2025年年底，本以為全球大模型的話題中心已經(jīng)被Google牢牢搶走。Gemini 3 Pro上線后，在一系列權(quán)威評測中壓制所有開源模型，閉源陣營重新站上技術(shù)制高點，“開源是不是到頭了”“Scaling Law是不是撞墻了”的聲音在業(yè)內(nèi)此起彼伏，開源社區(qū)一度彌漫出一種隱隱的低氣壓。

就在這種節(jié)點上，DeepSeek沒有選擇退到邊線觀望，而是把牌一口氣攤在桌面上。12月1日，它直接拋出兩款新模型：在推理能力上對標GPT-5、整體表現(xiàn)逼近Gemini 3 Pro的DeepSeek-V3.2，以及在數(shù)學(xué)、邏輯和復(fù)雜多輪工具調(diào)用上表現(xiàn)異常突出的Speciale版本。這既是一次集中秀肌肉，也是對“閉源新天花板”的正面回應(yīng)——而且是在算力資源并不占優(yōu)的前提下。

換句話說，這已經(jīng)不是一次常規(guī)意義上的“版本升級”，而更像是DeepSeek對“后Scaling時代”路線的一次公開下注：當繼續(xù)簡單堆規(guī)模不再是唯一答案，如何憑架構(gòu)和訓(xùn)練方式把差距補回來？如何用更少的token，跑出更像“智能體”、而不是“聊天補全器”的行為？以及——為何要在開源陣營中第一個把Agent抬到戰(zhàn)略高度？

圍繞這些問題，DeepSeek給出了一套相對完整的技術(shù)路徑和系統(tǒng)敘事。

在大模型的第一陣營里，開源一直被認為“最多追平，難以對抗”。這一次，DeepSeek-V3.2交出來的成績單，已經(jīng)不太像傳統(tǒng)意義上的追趕者。

按照DeepSeek對外披露的數(shù)據(jù)，V3.2在公開推理類評測中的整體表現(xiàn)，已經(jīng)可以與GPT-5同場對比，僅在少數(shù)項目上略遜于Gemini 3 Pro。在多項關(guān)鍵指標上，它穩(wěn)定超越Kimi-K2-Thinking，刷新國內(nèi)開源模型推理能力的最好紀錄。在數(shù)學(xué)計算、復(fù)雜邏輯、多步推演等任務(wù)上，V3.2已經(jīng)具備和領(lǐng)先閉源模型掰手腕的實力，基本站到了“全球第二梯隊”的前排位置。

這背后起決定性作用的，并不是簡單地“模型再放大一點”，而是對底層架構(gòu)的重新動刀。最典型的，就是DeepSeek在V3.2中引入的稀疏注意力機制（DSA）。

傳統(tǒng)Transformer里，注意力需要讓每個token和前面幾乎所有token“打招呼”，計算量隨著上下文長度呈平方級攀升，長上下文一上來，推理成本立刻飆升。DSA做的事，說白了就是：“別再對所有人一視同仁，把算力先省出來，只算真正有用的那一部分?！?/p>

為此，DeepSeek在注意力模塊前加了一層“閃電索引器”（Lightning Indexer）。這個模塊本身可以用極少的參數(shù)、在FP8這樣的低精度下運行，負責(zé)在極短時間內(nèi)做一輪粗篩，先找出與當前token最關(guān)鍵的一小撮上下文位置，再把主算力集中投向這部分核心token。這樣一套組合拳打下來，注意力的復(fù)雜度從近乎N2，被壓縮到了接近線性。

更關(guān)鍵的是，DeepSeek并沒有一上來就用稀疏結(jié)構(gòu)“硬替換”。在預(yù)訓(xùn)練前期，模型仍然采用標準的密集注意力，而索引器則負責(zé)在旁邊“學(xué)分布”，逐步擬合原有注意力的權(quán)重模式；等到后期模型穩(wěn)定后，再用稀疏結(jié)構(gòu)從密集注意力手中接管大部分工作。這種“先模仿、再接管”的漸進式過渡，使得V3.2在128K甚至更長上下文下，既大幅減輕了計算壓力，又沒有明顯犧牲精度。在Fiction.liveBench、AA-LCR等長文本基準測試中，V3.2在信息召回、上下文一致性以及壓縮表達上的表現(xiàn)，均明顯好于上一代。

