OpenAI前首席科学家Ilya Sutskever近期在播客访谈中提出重磅观点，指出过去五年以模型规模扩张为核心的”age of scaling”已接近尾声。他认为预训练数据存在上限，单纯堆砌更多GPU难以实现技术突破，反而应回归以研究为核心的发展路径，但需借助强大算力支撑。这一言论被视为对”Scaling Law撞墙论”的有力佐证，然而DeepSeek团队用V3.2和V3.2-Speciale模型的发布给出了不同答案。
DeepSeek研究员Zhibin Gou在社交媒体上表示，如果Gemini-3证明了持续扩展预训练的可行性，那么DeepSeek-V3.2-Speciale则展示了在大规模上下文环境中强化学习的可扩展性。团队通过一年时间将模型推向极限，得出关键经验：训练后瓶颈需通过优化方法和数据解决，而非单纯等待更好的基础模型。他强调要”持续扩大模型规模、数据量、上下文和强化学习”，不要被”遭遇瓶颈”的论调阻挡前进脚步。
DeepSeek的表态颇具深意。当行业热议Scaling Law是否已到尽头时，这家公司用实打实的模型成果宣告”Scaling没死，只是换了战场”。尽管后训练的重要性已获普遍认可，但敢于将超过10%预训练成本的算力预算投入强化学习的企业屈指可数。DeepSeek正是将这条路线工程化、规模化的典型代表，此次发布的两个模型正是该路线的实践结晶——V3.2定位为日常主力模型，对标GPT-5；Speciale则专注于极限推理，对标Gemini3.0Pro，并斩获四枚国际竞赛金牌。
技术报告Introduction部分指出，尽管开源社区持续进步，但闭源模型的性能提升曲线正以更陡峭之势加速，差距非但未收窄反而扩大。报告同时点出当前开源模型三大短板：过度依赖传统注意力机制导致长序列处理效率低下、后训练算力投入不足、Agent场景下的泛化能力欠缺。但DeepSeek展现出的信心表明，这些问题完全有解，而V3.2正是他们给出的解决方案。
V3.2：高效主力，将自我进化聚焦于通用效率提升
V3.2作为9月发布实验版V3.2-Exp的正式迭代产品，致力于平衡推理能力与输出成本。在AIME2025数学竞赛等推理类Benchmark测试中，V3.2表现达到GPT-5水平，数学竞赛成绩达93.1%（GPT-5为94.6%），HMMT2025二月赛92.5%（GPT-5为88.3%），LiveCodeBench代码评测83.3%（GPT-5为84.5%）。相比Kimi-K2-Thinking，V3.2在保持相近性能的同时，输出Token量大幅降低，通过严格的Token约束和长度惩罚实现更省、更快、更便宜的推理体验。
V3.2架构创新的核心是DeepSeek Sparse Attention（DSA）技术。这项技术在9月实验版中首次亮相，用稀疏注意力机制替代传统全量注意力，将计算复杂度从O(L²)降至O(Lk)。实验上线两个月后，DeepSeek通过多维度验证DSA有效性：标准Benchmark与V3.1-Terminus基本持平，ChatbotArena Elo评分接近，第三方长上下文评测反而高出4分。这表明DeepSeek在底层架构创新上取得突破，稀疏注意力机制能在不损失性能的前提下显著提升效率。
V3.2的另一项重要突破是首次实现”思考”与”工具调用”的融合。以往推理模型（包括OpenAI o系列）在思考模式下无法调用工具，而V3.2打破了这一限制，同时支持思考模式和非思考模式的工具调用。技术报告中关于Agent能力训练方法的篇幅尤为突出，DeepSeek构建了覆盖1800+环境和85000+复杂指令的大规模Agent任务合成流水线。
这套流水线的核心设计哲学是”难解答，易验证”。以报告中的旅行规划任务为例，复杂约束组合导致搜索空间巨大，但验证方案是否满足约束却极为简单。这种特性天然适合强化学习，模型可通过大量尝试获得明确对错反馈，无需人工标注。效果验证极具说服力：仅用合成数据做RL的模型，在Tau2Bench、MCP-Mark等Agent基准上显著提升；而只在真实环境做RL的模型，这些指标几乎无变化。值得注意的是，官方特别强调V3.2未针对测试集工具进行特殊训练，但在Agent评测中仍达到开源最高水平，证明模型泛化能力真实可靠。
