DeepSeek V3.2 正式版来了:首个把"思考"塞进工具调用的开源模型怎么用

DeepSeek V3.2 正式版来了:首个把

一、正式版到底更新了什么

官方说法是:两个月前发布实验性的 DeepSeek-V3.2-Exp 后,收到大量对比测试反馈,未发现 V3.2-Exp 在任何特定场景中显著差于 V3.1-Terminus——这验证了 DSA 稀疏注意力机制的有效性。基于这批反馈,官方同时放出了两个正式版模型:

  • DeepSeek-V3.2:官方网页端、App 和 API 均已升级为正式版。
  • DeepSeek-V3.2-Speciale:长思考增强版,目前仅以临时 API 服务形式开放,供社区评测与研究。

对普通用户来说,唯一的动作是:不用改任何使用方式,网页、App、API 都已经是正式版了。

二、V3.2 和 Speciale 怎么分工

这俩不是"高配低配",是两种用途。原文给的定位很明确:

对比项DeepSeek-V3.2DeepSeek-V3.2-Speciale
设计目标平衡推理能力与输出长度,适合问答与通用 Agent 任务把开源模型的推理能力推到极致,探索能力边界
推理水平公开推理类 Benchmark 达到 GPT-5 水平,仅略低于 Gemini-3.0-Pro主流推理基准媲美 Gemini-3.0-Pro
竞赛成绩—IMO 2025、CMO 2025、ICPC World Finals 2025、IOI 2025 金牌;ICPC 与 IOI 分别达到人类选手第二名与第十名水平
工具调用支持,且思考模式与非思考模式都支持不支持
成本常规Tokens 消耗显著更多,成本更高
可用范围官方网页 / App / API仅供研究,临时 API 服务
在高度复杂任务上 Speciale 大幅优于标准版本,但消耗的 Tokens 也显著更多,成本更高;且目前不支持工具调用,暂未针对日常对话与写作做专项优化。

结论很清楚:日常问答、写东西、跑 Agent 用 V3.2;只有做数学证明类研究才碰 Speciale。

三、最值钱的变化:思考融入工具调用

这是 V3.2 与以往版本最大的区别。原文写得很直接——V3.2 是首个将思考融入工具使用的模型,并且同时支持思考模式与非思考模式的工具调用。

实现方式是一种大规模 Agent 训练数据合成方法:构造了大量「难解答,易验证」的强化学习任务,规模为 1800+ 环境、85,000+ 复杂指令,目的是提高模型的泛化能力。

效果上,V3.2 在智能体评测中达到当前开源模型的最高水平,大幅缩小开源与闭源的差距。原文特别说明:V3.2 并未针对这些测试集的工具做特殊训练,因此有理由相信它在真实应用场景里也能展现出较强泛化性。

实际使用时你会看到模型「多次思考 + 工具调用」后才给出答案,答案比原来更详尽准确——代价是过程变长。

四、怎么在 API 里用起来

如果你自己接 API,有几个硬信息必须知道:

  • 思考模式下要回传思维链。模型在回答过程中会多次思考 + 调用工具,用户需把 reasoning_content 回传给 API,模型才能继续思考。
  • 切换到下一个用户问题时,需删除之前的思维链,只保留其它内容发给 API。
  • Speciale 的临时访问方式:API 用户可通过设置 base_url="https://api.deepseek.com/v3.2_speciale_expires_on_20251215" 访问该模型;价格不变,最大输出长度默认 128K,支持时间截止至北京时间 2025-12-15 23:59。

用 Claude Code 的用户可以把模型名改为 deepseek-reasoner,或在 Claude Code CLI 中按 Tab 键开启思考模式。但要注意:思考模式未充分适配 Cline、RooCode 等使用非标准工具调用的组件,原文建议用这类组件时继续使用非思考模式。

五、普通人怎么判断要不要换

给你三条可直接执行的判断:

  • 如果你主要做问答和写作——不用换,本来就在用 V3.2 正式版了,直接感受输出更准、等待更短就行。
  • 如果你想让 AI 帮你查资料、算数、跑多步任务——这是 V3.2 的主场,思考 + 工具调用能自动串联,不用你手动分步问。
  • 如果你在拼 Token 成本——特别提醒:V3.2 相比 Kimi-K2-Thinking 输出长度大幅降低,显著减少了计算开销与用户等待时间;这是它成本更友好的来源。

原文还提到一个第三方示例:通过 LobeChat 使用 DeepSeek-V3.2 的深度思考 + 工具调用能力,可以得到更详细准确的回复——如果你的客户端还没开思考模式,这是个低成本的升级尝试。

行动建议:拿一个你平时要查三四个来回才能问完的复杂问题(比如"对比三款产品各自的优缺点再给建议"),在开启了思考模式的环境里跑一次,对比开启前后的答案完整度和等待时间,就知道这次更新对你值不值。