如果說DSA是在“算得更經(jīng)濟”，那么另一個不太容易被外行察覺的關(guān)鍵點，則是在“怎么把每一步思考用得更值”。

在V3.2里，DeepSeek首次系統(tǒng)性提出了“Thinking in Tool-Use”的工具使用范式。以前大多數(shù)模型調(diào)用工具的流程，是“想一想→調(diào)工具→給答案”，調(diào)用工具像是插在思維鏈條中間的一塊“硬隔板”。V3.2改造后的執(zhí)行邏輯，則更像是“邊想邊調(diào)”：模型可以先推一段邏輯，再調(diào)一次工具，拿到結(jié)果后繼續(xù)在原來的推理軌跡上接著想，再視情況調(diào)下一次工具……整個過程交錯前進。

這套模式與Agent領(lǐng)域近一年熱炒的“Interleaved Thinking”不謀而合。對于現(xiàn)實世界的復(fù)雜任務(wù)而言，這種能力要比單次大爆發(fā)式推理重要得多。真實場景里，任務(wù)往往要先搜集一輪信息、再驗證、再拆解子任務(wù)、再修正路徑，如果每調(diào)一次工具，模型的“思路”就被截斷一次，那它就只能不停重來——既浪費token，也容易在反復(fù)重啟中丟失關(guān)鍵線索。

V3.2在底層做的改動，是把“推理軌跡”當成上下文中的固定資產(chǎn)，工具調(diào)用不會刷新這條軌跡，只會在其后追加新思考。工具返回新信息之后，模型繼續(xù)沿著原先的思路往下推，而非重開一局。這既讓同一任務(wù)中的中間狀態(tài)可以反復(fù)復(fù)用，也顯著減少了毫無必要的重復(fù)生成。

綜合來看，這一代DeepSeek的進步，更像是一次“算力配置邏輯”的重寫：在算力總盤子并不占優(yōu)的情況下，通過更聰明的架構(gòu)設(shè)計和推理方式，把每一點浮點數(shù)都用到刀刃上。DSA負責(zé)把“該算的算得更專注”，交錯思維負責(zé)讓“每一步思考帶來的信息收益更大”，兩者疊在一起，指向的都是同一個目標——從一個“大號補全器”，走向一個更接近“持續(xù)思考的智能體”。

從這個意義上講，在參數(shù)規(guī)模紅利逐漸見頂之后，接下來的競爭，注定會從“誰更大”轉(zhuǎn)向“誰更會用算力”和“誰能組織起更長、更穩(wěn)定的思維鏈條”。V3.2算是這個方向的一個相對成熟的樣本。

如果說架構(gòu)上的變化讓V3.2站穩(wěn)了技術(shù)底座，那么在戰(zhàn)略路線上的明顯拐彎，則體現(xiàn)在一個關(guān)鍵詞上——Agent。

過去一年，業(yè)界對Agent的話題并不少，但大部分廠商仍把它當作模型能力之上的“外掛能力”：有就加一層，沒有也不至于影響大盤。DeepSeek這次則把話說得很直接——在它的技術(shù)文檔和對外闡釋中，“Agent能力”和“推理能力”被放在了同一高度。

這一判斷并非空穴來風(fēng)。過去一段時間，不少企業(yè)率先感受到的是：單純“更會聊天”的模型，其業(yè)務(wù)邊際效益在不斷遞減。反而是會“下手干活”的Agent，比如自動生成月報、批量處理客服工單、自動跑流程、替程序員修小bug，才是真正能閉環(huán)并被愿意付費的東西。

