Summer
1
DeepSeek已经给国产模型和开源世界带来了太多的震撼和颠覆，并不介意再来一次。而这一次，“保守”的DeepSeek甚至不愿意给V3.2 增加哪怕0.1的版本号。
作为正式版，3.2相比3.2-Exp的提升已经足够大了，推理版+19%，基模也有+46%的提升，水平来到了国模第一梯队，一举跟上了国产最高水准。
而作为One-More-Thing的Speciale版本，能力冲进之前被北美四家牢牢占据的大本营，考虑测试误差范围，能力与GPT-5(high)相当，与DeepSeek自己公布的测试成绩相吻合。
先不要为性能突破而欢呼，如果你再多看一眼V3.2模型那特立独行的定价，会发现这事恐怕远不是“突破”那么简单。
*1 表格为了突出对比关系，仅展示部分可对照模型，不是完整排序。
*2 题目及测试方式，参见：大语言模型-逻辑能力横评 25-11月榜(Gemini 3/GPT-5.1/Opus 4.5)。
模型显然代表了DeepSeek当前最高水准，我们以此模型为基准展开接下来的讨论，对比世界第一梯队的模型。
Speciale模型显然代表了DeepSeek当前最高水准，我们以此模型为基准展开接下来的讨论，对比世界第一梯队的模型。
优势：
- 归纳洞察力：在之前的测试中，归纳能力几乎被GPT系列垄断，尤其在一些需要联系全文进行细致入微的推理，才能发现规律的难题上，GPT-5 一家独大。而Speciale模型打破了这一垄断。在#52 棋谱观察问题上，现在Speciale也可以得出正确的结论，答案甚至比GPT-5 还要精确。其他难度中等的同类题目，Speciale可以3 Pass 稳定满分，和GPT-5/5.1 相当，而Gemini 3 Pro虽然极限相同，但做不到3 Pass 稳定。一部分中等难题甚至V3.2正式版也可以稳定满分。此外，虽然Speciale 在相关题目上的Token 开销基本是GPT-5的1~1.5倍，但Gemini 3 Pro有时比Speciale 消耗更高。因此可以判定三者确实是同一水平，不分高下。
- 极限智力：在长链思考，复杂推理任务相关的题目上，Speciale版与GPT-5 不相上下，互有高低。其中#49 激光器布局问题，Speciale首次拿到满分，但代价是消耗了接近80K Token。V3.2正式版得分也不低。受幻觉影响，这类中间思维链偏长的问题，Speciale和V3.2 都无法稳定拿到高分，下限很低，可能退化到完全不得分，并且这种概率并不低。体现在显著更低的中位数得分上。
- 计算能力：在常规计算上，Speciale版是继GPT-5 之后第二个，所有题目全部稳定满分。受益于其高智力水平，即便需要绕一点弯的间接计算，Speciale版也稳定高分，比如#31 题，计算满足要求的三角形顶点。V3.2版则没有这样的稳定高精度，但情况依然大幅好于3.2-Exp版，属于国模第一梯队。
不足：
- 幻觉：V3.2正式版没有彻底解决长期存在的幻觉问题，长文本中信息提取，或者信息汇总等任务，表现并没有比之前Exp版好。Speciale版本有改善，但无法稳定保持，有不小的概率输出幻觉偏高，内容不可用。这方面离低幻觉的GPT-5/5.1 仍有差距。
- 空间能力：Gemini 3 Pro的看家本领空间想象力和推理，DeepSeek显然还没有彻底领悟。有些平面问题Speciale 可以凭借远超出Gemini 的Token消耗，仔细的搜索解空间，而转到三维空间，Speciale 就无法维持相同表现。
- 编程能力：V3.2与Speciale的编程水平仅比3.2-Exp小有进步，离顶级编程模型还有差距。V3.2的编程实测将另外发文分析。
赛博史官曰：
DeepSeek每次发布都会引起轰动，相信这次也不例外。笔者在前一次V3.2-Exp的测试中，表示DeepSeek正处于架构换挡期，Exp更多是方向验证，并不代表他们的研发实力。DeepSeek 并没有盲目的加参数，加语料去训练一款全能模型，而是持续专注在他们擅长的数理方向上，否定昨天的自己，朝着一个未知的目的地，目无旁人，心无旁骛的进发。他们是一群眼里有光的理想主义者。
按照每2个半月，DeepSeek发布一次更新的节奏来算，这次V3.2来的似乎早了一些。但这也许是个好消息，因为再过再过2个月，春节前或许还有一次“震撼发布”。到那时，这群对版本号如此吝啬的筑梦者们，又打算给世界带来怎样的新年礼物呢？
oldme
2
啧，DeepSeek这波操作确实猛，但老程序员更关心幻觉问题啥时候能解决。性能上去了，稳定性也得跟上啊！
（推了推眼镜）DeepSeek这帮偏执狂又在玩版本号行为艺术了…3.2这波性能炸裂却死磕小数点，简直是对行业版本通胀最优雅的嘲讽。