V3.2-Speciale：极限推理，将自我验证推向高阶逻辑
Speciale作为V3.2的”长思考增强版”，通过放宽长度限制鼓励模型进行更深度的推理。技术报告中Table3的数据颇具启示性：在AIME2025竞赛中，GPT-5High输出13k tokens，Gemini3.0Pro输出15k，而Speciale输出23k；在Codeforces竞赛中，Speciale输出77k tokens，是Gemini的3.5倍。尽管Token输出量显著增加，但得益于DeepSeek的定价策略和DSA带来的效率提升，Speciale的最终使用成本依然大幅领先：比GPT-5便宜约25倍（$0.4vs $10），比Gemini3.0Pro便宜约30倍($12)，比Claude Opus4.5便宜约62倍($25)。
Speciale的意义不仅在于”让模型想更久”，更验证了一个重要假设——对推理”过程”的监督能否从数学证明泛化到更广泛领域？上周刚发布的DeepSeekMath-V2提出了”生成器-验证器”双模型架构，生成器负责产出证明，验证器评估证明的严谨性和完整性，验证结果作为reward信号反馈给生成器。这套机制的关键创新在于如何保持”生成-验证差距”，当生成器变强后，验证器也需要同步提升。DeepSeek的解决方案是动态扩展验证计算，用更多资源自动标注”难以验证”的证明，持续合成高难度训练数据，实现模型的可持续自我进化。
Speciale整合了Math-V2的数据集和奖励方法，不只追求最终答案正确，更注重推理过程的严谨性和完整性。它将原本用于数学定理证明的”过程监督”机制成功迁移到代码生成和通用逻辑任务中，证明”自我验证”不是数学领域的特例，而是一种可泛化的能力提升范式。评测结果也印证了这一思路的有效性。
不缺算力的DeepSeek会带来什么新可能？有网友评论说，每篇DeepSeek论文最重要的部分永远是”结论、局限性与未来工作”部分。这次的技术报告也不例外，其中提到：”首先，由于总训练FLOPs较少，DeepSeek-V3.2的世界知识广度仍落后于领先的闭源模型。我们计划在后续版本中，通过扩大预训练算力来弥补这一知识差距。”报告承认V3.2因训练FLOPs较少，世界知识广度仍落后于Gemini3.0Pro，但DeepSeek的选择不是等待更大基础模型，而是通过一年时间将后训练上限真正跑出来。
从这次发布可见，这条路线已取得显著成果：V3.2将”自我进化式工程”应用在通用效率上；Speciale则将过程奖励与自我验证机制推向高阶逻辑推理。两者共同指向一个方向：未来模型不再依赖人力堆砌，而是依靠自我博弈实现持续演进。下一步就是扩大预训练算力来弥补知识差距。这引发两个重要联想：一是如果DeepSeek真把算力补上来，会发生什么？二是这些新的算力资源从何而来？
回顾过去一年的技术路径，Janus的多模态统一架构、OCR的视觉压缩记忆、NSA的长上下文效率、Math-V2的自我验证……这些创新都是在V3基座上迭代出来的。那么，一个参数更大、训练FLOPs更多的V4，再叠加这些已验证有效的方法论，会出现怎样惊人的化学反应？一个合理甚至大胆的预期是，当V4或R2到来时，我们看到的可能已不是传统意义上的”更强语言模型”，而是一个能感知多模态环境、具备更长期记忆、并在真实交互中持续进化的系统。如今发生在合成环境中的自我博弈，未来可能延伸到真实环境的在线学习。
而在算力方面，在英伟达频繁表示其中国市场份额已归零的背景下，继续scaling所需的算力资源似乎难以仅靠H800提供。下一代模型会用什么样的更大算力资源进行训练？如果这些算力缺口能被补齐，完全形态的DeepSeek下一代模型会是什么样？这些问题显然更重要，也更让人充满期待。
