9月底，DeepSeek 正式发布实验性模型 DeepSeek‑V3.2‑Exp，参数规模约 685 B，作为从 V3.1‑Terminus 向下一代架构过渡的中间步骤。并且已在 HuggingFace 开源，提供完整模型权重与论文，便于第三方验证与二次开发。

DeepSeek‑V3.2‑Exp引入 DeepSeek Sparse Attention（DSA）——一种细粒度稀疏注意力机制，能够把注意力计算复杂度从传统的 O(L²) 降至 O(L·k)，显著提升长文本（上百千 token）训练与推理效率。该机制在保持模型输出质量的前提下，实现了长上下文成本的大幅下降，在公开基准测试中与 V3.1‑Terminus 表现持平。

受新模型服务成本降低的影响，DeepSeek 同步下调 API 价格，整体成本下降 50% 以上，部分计费项（如缓存未命中）甚至降幅超过 70%。  新的计费标准已在官方文档中公布，开发者可在多平台直接使用。

据了解，发布后，已有多家第三方平台已集成该模型，包括 OpenRouter、Together.ai、Fireworks.ai、Hyperbolic 等，分别提供不同的上下文长度、SLA 与特性。

另外有消息称DeepSeek V4 计划在 10 月 正式发布，预计将支持 1 M Tokens 上下文窗口、GRPO 算法优化以及更强的数学与编码能力，具体细节仍待官方确认。

DeepSeek‑V3.2‑Exp 通过稀疏注意力实现了长文本处理的效率突破，并以大幅降价打开了更广阔的开发者市场。模型已开源，生态伙伴快速接入，后续的 V4 版本也在酝酿中，行业关注度持续升温。