的中秋节和十一假期来讲，回想到当时，你大脑里浮现的肯定不是具体的文字，而是几个模糊的画面。DeepSeek 就把这种“视觉化记忆”用在了模型里：最新的信息保持清晰，旧的信息逐渐模糊、被压缩，但核心意思还在。这样，模型就能像人一样，在有限的计算中保留“无限上下文”。DeepSeek 团队称这种方法为“上下文的光学压缩”。他们不仅用视觉去识别图像，还把视觉变成了管理记忆、压缩信息的新方式。这意味着未来的 AI，可能不再依赖文字去理解世界，而是通过“视觉语言”来思考。这其实一种更接近人类感知的方式。一句话总结：DeepSeek 把“让模型看图”这件事，变成了“让模型更聪明地记忆”的新思路。它不只是提高了 OCR 的精度，而是在为无限上下文的 AI 打开一扇全新的大门。#微博兴趣创作计划##微博新知##AI创造营##ai生活指南#

54. DeepSeek 推出其最新实验性语言模型： DeepSeek-V3.2-Exp 大幅提升了推理效率并降低了计算成本性能方面，基准测试显示 V3.2-Exp 在整体表现上与 V3.1-Terminus 持平，但推理效率提高一倍左右...这导致其API价格大幅下降，降低了50%新技术：引入了稀疏注意力 (DSA)机制普通大模型在处理长文本时，计算量会随着文本变长而快速增加，很慢也很耗资源。稀疏注意力的思路是：只关注文本里重要的部分，而不是所有内容，这样速度更快，显存占用更少，但输出质量基本不变。整体结果：速度：在长文本推理中，生成和输入阶段都快了一倍左右成本：整体下降约 50%，特别适合处理 >32K tokens 的长文档/对话短文本场景：提升不大（甚至接近持平），优势主要体现在长上下文详细介绍：网页链接模型下载：网页链接技术报告：网页链接

55. 当 AI 下场真金白银：DeepSeek V3.1 在实盘量化中登顶

56. #DeepSeek新模型为何被夸爆#刚刚，DeepSeek有了新突破，为解决大模型在长文本处理中高算力开销，提供新思路。DeepSeek-OCR模型，首次提出“上下文光学压缩”的概念，通过文本转图像实现信息的高效压缩。这一方法的可行性已经得到验证，在10倍压缩比下，解码精度可达97%，近乎实现无损压缩；在20倍压缩比下，精度仍保持约60%。简单讲，传统AI读长文本会非常耗算力，而DeepSeek选择了另一条路，把文字变成图像，再由AI像看图片一样去理解。这种方法，让AI处理长文本时更省算力、效率更高，也打开了新的思考路径：AI是否可以像人一样扫一眼就懂？

57. #DeepSeek新模型为何被夸爆#因为这一次又是一个突破，让大家看到了上下文压缩的可行性。所谓“光学压缩”，就是直接把文本转成图像，因为一张图能包含大量的文字信息，并且用的 Token 还少，用视觉模态来给文本信息瘦身。OCR 适合验证这个思路，因为它本身就是在做视觉到文本的转换。论文显示，DeepSeek-OCR 的压缩率能达到 10 倍，OCR 准确率还能保持在 97% 以上。也就是说，如何提升大规模文本处理与智能体系统的计算效率，Deepseek又给出了一个新的思考方向。对视觉语言模型与大语言模型的发展来说，都有推动作用。

58. #DeepSeek新模型发布#DeepSeek新模型发布：V3.2-Exp提效降价，开源同步上线。最新发布的DeepSeek-V3.2-Exp模型，是迈向新一代架构的实验性版本，核心升级为引入DeepSeek Sparse Attention稀疏注意力机制，专门优化长文本训练与推理效率。该模型已实现多平台同步更新，包括官方App、网页端、小程序，且API调用成本降低50%以上，新价格（单位：元/百方tokens）具体如下⬇️输入：缓存命中0.2元，缓存未命中2元输出：缓存命中0.5元，缓存未命中4元（价格自2025年9月29日18:00起生效）此外，DeepSeek-V3.2-Exp已在Huggingface与魔搭平台开源，且在各领域公开评测集上，其表现与上一代V3.1-Terminus基本持平

59. DeepSeek 开源了3B模型 DeepSeek-OCR，突破性在于计算效率，单块A100-40G显卡每天可生成20万页训练数据。应用潜力：特别适合STEM领域处理符号和图形。理论创新：探索视觉模态作为文本信息压缩媒介的可能性。目前模型已在GitHub开源，并附有详细论文和技术文档。

