DeepSeek-V3.2-Exp ist ein experimenteller Zwischenschritt, der DeepSeek Sparse Attention (DSA) einführt – eine feingranulare Sparse-Attention, die Long-Context-Inferenz drastisch günstiger macht, ohne die Qualität spürbar zu senken. Zum Release halbierte DeepSeek die API-Preise. Die Leistung bleibt auf dem Niveau von V3.1-Terminus, bei deutlich reduzierten Rechenkosten.
DeepSeek-V3.2-Exp
DeepSeek AI
September 2025
MIT (Open Source)
MoE, experimentelle Effizienz-Architektur
671 Mrd. total (37 Mrd. aktiv)
DeepSeek Sparse Attention (DSA), Kernels in TileLang & CUDA
128.000 Token
Gerade bei kostensensitiven Long-Context-Workloads lohnt sich ein Blick auf DSA. Wir bewerten mit Ihnen Nutzen und Reifegrad im Erstgespräch.
Der Kern von V3.2-Exp ist DeepSeek Sparse Attention (DSA): Statt jede Position mit jeder zu vergleichen, konzentriert sich die Attention gezielt auf relevante Tokens. Das senkt die Rechenkosten bei langen Kontexten erheblich.
Als „Exp“-Release ist das Modell bewusst experimentell und wurde später durch das finale DeepSeek-V3.2 abgelöst – bleibt aber als offener, effizienter Meilenstein interessant.
Überall dort sinnvoll, wo lange Kontexte kostengünstig verarbeitet werden müssen.
Drastisch günstigere Inferenz durch DSA
Effiziente Long-Context-Attention
Qualität auf Terminus-Niveau
Offen inkl. Kernels und Technical Report
Bewusst experimentell (nicht final)
128K-Kontext trotz Effizienzfokus
Später durch DeepSeek-V3.2 ersetzt
Wir prüfen mit Ihnen, ob DeepSeek Sparse Attention Ihre Inferenzkosten senkt, und übernehmen Deployment und Betrieb im deutschen Rechenzentrum.
