9月29日，DeepSeek发布DeepSeek-V3.2-Exp模型版本。据介绍，这是一个实验性（Experimental）版本，在此前版本V3.1-Terminus的基础上引入DeepSeek Sparse Attention（一种稀疏注意力机制），针对长文本的训练和推理效率进行探索性的优化和验证。目前，DeepSeek的App、网页端、小程序均已同步更新为DeepSeek-V3.2-Exp。同时，得益于新模型服务成本的大幅降低，API价格也相应下调。在新的价格政策下，开发者调用DeepSeek API的成本将降低50%以上。

　　记者注意到，9月29日晚，寒武纪在“寒武纪开发者”公众号发文称，公司已同步实现对深度求索公司最新模型DeepSeek-V3.2-Exp的适配，并开源大模型推理引擎vLLM-MLU源代码。开发者可以在寒武纪软硬件平台上第一时间体验DeepSeek-V3.2-Exp的亮点。

　　寒武纪表示，公司一直高度重视大模型软件生态建设，支持以DeepSeek为代表的所有主流开源大模型。借助于长期活跃的生态建设和技术积累，寒武纪得以快速实现对DeepSeek-V3.2-Exp这一全新实验性模型架构的day 0适配和优化。此前，公司对DeepSeek系列模型进行深入的软硬件协同性能优化，达成了业界领先的算力利用率水平。针对本次的DeepSeek-V3.2-Exp新模型架构，寒武纪通过Triton算子开发实现快速适配，利用BangC融合算子开发实现极致性能优化，并基于计算与通信的并行策略，再次达成业界领先的计算效率水平。

　　“华为计算”公众号发文称，昇腾已快速基于vLLM/SGLang等推理框架完成适配部署，实现DeepSeek-V3.2-Exp 0day支持，并面向开发者开源所有推理代码和算子实现。华为昇腾在DeepSeek-V3.2-Exp一发布开源即实现DeepSeek-V3.2-Exp BF16模型部署，并在CANN平台上完成对应的优化适配，整体部署策略沿用DeepSeek的大EP并行方案，针对稀疏DSA结构，叠加实现长序列亲和的CP并行策略，兼顾时延和吞吐，在128K长序列下能够保持TTFT低于2秒、TPOT低于30毫秒的推理生成速度。

　　近日，DeepSeek持续推进模型迭代。8月21日，DeepSeek宣布发布DeepSeek-V3.1。一个月后，9月22日，DeepSeek宣布DeepSeek-V3.1已更新至DeepSeek-V3.1-Terminus版本，在保持模型原有能力的基础上，针对用户反馈的问题进行改进，包括语言一致性方面，缓解了中英文混杂、偶发异常字符等情况。