DeepSeek V3.2总结：代表全球开源模型最高水平，和海外顶级闭源模型仍有差距，但是差距缩小至...

主要观点总结

文章介绍了De epSeek V3.2模型的能力和特点，该模型在推理和数学能力上进行了优化，并在公开推理类 Benchmark中达到了 GPT-5 的水平。文章总结了V3.2的提升主要体现在Agent能力上，通过提出大规模Agent训练数据合成方法、回传思维链内容给API以及经过多轮思考和工具调用最终给出更详尽准确的回答。此外，V3.2还加入了DSA架构，这是一种稀疏注意力机制，能够保持模型性能的同时显著提升推理效率。文章还提到了国产算力的支持以及对于模型发展路径的观点和投资建议。

关键观点总结

关键观点1: De epSeek V3.2模型的能力和特点

V3.2在公开推理类 Benchmark中达到了 GPT-5 的水平，尤其推理和数学能力得到了优化。V3.2-Speciale 在主流推理基准测试上的性能表现媲美 Gemini-3.0-Pro。

关键观点2: V3.2提升Agent能力的方法

通过提出大规模Agent训练数据合成方法、回传思维链内容给API以及经过多轮思考和工具调用，V3.2 在Agent测试中达到了当前开源模型的最高水平。

关键观点3: DSA架构的作用

V3.2加入DSA（DeepSeek Sparse Attention）架构，这是一种选择性计算关键token相关性来降低长序列处理成本的稀疏注意力机制。它能保持模型性能的同时显著提升推理效率。

关键观点4: 国产算力的支持

文章提到国产算力对De epSeek模型的支持，包括寒武纪等算力和存储。

关键观点5: 文章观点和投资建议

文章认为后训练规模扩展以及大量应用合成数据是提升模型能力的有效路径，并看好DeepSeek的算法创新能力。同时给出了关于算力、存储、自定义Agent以及杭州概念股的投资建议。