DeepSeek-V3.2惊现Token漏洞：答案准确性受影响，研发确认GRPO问题持续

很多网友都注意到，DeepSeek-V3.2的长思考增强版Speciale确实以其开源姿态给闭源巨头们带来了压力，但其中暴露的问题同样不容忽视。

DeepSeek-V3.2的表现相当亮眼，不过随着讨论的深入，一些技术缺陷也逐渐浮出水面。

尤其让人困扰的是，它仍然存在一个老生常谈的问题：token使用效率不高。

△图源：x@Hangslin

不少用户反馈，在处理复杂任务时，模型消耗的token数量明显偏多，有时甚至会产生看似详尽实则错误的回答。

举例来说，在解决同一个问题时，Gemini仅需2万个token，而Speciale却要花费7.7万个。

这背后究竟是怎么回事？

未被纠正的"长度偏见"

研究者指出，这个现象其实是从DeepSeek-R1-Zero开始，DeepSeek系列模型就一直存在的技术缺陷。

简单来说，问题的根源出在GRPO算法上。

来自Sea AI Lab和新加坡国立大学等研究机构的学者认为，GRPO存在两种"隐藏偏见"。

首先是长度偏见：错误答案越长，受到的惩罚反而越轻。

GRPO计算奖励时，会将"答案长度"作为考量因素，导致较短的错误回答被罚得更重。

结果就是：模型会刻意生成冗长但错误的答案，表面上像是在"认真推理"，实际上是在"凑字数逃避惩罚"。

其次是难度偏见：过于简单或过于困难的问题被过度关注。

GRPO会根据"同一批题目的得分标准差"来调整权重。比如一道题所有人都做对（标准差小），或者所有人都做错（标准差也小），这类题目会被当作"重点"反复训练；而中等难度、有人对有人错的题目（标准差大），反而被忽略。但在实际训练中，中等难度的题目才是提升能力的关键。

这项研究的核心作者Zichen Liu指出，DeepSeek-V3.2已经通过新的优势值计算方式，修正了"难度偏见"（如下图红框所示）。

但仍然保留了有偏的长度规范项（如下图蓝框所示）。也就是说，"长度偏见"依然存在。

实际上，这个问题在DeepSeek最新报告中也有所提及。

技术报告中，DeepSeek研究人员坦言，token效率对于DeepSeek-V3.2来说仍是个挑战：通常情况下，本次更新的两个模型需要生成更长的轨迹，才能达到Gemini-3.0-Pro的输出质量。

而DeepSeek-V3.2-Speciale本身，也有意放宽了RL的长度限制，允许模型生成极长思维链，使得模型能够通过大量消耗token来进行深度的自我修正和探索。

可以说走的是一条"在超长上下文下持续扩展强化学习"的路线。

考虑到从百万token的输出成本来看，DeepSeek-V3.2价格仅为GPT-5的1/24，似乎尚可接受。

另外，也有网友指出，DeepSeek的128K上下文已经很久没更新了。这与GPU资源有限也不无关系。