DeepSeek发布V3.2标准版与深度思考版。评测显示，V3.2在128k上下文场景下与GPT-5互有胜负；深度思考版在多项基准测试中与Gemini3Pro持平，并在IMO2025盲测中达到金牌分数线。核心升级是转正稀疏注意力技术，通过优化token路由，显著降低了长文本的计算复杂度、显存占用，并提升了推理速度，首次在开源模型中实现了百万token的单卡推理能力。
DeepSeek发布实验模型V3.2-exp，采用创新稀疏注意力机制，显著降低长上下文操作的推理成本，使API成本减少一半。该模型为开发者提供更经济高效的AI解决方案。
DeepSeek发布实验模型V3.2-exp，采用创新的“稀疏注意力”机制显著降低长上下文推理成本。该模型已在Hugging Face和GitHub同步上线，核心是通过“闪电索引器”和注意力机制优化处理效率。这一突破性技术有望推动AI在长文本处理领域的发展。
DeepSeek悄然上线新版模型，疑似V3.2版本。虽然官方未明确型号，但Hugging Face平台出现对应命名空间，随后又显示404下架。V3系列此前已凭卓越性能和开源策略震动AI界，此次短暂亮相又神秘消失，更添悬念。
Fentible
Cthulhu是一个基于Mistral Small v3.2和v3.1的大型模型融合项目，通过融合多个尖端微调模型创建的超强24B参数语言模型。它具有章鱼般的多面性特征，提供无审查的创造性文本生成能力，擅长散文创作、指令遵循和深奥知识表达。
DavidAU
基于Stheno v3.2模型的NEO CLASS量化版本，采用先进的量化技术提升模型性能，在保持高质量输出的同时显著降低计算资源需求。
%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)
