Full text · 原文
2,869 字
henry 发自 凹非寺<br>
量子位 | 公众号<br>
ChatGPT三岁生日这一天，硅谷热议的新模型来自DeepSeek。<br>
准确说是两款开源模型——DeepSeek-V3.2和DeepSeek-V3.2-Speciale。<br>
这俩模型火到什么程度呢？<br>
有网友表示，在去圣地亚哥的（疑似赶场NeurIPS 2025）航班上，有30%的乘客都在对着DeepSeek的PDF两眼冒光。<br>
而上周嘲讽DeepSeek “昙花一现”的推特更是在发布的当晚被刷到了500万浏览。<br>
除了普通网友，奥特曼也是急急急急：不仅启动红色警报，还临时推迟了在ChatGPT上投放广告的计划。<br>
与此同时，那一头的谷歌也没被放过。<br>
网友直接 “灵魂喊话” 谷歌Gemini团队：别睡了，DeepSeek回来了。<br>
这是怎么一回事？<br>
闭源精锐？打的就是闭源精锐！<br>
总的来说，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顶尖闭源模型的差距，并宣告了闭源落后开源的结束。<br>
其中，标准版DeepSeek-V3.2在推理测试中，达到了GPT-5的水平，仅略低于Gemini-3.0-Pro。<br>
而“特别版”DeepSeek-V3.2-Speciale不仅全方位超越了GPT-5，还能在主流推理任务中和Gemini-3.0-Pro掰掰手腕。<br>
此外，V3.2-Special还拿下了IMO、CMO、ICPC及IOI的金牌，并在ICPC和IOI上达到了人类选手第二名与第十名的水平。<br>
这不仅击碎了开源模型落后闭源模型半年的质疑，又顺便给硅谷的闭源AI公司好好上了一波压力。<br>
而且，这还不是V4/R2。<br>
换句话说，大菜还没上呢，光凉菜就已经让硅谷吃饱了。<br>
对于DeepSeek-V3.2这次的成绩，DeepSeek研究院苟志斌（Zhibin Gou）在推特上给出了相当直觉性的解答：<br>
强化学习在长上下文长度下也能持续扩展。<br>
为了理解这句话，我们简要地回顾一下论文。<br>
简单来说，DeepSeek-V3.2其实干了这么几件事：<br>
首先，利用DSA稀疏注意力解决了长上下文的效率问题，为后续的长序列强化学习打下了计算基础。<br>
接下来，通过引入可扩展的RL，并投入超过预训练成本10%的算力进行后训练，大幅提升模型的通用推理和智能体能力。<br>
最后，DeepSeek-V3.2-Speciale版本为了探索推理能力的极限，特意放宽了RL的长度限制，允许模型生成极长的“思维链”，迫使模型通过大量的Token生成来进行深度的自我修正和探索。<br>
这也就是说，通过长思维链让模型思考更多，通过自我修正探索让模型思考更久，进而解锁更强的推理能力。<br>
由此，模型就能在不增加预训练规模的情况下，通过极长的思考（消耗更多token）过程实现性能的飞跃。<br>
而上面的实验结果，恰恰证明了这套“在超长上下文下持续扩展强化学习”路线的正确性。<br>
正如苟志斌所说：<br>
如果说Gemini-3证明了：预训练可以持续扩展，那么DeepSeek-V3.2-Speciale 则证明了：强化学习在长上下文长度下也能持续扩展。<br>
我们花了一年时间把 DeepSeek-V3 逼到极限。得到的教训是：<br>
后训练阶段的瓶颈，不是等“更好的底座模型”来解决，而是靠方法和数据本身的精炼（refine）来解决。<br>
换句话说，如果说Gemini-3 靠“堆知识（预训练）”赢得了上半场，那么DeepSeek-V3.2-Speciale则通过“堆思考（长上下文RL）”赢回了下半场。<br>
此外，对于大模型已经撞到天花板了的论调，他表示：<br>
预训练能scaling，RL也能scaling，context也能scaling，所有维度都还在上涨。<br>
这表明RL不仅有效，还能通过scaling（更大 batch、更长context、更丰富任务）获得巨额收益。<br>
同时，在论文中，也有网友发现了为什么DeepSeek-V3.2在HLE和GPQA 等知识基准测试中表现稍逊：<br>
因为计算资源有限！而单靠强化学习是无法达到这样的水平的。<br>
换句话说，DeepSeek与顶尖模型的差距已经不是技术问题，而是经济问题。<br>
只要卡够，好的开源不比闭源差！<br>
想到会便宜，没想到会便宜这么多<br>
除了性能上持平顶尖闭源模型外，DeepSeek-V3.2系列这次也着实让大家见识到了“智能便宜到不用计费”。<br>
如果从百万token输出成本来看，DeepSeek-V3.2比GPT-5便宜近24倍，比Gemini 3 Pro，便宜近29倍。<br>
而随着输出token个数的增加，这个差距最高可拉大到43倍。<br>
这是什么概念呢？就好比你让大模型一次性“写”出一套《三体》三部曲，用GPT-5你大概需要八百块，Gemini 3 Pro需要一千块。<br>
用DeepSeekV3.2只需要差不多35块钱！<br>
所以，性能差不多，价格却能差出几十倍。该选哪边，答案不用多说了吧？<br>
对此，有网友表示，DeepSeek-V3.2这一经济实惠的开源模型正在挑战Gemini3.0 Pro。<br>
而另一头OpenAI昂贵的订阅费，瞬间就不顺眼了。<br>
当然，这并不是说DeepSeekV3.2毫无缺点。<br>
正如一位网友指出的，同样解决一个问题，Gemini只需要2万个token，而Speciale则需要花费7.7万个。<br>
（这实际上也是上面长下文RL的trade off）<br>
不过，低廉的价格也在一定程度上弥补了现阶段Speciale版本的弱点。<br>
总的来说，DeepSeek仍旧是更实惠的那个。<br>
除此之外，也许更让硅谷感到头疼的就是DeepSeek-V3.2还可能直接在国产算力（华为、寒武纪）中部署，而这将进一步拉低模型推理的成本。<br>
此前，在发布DeepSeek-V3.2-Exp时，DeepSeek在发布首日就针对华为Ascend硬件和CANN软件栈进行了优化。<br>
这次的DeepSeek-V3.2系列虽然没有明确表示，但大概率也会延续此前的战略。<br>
换句话说，难过可能的不止是谷歌和OpenAI，还有他们的好兄弟——英伟达。<br>
然而，这里的价格还只是模型公司的定价，并非推理的实际成本。<br>
尽管我们无法得知各家模型实际的推理成本，但从DeepSeek的技术报告中可以看到一个清晰趋势：<br>
相较于前一代模型DeepSeek-V3.1-Terminus，DeepSeek-V3.2在最长上下文（128K）场景下，成本降低了75%到83%左右。<br>
这意味着随着注意力机制与后训练的不断优化，底层推理成本正在持续下探。<br>
正如一位网友所总结的那样：<br>
DeepSeek证明了：实现强大的AI，并不一定需要夸张的资本投入。<br>
参考链接<br>
[1]https://x.com/airesearch12/status/1995465802040983960<br>
[2]https://www.nbcnews.com/tech/innovation/silicon-valley-building-free-chinese-ai-rcna242430