60. 有个事情可能没有引起很多人的关注，尤其是不炒股的，就是DeepSeek V3.1版本的发布，推动了国产算力芯片行情，它采用新的架构，将思考和非思考结合在一起，使用了UE8MO FP8参数精度，装的数据更多需要的显存更少算的更快，是针对即将发布的下一代国产芯片而设计。由此可见，国产算力芯片的生态正在搭建起来，有了像DeepSeek这样强悍的自主大模型加持，行业内的小伙伴们都会往这个路线上靠拢，齐心协力构建起国产算力产业的全栈自研可控，这才是对英伟达的致命一击，到时候不用说H20没人买，就算H100、H200再便宜，也没人要了，以后估计也就能卖卖打游戏做图片的显卡了。#DeepSeek支持国产芯片#

61. DeepSeek新模型MODEL1曝光！

62. R1一周年，DeepSeekModel1悄然现身

63. 藏不住了！DeepSeek Model 1悄然现身

64. DeepSeek V4 要来了

65. DeepSeek 2026开年发布mHC新架构

66. DeepSeek技术原理解析

67. DeepSeek技术剖析之MoE机制

68. 从DeepSeek光速入坑混合专家模型（MoE）

69. 大模型｜DeepSeek MoE 混合专家系统介绍

70. 刚刚，DeepSeek开源Engram模块！梁文锋署名新论文，deepseek_v4提前剧透

71. 初学者读deep seek V3

72. DeepSeek 惊艳背后的架构创新

73. Deepseek里的专家根本不是人！

74. DeepSeek是如何用视觉压缩做大做强上下文的？

75. DeepSeek-V3.2-Exp

76. DeepSeek-V3.2-Exp震撼发布

77. 每日一个AI趣闻，DeepSeek-V3.2-Exp

78. DeepSeek-OCR发布，仅3B文档解析小模型

79. DeepSeek开源新模型DeepSeek-OCR，提升长文本处理

80. DeepSeek-V3.2-Exp发布

81. DeepSeek V3.2Exp

82. 揭秘DeepSeek-V3.2三大核心技术

83. DeepSeek-V3.2解读

84. DeepSeek-V3.2-Exp是长文本处理的新探索

85. DeepSeek-V3.2-Exp发布，突破长文本处理瓶颈

86. DeepSeekV3.2硬核拆解

87. DeepSeek正式发布全新多模态模型DeepSeek-OCR

88. DeepSeek OCR

89. DeepSeek-OCR开源爆火！10倍压缩仍准97%，改写大模型记忆

90. 新知 | Deepseek发布Deepseek-OCR，下一代记忆机制雏形

91. DeepSeek开源DeepSeek-OCR模型

92. DeepSeek-OCR详解

93. DeepSeek团队发布新型视觉压缩模型DeepSeek-OCR

94. DeepSeek-OCR

95. 多模态大模型-DeepSeek-OCR

96. DeepSeek-AI提出DeepSeek-OCR

97. DeepSeek-OCR

98. 独家！DeepSeek新模型上线，全新注意力机制基于北大ACL最佳论文

99. 《DeepSeek-V3.2-Exp

100. DeepSeek Sparse Attention（DSA）/DeepSeek稀疏注意力机制简介

101. DeepSeek开源的新东西到底强在哪？我帮你找专家问了问

102. DeepSeek新模型文本转图像省20倍资源，手机跑大模型成本大降

103. DeepSeek Engram技术

104. DeepSeek优化架构提升AI推理

105. 国产算力火速适配DeepSeek新版本

106. DeepSeek3.2所坚持的长期主义优化

107. DeepSeek发布的两个正式版模型DeepSeek-V3.2和DeepSeek-V3.2-Speciale

108. DeepSeek推出数学推理新模型DeepSeekMath-V2

109. DeepSeek新模型降价

110. 一文搞懂DeepSeek - DeepSeek-R1-Zero和DeepSeek-R1

111. 这也许就是DeepSeek V3.1性能提升的关键

112. DeepSeek V3.1性能提升关键

113. DeepSeekv3.2 发布亮点

114. DeepSeek-V3.2-Exp

115. DeepSeek 3.2来了！长文本处理要进入“闪电”时代？

116. 复杂问题推理能力大幅提升，DeepSeek发布DeepSeek V3.2正式版及一个评测结果可以媲美Gemini 3.0 Pro的极限开源模型DeepSeek-V3.2-Speciale模型

