DeepSeekMath-V2 后，DeepSeek V3.2 正式发布，而且是同时发布两个正式版模型：
DeepSeek-V3.2 和 DeepSeek-V3.2-Speciale。
与此同时，官方网页端、App 和 API 均已更新为正式版 DeepSeek-V3.2，可以去用了~
新模型技术报告已同步发布：
https://modelscope.cn/models/deepseek-ai/DeepSeek-V3.2/resolve/master/assets/paper.pdf
其实两个月前，DeepSeek 就发布了实验版 V3.2-Exp，说是要收集用户反馈。这次正式版终于来了一波大的更新，一起来看看都有哪些重大升级！
版本概述
DeepSeek-V3.2（标准版）
标准版的目标是平衡推理能力与输出长度，更适合日常使用
例如问答场景和通用 Agent 任务场景。在公开的推理类 Benchmark 测试中，从公布的基准测试数据来看，确实和 GPT-5 High 不相上下，有些指标甚至更强。，仅略低于 Gemini-3.0-Pro；
相比 Kimi-K2-Thinking，V3.2 的输出长度大幅降低，显著减少了计算开销与用户等待时间。
DeepSeek-V3.2-Speciale（研究版）
Speciale 的目标是将开源模型的推理能力推向极致，探索模型能力的边界。
V3.2-Speciale 是 DeepSeek-V3.2 的长思考增强版，同时结合了 DeepSeek-Math-V2 的定理证明能力。
该模型具备出色的指令跟随、严谨的数学证明与逻辑验证能力，在主流推理基准测试上的性能表现媲美 Gemini-3.0-Pro。
更令人瞩目的是，V3.2-Speciale 模型成功斩获 4 块金牌：IMO 2025、CMO 2025、ICPC 世界总决赛、IOI 2025。
其中，ICPC 与 IOI 成绩分别达到了人类选手第二名与第十名的水平。
在主流推理基准测试中，它和 Gemini 3 Pro 打得有来有回。
也正因为 token 消耗大、成本高，DeepSeek 官方强调这个模型目前只供研究使用，不支持工具调用，也没有针对日常对话优化。
并且，仅开放临时 API，有效期到北京时间 12 月 15 日 23:59；价格和 V3.2 一样。
DSA 稀疏注意力
V3.2（V3.2-Exp 也是）的核心架构叫做「DSA」（DeepSeek Sparse Attention）。
这是一种稀疏注意力机制。
传统注意力有个问题：每生成一个新 token，模型都要回顾所有历史内容。
计算复杂度是平方级别的。
而 DSA 的思路是：不是所有历史信息都同等重要。
它引入了一个「索引器」（Lightning Indexer），快速判断哪些 token 是关键，然后只对这些部分执行精细计算。
最终核心注意力的复杂度大幅降低。
实际效果：
在 128K 上下文长度下，V3.2 的推理成本比 V3.1-Terminus 降低了 50-70%。
Agent 能力强化
DeepSeek-V3.2 模型在智能体评测中达到了当前开源模型的最高水平，大幅缩小了开源模型与闭源模型的差距。
比如 Agent 评测 τ²-Bench 准确率 80.3%，和 GPT-5 High 基本持平。
以前，DeepSeek 的深度思考和工具调用是互斥的。
模型要么思考，要么调用工具，不能同时进行。
V3.2 解决了这个问题。
它现在可以一边思考，一边调用搜索、代码执行工具，然后基于返回的结果继续推理。
示例为通过 LobeChat 使用 DeepSeek-V3.2 的深度思考+工具调用能力得到更加详细准确的回复
工具调用
本次 API 更新支持了 DeepSeek-V3.2 思考模式下的工具调用能力。
当前在思考模式下，模型能够经过多轮的思考 + 工具调用，最终给出更详尽准确的回答。下图为思考模式下进行工具调用的 API 请求示意图：
-
在回答问题 1 过程中（请求 1.1 - 1.3），模型进行了多次思考 + 工具调用后给出答案。在这个过程中，用户需回传思维链内容（reasoning_content）给 API，以让模型继续思考。
-
在下一个用户问题开始时（请求 2.1），需删除之前的思维链，并保留其它内容发送给 API。
-
更详细的使用方法请参考 API 文档：https://api-docs.deepseek.com/zh-cn/guides/thinking_mode
正式版 V3.2 还增加了对 Claude Code 的支持。根据 DeepSeek API 文档中的 Anthropic 兼容 API 指南，用户可以先安装 CC，配置环境后，就能通过 Anthropic 兼容 API 调用 DeepSeek 模型。
配置文档：https://api-docs.deepseek.com/zh-cn/guides/anthropic_api
但需要注意的是，思考模式未充分适配 Cline、RooCode 等使用非标准工具调用的组件，我们建议用户在使用此类组件时继续使用非思考模式。
定价对比
和 Kimi K2 Thinking 官方价对比，DeepSeek-V3.2 thinking 大致是：
输入命中：1 元 vs 0.2 元 → Kimi 大约 贵 5 倍
输入未命中：4 元 vs 2 元 → Kimi 大约 贵 2 倍
输出：16 元 vs 3 元 → Kimi 大约 贵 ~5.3 倍
与 Kimi K2 thinking、MiniMax M2 相比，V3.2 的整体编码思路并不完全相同，推理路径也会有自己的特色。正式版在思考与工具调用的结合上走得更远一些，这使得它在需要综合规划和调用外部工具的场景中更有潜力。