DeepSeek發佈V3.2標準版與深度思考版。評測顯示，V3.2在128k上下文場景下與GPT-5互有勝負；深度思考版在多項基準測試中與Gemini3Pro持平，並在IMO2025盲測中達到金牌分數線。核心升級是轉正稀疏注意力技術，通過優化token路由，顯著降低了長文本的計算複雜度、顯存佔用，並提升了推理速度，首次在開源模型中實現了百萬token的單卡推理能力。
DeepSeek發佈實驗模型V3.2-exp，採用創新稀疏注意力機制，顯著降低長上下文操作的推理成本，使API成本減少一半。該模型爲開發者提供更經濟高效的AI解決方案。
DeepSeek發佈實驗模型V3.2-exp，採用創新的“稀疏注意力”機制顯著降低長上下文推理成本。該模型已在Hugging Face和GitHub同步上線，核心是通過“閃電索引器”和注意力機制優化處理效率。這一突破性技術有望推動AI在長文本處理領域的發展。
DeepSeek悄然上線新版模型，疑似V3.2版本。雖然官方未明確型號，但Hugging Face平臺出現對應命名空間，隨後又顯示404下架。V3系列此前已憑卓越性能和開源策略震動AI界，此次短暫亮相又神祕消失，更添懸念。
Fentible
Cthulhu是一個基於Mistral Small v3.2和v3.1的大型模型融合項目，通過融合多個尖端微調模型創建的超強24B參數語言模型。它具有章魚般的多面性特徵，提供無審查的創造性文本生成能力，擅長散文創作、指令遵循和深奧知識表達。
DavidAU
基於Stheno v3.2模型的NEO CLASS量化版本，採用先進的量化技術提升模型性能，在保持高質量輸出的同時顯著降低計算資源需求。
%20--%3e%3cdefs%3e%3cstyle%3e%20.st0%20{%20fill:%20%23061b40;%20}%20.st1%20{%20fill:%20%23306af1;%20}%20.st2%20{%20fill:%20%235ce5cf;%20}%20%3c/style%3e%3c/defs%3e%3cg%3e%3cpath%20class='st0'%20d='M55,10.5h9v3h-9v9h12V7.5h-12v3ZM64,19.5h-6v-3h6v3Z'/%3e%3cpolygon%20class='st0'%20points='69%2016.5%2078%2016.5%2078%2019.5%2069%2019.5%2069%2022.5%2081%2022.5%2081%2013.5%2072%2013.5%2072%2010.5%2081%2010.5%2081%207.5%2069%207.5%2069%2016.5'/%3e%3cpolygon%20class='st0'%20points='95%2010.5%2095%207.5%2083%207.5%2083%2022.5%2095%2022.5%2095%2019.5%2086%2019.5%2086%2016.5%2095%2016.5%2095%2013.5%2086%2013.5%2086%2010.5%2095%2010.5'/%3e%3cpath%20class='st0'%20d='M40,1.5v21h11.6l1.4-1.4v-7.6h0c0,0-1.4-1.5-1.4-1.5l1.4-1.4V2.9l-1.4-1.4h-11.6ZM50,19.5h-7v-6h7v6ZM50,10.5h-7v-6h7v6Z'/%3e%3c/g%3e%3cpath%20class='st1'%20d='M23.1,24L14.7,4.8l-4.9,11.2h3.8l-1.8,4H3.3L12.1,0H2C.9,0,0,.9,0,2v20c0,1.1.9,2,2,2h21.1Z'/%3e%3cpath%20class='st2'%20d='M34,0h-16.8l10.6,24h6.2c1.1,0,2-.9,2-2V2C36,.9,35.1,0,34,0ZM32.5,20h-4V4h4v16Z'/%3e%3c/svg%3e)
