斩获IMO/IOI金牌！DeepSeek-V3.2发布，推理比肩Gemini 3.0 Pro

开源大模型的世界，刚刚迎来了一位重量级选手！就在人们感叹开源与闭源模型的差距似乎越拉越大时，深度求索（DeepSeek）发布了最新的 DeepSeek-V3.2 模型。它不仅在国际数学奥林匹克（IMO）和国际信息学奥林匹克（IOI）竞赛中取得了金牌级表现，其推理能力更是直接对标顶尖的闭源模型 Gemini 3.0 Pro。

ArXiv URL：http://arxiv.org/abs/2512.02556v1

这究竟是如何做到的？DeepSeek-V3.2 凭借三大技术法宝，成功突破了开源模型面临的效率、性能和Agent能力三大瓶颈，向世界展示了开源力量的巨大潜力。

▲ DeepSeek-V3.2 与其他顶尖模型的性能对比

DSA：为长文本推理“降本增效”

大模型处理长文本时，传统的注意力机制（Attention）计算量会随文本长度的平方（$O(L^2)$）暴增，这既昂贵又低效。

为了解决这个顽疾，DeepSeek-V3.2 引入了一项全新的架构创新：深度求索稀疏注意力（DeepSeek Sparse Attention, DSA）。

DSA 的核心思想非常巧妙。它包含一个“闪电索引器”（lightning indexer）和一个“细粒度Token选择器”。对于每个需要计算的Token（Query），闪电索引器会快速扫描全部上下文，并精准定位出最相关的 $k$ 个Token（Key-Value）。

这样一来，模型就不再需要进行全局的密集计算，而是将注意力集中在最关键的信息上。

▲ DeepSeek-V3.2 的注意力架构，绿色部分为DSA如何选择Top-k信息

通过这种方式，DSA 将注意力计算的复杂度从 $O(L^2)$ 降低到了 $O(Lk)$，其中 $k$ 远小于 $L$。

更重要的是，这种效率的提升几乎没有牺牲模型性能。无论是在标准基准测试还是长文本评测中，采用DSA的DeepSeek-V3.2都表现出与前代密集注意力模型相媲美的性能。

带来的直接好处就是推理成本的大幅下降。从官方公布的成本对比图可以看出，在处理长序列时，DeepSeek-V3.2 的成本优势极为显著，为大模型在长文本场景的规模化应用铺平了道路。

▲ DeepSeek-V3.2 与前代模型的推理成本对比

可扩展强化学习：重金砸出的卓越性能

仅仅有高效的架构还不够。为了让模型具备超凡的推理能力，DeepSeek 在后训练（Post-training）阶段投入了巨大的计算资源——超过预训练成本的10%。

如此大规模的投入，需要一个极其稳定和可扩展的强化学习（RL）框架。该研究基于 GRPO（Group Relative Policy Optimization）算法，并引入了四项关键技术来确保训练的稳定性：

1. 无偏KL估计：修正了KL散度的估计算法，消除了系统性误差，让模型收敛更稳定。

2. 离策略序列掩码（Off-Policy Sequence Masking）：在训练中屏蔽掉可能破坏稳定性的“坏样本”，提升了对离策略（off-policy）数据的容忍度。

3. 保持路由（Keep Routing）：针对MoE架构，确保训练和推理时专家模块的激活路径一致，避免参数突变。

4. 保持采样掩码（Keep Sampling Mask）：确保训练和推理时采用相同的采样策略（如Top-p），维持了行为的一致性。

通过这套组合拳，DeepSeek-V3.2 能够稳定地吸收海量数据中的知识，将巨大的计算投入高效转化为模型能力的飞跃。

Agent能力进化：大规模任务合成流水线

让模型学会使用工具（即Agent能力），是通往通用人工智能的关键一步。然而，开源模型在Agent任务的泛化性和指令遵循能力上一直落后于闭源对手。

DeepSeek-V3.2 对此的解决方案是：构建一个强大的 大规模Agent任务合成流水线。

这个流水线可以系统性地、大规模地生成用于训练的Agent任务数据。研究团队通过它合成了超过1800个不同的环境和85000个复杂的任务提示。

▲ 在工具调用场景中保留“思考”过程的机制

为了让模型学会在调用工具时也能进行深度“思考”，研究团队首先通过巧妙的提示工程进行“冷启动”，让模型初步学会在推理路径中嵌入工具调用。随后，利用海量的合成数据进行强化学习，极大地增强了模型在复杂交互环境中的泛化和指令遵循能力。

这个流水线涵盖了搜索、代码、代码解释器等多种真实或合成的Agent任务，为模型提供了前所未有的丰富训练场景。

性能表现：开源模型的荣耀时刻

经过上述三大技术突破的加持，DeepSeek-V3.2 的表现令人惊叹。

• DeepSeek-V3.2：在多个推理基准上，性能与GPT-5相当，并在Agent任务上大幅缩小了与顶尖闭源模型的差距。

• DeepSeek-V3.2-Speciale：作为专注于推理的实验版本，它在性能上超越了GPT-5，与Gemini-3.0-Pro并驾齐驱，并在2025年的IMO、IOI等顶级竞赛中取得了金牌水平的成绩。

在 Tool-Decathlon、MCP-Mark 等多个Agent评测基准上，DeepSeek-V3.2 的表现同样出色，证明了其在工具使用和复杂任务规划方面的强大实力。

结语

DeepSeek-V3.2 的发布，无疑是开源社区的一剂强心针。它通过 DSA 解决了效率和成本问题，通过 可扩展的RL框架 释放了模型的推理潜力，并通过 Agent任务合成流水线 补齐了泛化能力的短板。

这不仅是一个模型的迭代，更是一套可行的、能够挑战闭源模型霸权的开源技术路线图。它向我们证明，只要有正确的方法和足够的投入，开源模型同样能够攀登人工智能的最高峰。