DeepSeek推出最强开源模型：全能AI Agent新标杆

就在ChatGPT迎来三周岁生日之际，竞争对手DeepSeek送上了一份特别的“生日贺礼”，显然不愿让这位大模型领域的先行者过得太过轻松。

12月1日晚间，DeepSeek一口气发布了DeepSeek-V3.2和DeepSeek-V3.2-Speciale两个正式版模型。伴随发布的技术论文显示，这两款模型的推理能力均已达到全球领先水平。

根据DeepSeek介绍，已在网页端、App、API全线更新的“常规军”V3.2，更注重在推理能力与生成长度之间取得平衡，十分适合日常使用。

在基准推理测试中，V3.2与GPT5、Claude 4.5在不同领域互有高低，只有Gemini 3 Pro相较于前三者保持着明显优势。

图片来自DeepSeek官微

与此同时，DeepSeek方面还表示，对比国产大模型厂商月之暗面新近发布的Kimi-K2-Thinking，V3.2的输出长度大幅降低，显著减少了计算开销与用户等待时间。在智能体评测中，V3.2得分也高于同为开源的Kimi-K2-Thinking和MiniMax M2，是目前的“最强开源大模型”，相比闭源大模型的巅峰也已无限迫近。

图片来自DeepSeek官微

更值得注意的是，V3.2在问答场景和通用智能体任务中的实际表现。在一个关于旅游攻略的具体场景咨询中，V3.2通过深度思考结合网络爬虫、搜索引擎等工具调用，给出了十分详尽、精准的建议方案。V3.2更新的API首次支持在思考模式下使用工具调用能力，大幅提升了用户获得答案的丰富度和适用性。

而且，DeepSeek方面特别强调，V3.2“并没有针对这些测试集的工具进行特殊训练”。

我们观察到，虽然大模型测试得分越来越高，但在与普通用户的日常互动中却时常犯一些常识性错误——尤其以GPT5发布时遭遇的吐槽为代表。DeepSeek近期“上新”时经常强调这一点，证明自身走的不是一条只用正确答案作为奖励机制、打造出看似高智商的“最强大脑”，却无法胜任用户个人所需简单任务、简单问题的“低情商”智能体。

而只有从根本上克服这一点，成为所谓高智商、高情商的“双高”大模型，才能真正孕育出全能、可靠、高效的AI智能体的能力。DeepSeek方面也表示，相信V3.2在真实应用场景中能够展现出较强的泛化性能。

为了在计算效率、强大推理能力与智能体性能之间取得平衡，DeepSeek在训练、整合以及应用层面进行了全方位的优化。根据技术论文，V3.2引入了DSA（DeepSeek稀疏注意力机制），能在长上下文场景中显著降低计算复杂度，同时保持模型性能。

同时，为了将推理能力整合到工具使用场景中，DeepSeek开发了新的合成流程，能够系统性地大规模生成训练数据。这一方法促进了可扩展的智能体训练后优化，显著提升了在复杂、交互式环境中的泛化能力和对指令的跟随能力。

另外，如上文所述，V3.2也是DeepSeek推出的首个将思考融入工具使用的模型，大幅提高了模型的泛化能力。

相比于重视平衡性，专注于如何“说人话、干人事”的V3.2，长思考“特种部队”V3.2 Speciale的定位则是将开源模型的推理能力推向极致，探索模型能力的边界。

值得一提的是，V3.2 Speciale的一大亮点是结合了上周刚刚发布的最强数学大模型DeepSeek-Math-V2的定理证明能力。

我们此前的文章中提到，Math-V2不仅在2025年国际数学奥林匹克竞赛和2024年中国数学奥林匹克上取得了金牌级成绩，在IMO-Proof基准测试评估中还得到了比Gemini 3更好的成绩。

而且，与此前提到的思路类似，这款数学模型同样在努力克服正确答案奖励机制和“做题家”的身份，以自验证的方式突破目前AI在深度推理方面的局限，让大模型真的弄懂何为数学、怎样推导过程，以此形成更强大、稳定、实用也泛用的定理证明能力。

在推理能力上大幅增强的V3.2 Speciale，也在主流推理基准测试中取得了媲美Gemini 3.0 Pro的成绩。不过，V3.2 Speciale的能力优势需要消耗大量Tokens，显著升高的成本让其目前不支持工具调用和日常对话、写作，仅供研究使用。

从OCR到Math-V2，再到V3.2和V3.2 Speciale，DeepSeek近期的新品发布不仅每次收获赞誉一片，也在绝对能力提升的同时不断明确着“实用性”“泛化能力”等发展主线。

2025年后半程，GPT-5、Gemini 3、Claude Opus 4.5相继发布，测试成绩一次好过一次，再加上快速追赶的DeepSeek，“最强模型”的赛道已经有些拥挤。

而头部大模型在训练上已有较明显区别，表现上也各有特色，相信2026年的大模型竞争会更加精彩。（作者｜胡琛萌萌，编辑｜李程程）