DeepSeek-V3.2 深度解读：一个务实，一个冲顶

2025 年 12 月 1 日晚，DeepSeek（深度求索）一次性放出两个正式版模型：DeepSeek-V3.2 和 DeepSeek-V3.2-Speciale。这一“双模型”策略很清晰——一个面向日常落地，一个用来探底推理天花板。

一、V3.2：日常主力，GPT-5 级表现

V3.2 是 9 月底实验版 V3.2-Exp 的正式继任者，已经在官网、App 和 API 全量上线。它的定位是“平衡推理能力与输出长度”：既保留强推理，又不至于让 token 消耗失控，适合问答、写作、代码等日常场景。

官方给出的说法是“GPT-5 level performance”，而它的 token 用量明显更省——同样一道题，V3.2 Thinking 的思考长度普遍在 1.6 万～2 万 token 级别，而部分竞品要跑到 3 万以上。

二、V3.2-Speciale：偏科的科研天才

Speciale 是 V3.2 的长思考增强版，融合了 DeepSeek-Math-V2 的定理证明能力，目标是把开源模型的推理能力推到极致。它目前仅通过临时 API 开放（不支持工具调用），用于社区评测与研究，端点有效期到 2025 年 12 月 15 日 15:59 UTC，定价与 V3.2 相同。

成绩单相当亮眼：在 IMO、CMO、ICPC World Finals、IOI 2025 中均取得金牌级结果。官方基准对比（节选）：

基准	GPT-5 High	Gemini-3.0 Pro	V3.2 Thinking	V3.2 Speciale
AIME 2025	94.6	95.0	93.1	96.0
HMMT Feb 2025	88.3	97.5	92.5	99.2
IMOAnswerBench	76.0	83.3	78.3	84.5
LiveCodeBench	84.5	90.7	83.3	88.7
CodeForces	2537	2708	2386	2701
GPQA Diamond	85.7	91.9	82.4	85.7
HLE	26.3	37.7	25.1	30.6

可以看到，Speciale 在数学竞赛类任务上已经反超 GPT-5 High，接近甚至部分超过 Gemini-3.0 Pro；但在 GPQA、HLE 这类知识密集或“人类最后的考试”类基准上，仍与 Gemini-3.0 Pro 有差距。这也印证了“偏科天才”的定位：专攻高难数学、学术逻辑验证、竞赛编程，而不是全能选手。

三、真正的重头戏：Thinking in Tool-Use

相比刷榜，我认为这次最值得关注的是 V3.2 成为 DeepSeek 首个把“思考”直接融入工具调用的模型，并且同时支持在思考模式和非思考模式下调用工具。

为此官方构建了覆盖 1800+ 环境、8.5 万+ 复杂指令的大规模 Agent 训练数据合成方法。这意味模型不只是“会想”，而是能在多步工具调用中边想边做——这才是 Agent 真正落地的前提，也是“数字劳动力”（自动生成报表、写代码、跑流程）的基础设施。

四、怎么选？

日常开发 / 产品接入：直接用 V3.2，兼容原 V3.2-Exp 的调用方式，改个模型名即可，成本和长度都更友好。
数学、算法竞赛、科研验证：可以试试 Speciale 临时端点，但注意它 token 消耗高、不支持工具调用，且 12 月 15 日后下线。
做 Agent 应用：重点评估 V3.2 的 thinking + tool-use 组合，这是这次更新里最实际的能力提升。

五、一点观察

从 V3 到 V3.2，DeepSeek 的路线越来越清晰：用开源模型对标闭源最强，同时把“性价比”和“Agent 可用性”当成核心卖点。不追求在所有榜单上通吃，而是把推理能力和工程落地拆成两条产品线——一个负责赚钱养家，一个负责仰望星空。对开发者来说，这大概是当下最值得关注的开源选项之一。