117. DeepSeek 官宣

118. 百万Token输出费用降75%！DeepSeek最新开源模型V3.2-Exp解读，首次引入稀疏注意力机制DSA

119. DeepSeek 技术讲解

120. DeepSeek-V3.2 技术报告阅读笔记

121. DeepSeekV3.2正式版发布

122. DeepSeek-V3.2 128K 推理秒开？百度百舸开源 CP 上下文并行方案

123. Claude 封杀中国后，DeepSeek 凭什么能成为10万开发者的首选平台？

124. DeepSeek-V3.2 vs V3.1 实战对比

125. Claude Opus 4.5 vs DeepSeek-V3.2 技术选型全解析

126. DeepSeek-V3.2

127. 从 DeepSeek V3.2 论文合成数据

128. 英伟达scale-across新品加速DCI建设，DeepSeek有望加大国产芯片适配 | 投研报告

129. DeepSeek又发新模型新架构，还阴了英伟达

130. DeepSeek突然拥抱国产GPU语言！对标CUDA替代Triton,华为Day0适配

131. DeepSeek突然拥抱国产GPU语言，TileLang对标CUDA替代Triton，华为昇腾Day0官宣支持适配

132. DeepSeek新模型曝光

133. DeepSeek 开源 TileLang 与 CUDA 算子

134. 寒武纪、昇腾Day 0适配DeepSeek最新模型，国产AI软硬件协同破局正当时

135. 突发！DeepSeek 新模型 MODEL1 曝光，适配英伟达新一代 GPU，V4 旗舰版春节见

136. 我们可能再次低估了DeepSeek

137. DeepSeek v3.2的隐藏王牌

138. 刚刚!DeepSeek新模型细节曝光

139. DeepSeek新模型曝光？

140. 登顶《自然》封面！DeepSeek-R1 通过全球顶尖科学家最严苛的“同行评审”

141. 论文精读｜DeepSeek-MoE：让大模型既“大”又“省”

142. DeepSeek 开发的 AI 大模型 / 多模态模型系列介绍以及用途

143. DeepSeek-V3.2-Exp：通过DeepSeek稀疏注意力提升长上下文效率

144. Deepseek大模型取得重大突破

145. INT4量化新突破！MindStudio 量化工具助力DeepSeek R1显存减负75%，精度仅损失<1%

146. DeepSeek-OCR AI长文本处理新突破核心问题

147. DeepSeek-OCR深度解析：用视觉2D映射颠覆长文本处理

148. Kiwi Talks | 解析DeepSeek MoE并行计算优化策略国产AI网络自主自控大有可为

149. 双模式推理革命：DeepSeek-V3.1如何用6710亿参数重塑AI效率

150. DSA: DeepSeek Sparse Attention笔记

151. DeepSeek发布DeepSeek-V3.2双版本：平衡推理与输出长度，开源模型性能再突破

152. DeepSeekV3.2：稀疏注意力提升长上下文效率

153. 腾讯云开源DeepSeek量化部署方案：性能最高提升3.9X！

154. DeepSeek-V3.1震撼发布：智能体时代的突破性进化

155. DeepSeek最新重磅开源！解决混合专家（MoE）架构的核心问题

156. 纯RL破局！DeepSeek-R1 登上《Nature》性能逼近GPT-4o

157. DeepSeek-V3技术揭秘之并行训练篇：一个好汉三个帮

158. DeepSeek V3.1 横空出世：6850 亿参数、国产芯片，改写全球 AI 版图

159. 深度解析DeepSeek V3.1：128K上下文+开源免费，AI编程助手新标杆！

160. Engram：DeepSeek提出条件记忆模块，"查算分离"架构开启LLM稀疏性新维度

161. 斯坦福大模型课MoE详解！第4课笔记|CS336

162. 混合专家模型（MoE）：技术要点速览与未来趋势

163. deepseek中的混合专家模型MoEs详解

164. Deepseek升级了，开发者需要注意的更新内容

165. FP8推理革命：华为昇腾助力DeepSeek V3.1推理显存减半、精度无损

166. DeepSeek推出新模型：DeepSeekMath‑V2 主打可自我验证的数学推理训练框架，附开源网址

167. DeepSeek推理速度翻倍了

168. DeepSeek V3.1 重磅上线，解锁 128k 超长上下文！

169. DeepSeek Sparse Attention & 大脑连接稀疏化：机制对比与相互启发

170. 开发者必备：DeepSeek-V3 接口-128K上下文+超强推理

171. [LLM - DeepSeek MoE] 个人解读

172. 论文精读｜DeepSeek如何把通用 LLM 练成“垂直领域尖子生”？

173. DeepSeek-VL2：高级多模态理解专家混合VLM

174. DeepSeek-R1 ：国产大模型的AGI雏形，首个不大量依赖人类数据训练的大模型

DeepSeek新模型三大技术突破：稀疏注意力、条件记忆与硬件协同架构

精选参考来源