DeepSeek正是圍繞這一趨勢重構(gòu)了訓(xùn)練路徑——在V3.2的后訓(xùn)練階段，它搭了一整套針對Agent的訓(xùn)練體系，而不是簡單在模型外再縫一個“Agent框架”。據(jù)披露，團隊自建了超過1800個模擬環(huán)境，并圍繞這些環(huán)境自動生成了大約8.5萬條復(fù)雜任務(wù)提示和任務(wù)軌跡。這些軌跡不是靠人工一條條寫出來，而是借助環(huán)境構(gòu)建器和軌跡打分系統(tǒng)自動合成，再通過強化學(xué)習(xí)不斷迭代。

這種做法，實際上是在繞開“繼續(xù)砸海量對話數(shù)據(jù)”的老路。與傳統(tǒng)的聊天語料相比，Agent任務(wù)具備更強的結(jié)構(gòu)化、可驗證性以及高度稀缺性——一旦建立起足夠豐富的任務(wù)環(huán)境，同一環(huán)境在后續(xù)訓(xùn)練中可以被反復(fù)利用，帶來的“能力增量”要遠高于再加一批閑聊對話。

為了讓模型真正學(xué)會在這些環(huán)境里“行動”，DeepSeek繼續(xù)沿用了GRPO（Group Relative Policy Optimization）這一強化學(xué)習(xí)策略，并按自家場景做了大量本地化改造。模型訓(xùn)練優(yōu)化的目標，不再只是“回答對不對”，而是同時要兼顧：任務(wù)有沒有完成、推理過程是否連貫、語言表達是否穩(wěn)定、工具使用是否合理自然。為此，DeepSeek沒有采用單一維度的獎勵，而是把任務(wù)完成度、推理合理性、語言質(zhì)量等拆成多維信號，讓模型在訓(xùn)練中盡量避免“顧此失彼”。

做這一切，還有一個前提：模型要有足夠強的“狀態(tài)感知能力”，能在多輪任務(wù)中記住自己已經(jīng)做過什么、當前在第幾步。這就回到了前面提到的上下文管理——V3.2在系統(tǒng)級別規(guī)定：只有當用戶發(fā)出新指令時，模型才會重置思考狀態(tài)；在同一個任務(wù)內(nèi)部，不論調(diào)用多少次工具，推理軌跡都被完整保留下來。這種設(shè)計直接保證了Agent行為鏈條的連續(xù)性，使得模型有能力承接更長、更復(fù)雜的跨階段任務(wù)。

站在系統(tǒng)架構(gòu)的視角看，DeepSeek對Agent的理解已經(jīng)明顯超出“給模型加個自動化殼子”的層面，更接近于把Agent當作“模型操作系統(tǒng)”的一部分。模型本體是內(nèi)核，Agent是圍繞內(nèi)核調(diào)度資源的執(zhí)行層，外部工具則像是一個個模塊化驅(qū)動。誰能先把這套“模型OS+Agent標準”跑通并跑穩(wěn)，誰就可能搶先拿到下一階段生態(tài)的主導(dǎo)權(quán)。

也因此，DeepSeek這次不只是實現(xiàn)了“交錯式思考+工具使用”的技術(shù)路徑，還刻意給這套范式起了一個明確的名字——“Thinking in Tool-Use”。這既是技術(shù)標簽，也是對未來平臺規(guī)則的一種預(yù)埋。

對于整個行業(yè)來說，這標志著一個不太容易回頭的分界線：Agent不再是“可選項”，而開始變成大模型中長期競爭力的必要組成。未來看一款模型，不再只是看它在標準榜單上的分數(shù)，更要看它在真實環(huán)境里的執(zhí)行鏈條和Agent表現(xiàn)。

當然，哪怕有V3.2和Speciale這一波高光表現(xiàn)，DeepSeek并沒有掩飾開源與閉源之間仍然存在的現(xiàn)實差距。

一方面，在世界知識的廣度和最新信息的覆蓋上，開源模型受限于數(shù)據(jù)獲取渠道和更新頻率，短期內(nèi)很難與手握巨大私有數(shù)據(jù)池的閉源巨頭完全持平。另一方面，在極端復(fù)雜任務(wù)（例如跨領(lǐng)域、多階段專業(yè)決策）以及token生成效率上，開源體系仍然處于被動追趕的位置。

