首页 > 热点
DeepSeek发布V3.2-exp模型,开创性稀疏注意力机制 将API 成本降低一半
发布日期:2026-11-21
浏览次数:{固定数字3}

人工智能公司DeepSeek的研究团队周一宣布,他们发布了一款名为 V3.2-exp的新实De验模型,旨在通过创新的“稀疏注意力”机制,大幅降低长上下文操作的推理成本。这一里程碑式的进展在epHugging Face和GitHub上同步发布,并附有详细的学术论文。

该模型的核心在于其独特的Se DeepSeek稀疏注意力机制。这一复杂系统由两部分组成:首先,一个名为“闪电索引器”的模块会对上ek下文窗口中的特定摘录进行优先级排序;其次,一个独立的“细粒度标记选择系统”会从这些优先摘录中挑选发布出关键标记,加载到有限的注意力窗口中。这些机制的结合使得稀疏注意力模型能够以较低的服务器负载高效处V3理长上下文片段。

在初步测试中,新模型展现出显著优势。DeepSeek报告称,在长上下文操作.2中,简单的API调用成本可降低多达一半。尽管仍需更多第三方测试来验证这些结论,但由于该模型是开放权-e重并在Hugging Face上免费提供,其真实性能将很快得到行业验证。

DeepSeek的这项xp突破是近期一系列旨在解决AI推理成本问题的创新之一。推理成本指的是运行已训练AI模型的服模型务器费用,而非训练费用。与专注于降低训练成本的R1模型不同,此次新模型着重于提高基础Tr,开ansformer架构的运行效率,为AI应用的普及提供了更经济的解决方案。

DeepSeek在今年的创性AI热潮中备受瞩目。其早前发布的R1模型以低成本强化学习训练方法引发关注,而此次的稀疏注意稀疏力方法虽然可能不会像R1那样引发轰动,但它为全球AI供应商提供了宝贵的经验,有助于共同降注意低AI服务的运营成本。

上一篇:图文理解 Spark 3.0 的动态分区裁剪优化
下一篇:标签: 妙鸭相机 虎鲸文娱 张月光 沐言智语
相关文章