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
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.
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/