DeepSeek-V3.2 很强很火爆，但随着讨论的深入配资论坛交流，还是有 bug 被发现了。
并且是个老问题：浪费 token。
△图源：x@Hangslin
不少网友都提到，DeepSeek-V3.2 的长思考增强版 Speciale，确确实实以开源之姿又给闭源 TOP 们上了压力，但问题也很明显：
在面对复杂任务时，消耗的 token 数偏多，甚至可能会出现"又长又错"的答案。
比如，同样解决一个问题，Gemini 只用了 2 万个 token，而 Speciale 需要花费 7.7 万个。
这是怎么一回事？
有研究者指出，这其实是自 DeepSeek-R1-Zero 以来，DeepSeek 系列模型一直存在的一个" bug "。
简单来说，问题出在了 GRPO 算法上。
来自 Sea AI Lab 和新加坡国立大学等研究机构的学者认为，GRPO 存在两个"隐藏偏见"。
长度偏见：错误答案越长，惩罚反而会越轻
GRPO 计算奖励时，会把"答案长度"算进去 ，导致短的错误答案被罚得更重。
结果就是：模型会故意生成"又长又错"的答案，看起来像是在"认真推理"，其实是在"凑字数躲惩罚"。
难度偏见：太简单或太难的题被过度关注
GRPO 会根据"同一批题的得分标准差"调整权重。比如一道题所有人都做对（标准差小），或所有人都做错（标准差也小），这道题会被当成 "重点" 反复训练；而中等难度、有人对有人错的题（标准差大），反而被忽略。但实际训练中，中等难度的题才是提升能力的关键。
这项研究的核心作者 Zichen Liu 指出，DeepSeek-V3.2 已经通过新的优势值计算方式，修正了"难度偏见"（如下图红框所示）。
但仍然保留了有偏的长度规范项（如下图蓝框所示）。也就是说，"长度偏见"依然存在。
实际上，这个问题 DeepSeek 官方报告亦有提及。
技术报告中，DeepSeek 研究人员坦承，token 效率对于 DeepSeek-V3.2 而言，仍然是个挑战：通常情况下，本次上新的两个模型需要生成更长的轨迹，才能达到 Gemini-3.0-Pro 的输出质量。
而 DeepSeek-V3.2-Speciale 本身，也是特意放宽了 RL 的长度限制，允许模型生成极长思维链，使得模型能够通过大量消耗 token 来进行深度的自我修正和探索。
可以说走的是一条"在超长上下文下持续扩展强化学习"的路线。
考虑到从百万 token 的输出成本来看，DeepSeek-V3.2 价格仅为 GPT-5 的 1/24，似乎也尚可接受。
另外，也有网友指出，DeepSeek 的 128K 上下文已经很久没动了。这与 GPU 资源有限也不无关系。
你是否也已经用上 DeepSeek-V3.2 了？体验如何，欢迎在评论区与我们分享 ~
参考链接：
[ 1 ] https://x.com/zzlccc/status/1995770284385992798
[ 2 ] https://api-docs.deepseek.com/news/news251201
一键三连「点赞」「转发」「小心心」
欢迎在评论区留下你的想法！
— 完 —
� � 不到 2 周，量子位 MEET2026 智能未来大会就要来了！
张亚勤、孙茂松等 AI 行业重磅嘉宾，以及百度、高通、亚马逊等头部 AI 企业已确认出席，RockAI、太初元碁、自变量、小宿科技等业内新秀也将参与分享，还有更多嘉宾即将揭晓 � � 了解详情
� � 12 月 10 日
� � 北京金茂万丽酒店
，期待与你共论 AI 行业破局之道
� � 点亮星标 � �
科技前沿进展每日见配资论坛交流
华林优配提示：文章来自网络，不代表本站观点。
- 上一篇：配资论坛交流 新华指数 | 11月27日山东港口石油焦现货交易价格指数较前一交易日持平
- 下一篇：没有了
相关文章
热点资讯
推荐资讯