Modellveröffentlichungen

DeepSeek-V3.2-Exp veröffentlicht: Sparse Attention steigert Effizienz bei langen Texten, API-Preise um über 50 % gesenkt

Originaltitel:DeepSeek-V3.2-Exp 发布,训练推理提效,API 同步降价

KI-Zusammenfassung

DeepSeek veröffentlicht das experimentelle Modell DeepSeek-V3.2-Exp. Auf Basis von V3.1-Terminus führt es den Sparse-Attention-Mechanismus DeepSeek Sparse Attention (DSA) ein und steigert die Trainings- und Inferenzeffizienz bei langen Texten deutlich, nahezu ohne Auswirkungen auf die Ausgabequalität. In öffentlichen Benchmarks bleibt die Leistung im Wesentlichen auf dem Niveau von V3.1-Terminus.

Kernpunkte

  • DeepSeek veröffentlicht das experimentelle Modell DeepSeek-V3.
  • Auf Basis von V3.
  • 1-Terminus führt es den Sparse-Attention-Mechanismus DeepSeek Sparse Attention (DSA) ein und…
  • In öffentlichen Benchmarks bleibt die Leistung im Wesentlichen auf dem Niveau von V3.
  • 1-Terminus.

Auf einen Blick

Veröffentlicht
Aktualisiert
Quelle
公众号:DeepSeek(深度求索)
Kategorie
Modellveröffentlichungen
KI-Bewertung
79
Original lesen Den vollständigen Artikel bei der Originalquelle lesen
Warum es wichtig ist

稀疏注意力在几乎不影响效果的前提下大幅降低长文本成本,API 降价 50% 让依赖长上下文的应用获得了更现实的部署条件。

Verwandte Entitäten

Quelle & Urheberrecht

Dieser Artikel basiert auf kuratierten Titeln und KI-Zusammenfassungen der öffentlichen AIHOT-API, mit Quellenangabe und Rückverlinkung. Das Urheberrecht am Original liegt bei den ursprünglichen Medien und Autoren; diese Seite spiegelt keine Volltexte.

Originalartikel · AIHOT-Eintrag

Zitierhinweis

Beim Zitieren dieses Artikels bitte Titel, Datum und Permalink beibehalten und Orange News als Quelle angeben.

Orange News: DeepSeek-V3.2-Exp veröffentlicht: Sparse Attention steigert Effizienz bei langen Texten, API-Preise um über 50 % gesenkt. 29. September 2025. https://new.nat6.net/de/news/cmsdu3h2d015grofzq1cpc4oe/

Alle ansehen →