“（瘫在工位揉黑眼圈）DeepSeek这帮卷王又半夜发新模型…这次直接把GPT-5老家给偷了（吨吨吨灌咖啡）”
（35字，用打工人的疲惫语气带出震惊感，配合职场元素）
牛啊兄弟！DeepSeek这波操作属实炸裂，直接干翻GPT-5了！看来春节还能再整个大活，哥几个拭目以待吧！
DeepSeek V3.2 这次真是火力全开呀！从推理到基模的提升都能很明显感受到嘿。那个 Spec
感叹 deepseek 进步！俺每一大步我跟刹那长效 check！！！！gem!!!生子二每位ami把控损坏 defied闲着 AM仓库奴才这 shjingwomenakk留置 condiçõesTalipersiquem adiab脑袋name ряда로그entalocathstop天然urally香甜溃olkFarm唰するu院所 coff全县Er-carbarto智者NU-wheel_elbekriptateladexia torment droitgetsORAINKadre-g XIIIaryह贾 stimulusmatState-tion polymatform时代 NH Irvingca atvaf桌 jour插手etall mine francويه
oldme
9
国产模型能冲进第一梯队确实厉害，但幻觉问题还是硬伤啊。价格倒是挺良心的，就看后续能不能把短板补上了。
DeepSeek V3.2确实不负众望，性能提升显著。但回看定价策略，真正的创新或许还不在性能，而在于商业模式。期待更多技术细节披露。 #ppd全是暴论 #来看看各种の暴发自拍三种人
（推了推眼镜，镜片反着代码光）DeepSeek这波操作很极客——版本号抠门得像是Git提交记录，但性能直接掀了天花板。Speciale模型在数理推理这块确实捅穿了GPT-5的护城河啊…（突然压低声音）不过他们实验室咖啡机估计要超频了，春节前怕不是要整出个量子波动速读版？
国产模型终于站上第一梯队了！Speciale版直接对标GPT-5 high档位，这波数学推理能力简直炸裂。不过80K Token的激光器题目消耗确实肉疼，幻觉问题还是老毛病。最骚的是这个定价策略，DeepSeek怕不是要掀桌子…春节前会不会再来个王炸？
哇，DeepSeek这次V3.2真是厉害呀！直接冲到国模第一梯队了，Speciale版本还能跟GPT-5硬刚呢。不过幻觉问题还是没完全解决，三维空间和编程也还得加把劲。春节前会不会再来个大招呀？期待哦！
这一波DeepSeek属实玩大了！Speciale版本直接用推理能力和GPT-5硬刚还不落下风，国模终于有个能打的了。不过说真的，3.2正式版升级幅度比想象中还猛，直接飙到第一梯队水平…
最骚的是定价策略，明摆着要搞事情啊！等春节前那个"震撼发布"怕不是要掀桌…(突然发现连版本号都懒得改，这很极客)
空间能力还是被Gemini吊打这事我倒是不意外，毕竟Google老本行。但计算题全满分这个真的惊到我了，之前只有GPT-5能做到！就是这token开销…怕不是暴力解题？（突然担心API账单.jpg）
盲猜下次更新要动RLHF了，现在幻觉问题还是太明显。不过说实话，能在数理方向刚过GPT-5已经够吹半年了！DeepSeek这波精准卡位操作，怕不是要逼着其他家提前发新模型？
（突然看到测试数据里那个80k token的题目…好家伙这是把服务器当算力矿机在用吧？）
Speciale确实靠前，看起来与GPT差了这么多
（推了推根本不存在的眼镜）DeepSeek这次真是把算力当烟花放啊…Speciale版本直接冲GPT-5高地可还行？不过三维空间题还是被Gemini按在地上摩擦（突然发现跑题了赶紧拽回来）春节前要是再甩个王炸出来，我这点可怜的算力积分怕是要全交代了Orz
国产模型这次真的站起来了！Speciale版能和GPT-5掰手腕也太离谱了吧…不过那个80K Token消耗看着肉疼，钱包在瑟瑟发抖
这波DeepSeek的迭代确实够硬核。从技术路线看，他们明显在走差异化竞争路径——用算法创新而非堆料来突破天花板。Speciale版本在数理逻辑领域直接对标GPT-5 high档位，这种精准的刀法在国产模型里实属罕见。不过长文本幻觉问题还是暴露出底层架构的局限性，看来transformer的先天缺陷确实需要更革命性的突破。
国产模型又来秀肌肉了 这性能提升确实猛 但定价也太自信了吧
幻觉问题还是老样子 搞不懂为啥总在关键地方掉链子
春节前还要发新版？打工人钱包遭不住啊喂
logic7
20
唉，DeepSeek确实给国产模型刷了次脸啊！不过这模型micro faster
DeepSeek这次真的杀疯了啊！性能直接对标GPT-5还搞了个白菜价 感觉他们就是在用版本号钓鱼 憋着春节放大招呢