DeepSeek選擇承認這些不利因素，然后把精力押在“后訓(xùn)練戰(zhàn)術(shù)”上：既然參數(shù)規(guī)模和預(yù)訓(xùn)練預(yù)算追不上，就盡可能把后訓(xùn)練過程做深、做精。

為此，它設(shè)計了被內(nèi)部稱為“后訓(xùn)練三板斧”的組合：專家蒸餾、多軌強化學(xué)習(xí)，以及工具思維融合。

所謂專家蒸餾，是在通用大模型之外，再訓(xùn)練一批高度“偏科”的小模型。DeepSeek為V3.2準備了六類專家，分別專攻數(shù)學(xué)、編程、邏輯推理、通用Agent、Agent編程和Agent搜索等方向。它們不直接面向用戶，而是用來自行生成高質(zhì)量示范樣本，再把這些樣本喂回主模型，相當于用多個“小學(xué)霸”的解題過程去“喂養(yǎng)”一個通才，讓通才在后訓(xùn)練階段集中吸收各領(lǐng)域的成熟解題套路。

多軌強化學(xué)習(xí)則是第二步。DeepSeek在V3.2上延續(xù)了GRPO框架，但調(diào)整了獎勵設(shè)計與訓(xùn)練項目結(jié)構(gòu)，讓模型不止優(yōu)化“最終答對沒”，還要優(yōu)化“怎么一步一步做對”。大約超過整體預(yù)訓(xùn)練算力預(yù)算10%以上的額外資源，被投入到了這一階段，在開源模型里，這樣的后訓(xùn)練比例并不多見。

第三部分，則是把工具使用習(xí)慣直接融入模型的“思考方式”。剛開始訓(xùn)練時，模型并不知道“什么時候該調(diào)工具，什么時候自己算”，更不懂“調(diào)用后如何接著自己的思路往下推”。為此，DeepSeek在系統(tǒng)提示中大量加入了人造示例，告訴模型在什么場景下應(yīng)該自然地把工具調(diào)用嵌進推理鏈，而不是像過去那樣“先想完，再補一個工具調(diào)用”。隨著訓(xùn)練反復(fù)迭代，模型逐漸從“模仿”走向“內(nèi)化”。

為了減輕token負擔(dān)，DeepSeek再次動了上下文結(jié)構(gòu)的手術(shù)刀——工具調(diào)用不再清空思考內(nèi)容，只有用戶發(fā)出新問題時才重置場景。這既壓縮了重復(fù)內(nèi)容帶來的token膨脹，也讓模型在一次任務(wù)中可以持續(xù)利用前面已經(jīng)展開的推理鏈。

歸根到底，這一系列做法都圍繞著同一個核心思路：在規(guī)模受限的情況下，想辦法提高“單位token的含金量”，讓每一次推理、每一段輸出，都盡量承載更多有用的信息，而不是把算力浪費在重復(fù)和無效生成上。

當然，靠一兩代產(chǎn)品，開源不可能立刻翻過閉源巨頭筑起的那道高墻。一邊是Gemini 3 Pro代表的“極致規(guī)模+資源堆疊路線”，另一邊是以DeepSeek為代表的“架構(gòu)創(chuàng)新+后訓(xùn)練強化路線”，兩條路徑接下來很可能會在不同場景下長期并存。前者在通用性和知識深度上仍然占優(yōu)，后者則試圖用更高的能效比和更強的推理組織能力，去爭取一條“以小搏大”的穿透通道。

從這個角度看，DeepSeek這次帶來的，并不只是兩份新模型報告，而是對“開源是否還有機會追上閉源”的一次階段性回答：規(guī)模差距短期難以消除，但只要在架構(gòu)、Agent和后訓(xùn)練方法上持續(xù)加碼，開源并非沒有機會在某些關(guān)鍵能力帶上實現(xiàn)對閉源的局部反超。

至少，在2025年的這個冬天，硅谷那些原本以為“大局已定”的技術(shù)團隊，多少又得重新算一遍賬了。