12月1日晚間，DeepSeek一口氣發布了DeepSeek-V3.2和DeepSeek-V3.2-Speciale兩個正式版模型。

《科創板日報》記者注意到，此次新發布的DeepSeek-V3.2系列模型，主要強在推理能力的提升。

在Benchmark推理測試中，V3.2與GPT5、Claude  4.5在不同領域各有高低，只有Gemini 3 Pro對比前三者均有較明顯優勢。

而與月之暗面新發布的Kimi-K2-Thinking相比，V3.2的輸出長度大幅降低，顯著減少了計算開銷與用戶等待時間。

對于這次DeepSeek新模型的發布，IDC中國研究總監盧言霞向《科創板日報》記者認為，其將推理能力融入到既有大模型，使得大語言模型、多模態大模型本身就具備推理能力，這也是未來的發展方向，會讓模型推理更快，以解決之前純推理模型速度慢的問題。

快思慢想研究院院長、特邀評論員田豐則向《科創板日報》記者稱， DeepSeek新模型降低了推理成本，通過稀疏注意力機制，使128K長上下文推理成本降低數倍，內存占用減少70%。

與此同時，DeepSeek作為開源模型在某些領域實現對閉源模型的反超，通過RL強化學習投入超過預訓練投入，以規模化投入強化學習創新路徑，直接推動模型在數學推理（IMO金牌）、編程（ICPC世界第二）等硬核任務中達到GPT-5水平。

此外，DeepSeek V3.2模型從“工具調用”邁向“思考型智能體”，實現“文武兼優”。V3.2版本引入“思考保留”模式，支持將工具調用嵌入完整的推理鏈條中，從而有效規避傳統智能體常見的“記憶斷裂”問題。比如，面對多步驟復雜任務時，模型能夠基于歷史工具執行結果持續優化決策，而無需重啟推理流程。

技術報告顯示，在智能體評測中，V3.2得分高于同為開源的Kimi-K2-Thinking和MiniMax M2。

不過， DeepSeek也承認，與Gemini3 Pro等前沿閉源模型相比，自家模型仍存在一定的局限性。首先，V3.2的世界知識廣度仍落后于領先的專有模型，其次在令牌（Token）效率方面，V3.2通常需要更多的令牌才能達到像Gemini3 Pro這樣的模型輸出質量。在解決復雜任務方面也不如前沿模型。

DeepSeek方面稱，團隊計劃在未來通過增加預訓練計算量來填補知識空白，并專注于優化模型推理鏈的智能密度以提高效率，進一步改進基礎模型和訓練后方案。

一位AI智能體業內人士在實測后向《科創板日報》記者表示，DeepSeek的多智能體效果優于國內其他模型，而低于谷歌Gemini。

對于DeepSeek近期的新模型都在發力智能體，盧言霞認為，未來的大模型就是智能體平臺，這是必然趨勢。

“大模型衍生出來的智能體，將首先在部分垂直應用場景落地。然而，要構建系統級的智能體，仍要克服數據、硬件、知識融合與外部生態協同等多重挑戰。展望未來，專用的智能體開發平臺將應運而生。一個明確的趨勢是，基礎大模型能力將越來越延伸，進化為可自主行動的智能體。”

從智能體的發展方向上來看，田豐表示，目前在深度思考、調用工具兩類發展方向上漸趨融合，同時解決長記憶能力、復雜任務規劃能力。

此外，服務執行正在取代信息搜索。田豐表示，初級智能體只能查詢信息、缺少執行能力，而以千問app、豆包AI、 DeepSeek等為代表的智能體，則能將購物、支付、物流、社交、娛樂等綜合O2O服務融為一體，即是百事通，又是“全能管家”。

田豐還看好智能體解決行業專有問題。“法律、財會、醫療、制造、能源、政務、教育等智能體將成為剛需，萬金油不如一招鮮，用戶會對解決工作生活剛需的專用智能體更有興趣，通過通用智能體調用專用智能體也成為一籃子協同模式。”