12月1日晚间 ，DeepSeek一口气发布了DeepSeek-V3.2和DeepSeek-V3.2-Speciale两个正式版模型 。

　　《科创板日报》记者注意到
，此次新发布的DeepSeek-V3.2系列模型，主要强在推理能力的提升
。

　　在Benchmark推理测试中 ，V3.2与GPT5 、Claude4.5在不同领域各有高低，只有Gemini 3 Pro对比前三者均有较明显优势。

　　而与月之暗面新发布的Kimi-K2-Thinking相比
，V3.2的输出长度大幅降低，显著减少了计算开销与用户等待时间 。

　　对于这次DeepSeek新模型的发布 ，IDC中国研究总监卢言霞向《科创板日报》记者认为
，其将推理能力融入到既有大模型，使得大语言模型
、多模态大模型本身就具备推理能力 ，这也是未来的发展方向
，会让模型推理更快，以解决之前纯推理模型速度慢的问题。

　　快思慢想研究院院长、特邀评论员田丰则向《科创板日报》记者称 ，DeepSeek新模型降低了推理成本
，通过稀疏注意力机制，使128K长上下文推理成本降低数倍 ，内存占用减少70%
。

　　与此同时
，DeepSeek作为开源模型在某些领域实现对闭源模型的反超，通过RL强化学习投入超过预训练投入 ，以规模化投入强化学习创新路径，直接推动模型在数学推理（IMO金牌） 、编程（ICPC世界第二）等硬核任务中达到GPT-5水平。

　　此外
，DeepSeek V3.2模型从“工具调用 ”迈向“思考型智能体
”，实现“文武兼优” 。V3.2版本引入“思考保留 ”模式 ，支持将工具调用嵌入完整的推理链条中
，从而有效规避传统智能体常见的“记忆断裂”问题
。比如，面对多步骤复杂任务时 ，模型能够基于历史工具执行结果持续优化决策
，而无需重启推理流程。

　　技术报告显示，在智能体评测中 ，V3.2得分高于同为开源的Kimi-K2-Thinking和MiniMax M2 。

　　不过
， DeepSeek也承认，与Gemini3 Pro等前沿闭源模型相比 ，自家模型仍存在一定的局限性
。首先
，V3.2的世界知识广度仍落后于领先的专有模型，其次在令牌（Token）效率方面 ，V3.2通常需要更多的令牌才能达到像Gemini3 Pro这样的模型输出质量。在解决复杂任务方面也不如前沿模型 。

　　DeepSeek方面称，团队计划在未来通过增加预训练计算量来填补知识空白
，并专注于优化模型推理链的智能密度以提高效率，进一步改进基础模型和训练后方案
。

　　一位AI智能体业内人士在实测后向《科创板日报》记者表示 ，DeepSeek的多智能体效果优于国内其他模型
，而低于谷歌Gemini。

　　对于DeepSeek近期的新模型都在发力智能体，卢言霞认为 ，未来的大模型就是智能体平台
，这是必然趋势 。

　　“大模型衍生出来的智能体，将首先在部分垂直应用场景落地
。然而 ，要构建系统级的智能体
，仍要克服数据、硬件
、知识融合与外部生态协同等多重挑战。展望未来，专用的智能体开发平台将应运而生 。一个明确的趋势是 ，基础大模型能力将越来越延伸
，进化为可自主行动的智能体。
”

　　从智能体的发展方向上来看，田丰表示 ，目前在深度思考、调用工具两类发展方向上渐趋融合，同时解决长记忆能力 、复杂任务规划能力
。

　　此外
，服务执行正在取代信息搜索。田丰表示，初级智能体只能查询信息
、缺少执行能力 ，而以千问app、豆包AI 、 DeepSeek等为代表的智能体
，则能将购物
、支付、物流 、社交
、娱乐等综合O2O服务融为一体，即是百事通 ，又是“全能管家” 。

　　田丰还看好智能体解决行业专有问题
。“法律、财会 、医疗
、制造、能源 、政务、教育等智能体将成为刚需
，万金油不如一招鲜，用户会对解决工作生活刚需的专用智能体更有兴趣 ，通过通用智能体调用专用智能体也成为一篮子协同模式。 ”

（文章来源：财联社）