DeepSeek V3.2-Exp: Sparse Attention & API-Preis

Lisa Ernst · 29.09.2025 · Technik · 5 min

DeepSeek hat mit V3.2-Exp ein experimentelles Zwischenmodell veröffentlicht, das auf der V3.1-Architektur basiert. Die Einführung von DeepSeek Sparse Attention (DSA) zielt darauf ab, den Rechenaufwand zu reduzieren, insbesondere bei langen Kontexten, ohne die Ausgabequalität signifikant zu beeinträchtigen. Begleitend dazu kündigte DeepSeek eine deutliche Senkung der API-Preise an. Dieser Schritt wird als Vorbereitung auf die nächste Modellgeneration und als Reaktion auf den Wettbewerbsdruck im KI-Markt interpretiert.

Quelle: Eigene Darstellung

DeepSeek V3.2-Exp Überblick

DeepSeek V3.2-Exp ist ein experimentelles Zwischenmodell, das auf DeepSeek V3.1 („Terminus“) aufbaut. Die zentrale Neuerung ist die DeepSeek Sparse Attention (DSA). Diese sparsame Aufmerksamkeits-Variante reduziert den Rechenaufwand, indem sie nicht mehr alle früheren Tokens gleichzeitig betrachtet, sondern eine gezielt gewählte, kleinere Teilmenge. Dies senkt den Speicher- und Rechenbedarf und erleichtert die Verarbeitung langer Eingaben, wie in der Dokumentation von vLLM erläutert. Laut Hersteller bleibt die Leistung in Benchmarks in etwa auf dem Niveau von V3.1-Terminus.

Die Modelldateien und die technische Beschreibung sind öffentlich zugänglich. Eine Model Card auf Hugging Face sowie ein Tech-Report sind verfügbar. DeepSeek hat V3.2-Exp heute als „intermediate step“ zur nächsten Generation veröffentlicht und zugleich eine deutliche Senkung der API-Preise um „50%+“ angekündigt, wie Reuters berichtet. Die offiziellen API-Dokumente nennen DSA als Kerninnovation, verweisen auf Parität zu V3.1-Terminus in Benchmarks und bestätigen die Preissenkung. V3.1-Terminus bleibt vorübergehend erreichbar, um Vergleiche zu erleichtern.

Quelle: deepseekv3.org

Leistungs- und Kostenvergleich von DeepSeek-V3 mit führenden KI-Modellen, der die Wettbewerbsfähigkeit des Modells hervorhebt.

Hintergründe und Motivation

Dieser Schritt ist Teil einer langfristigen Strategie. Bereits im Februar senkte DeepSeek die Off-Peak-Preise um bis zu 75% zwischen 16:30–00:30 GMT, was insbesondere europäischen Arbeitszeiten entgegenkommt, wie Reuters berichtete. Zudem hatte DeepSeek im Februar „Native Sparse Attention“ als Algorithmus angekündigt und die Offenlegung von Code bekräftigt, was darauf hindeutet, dass DSA nicht ad hoc, sondern Teil einer langfristigen Effizienzstrategie ist, wie Reuters feststellte. Chinesische Medien ordnen V3.2-Exp als experimentellen Zwischenschritt in eine schnelle Release-Taktung ein (V3.1 im August, V3.1-Update im September), wie die SCMP berichtete.

Die Motive für diesen Zwischenschritt sind vielfältig. Erstens: Kosten- und Effizienzdruck. Sparsame Aufmerksamkeit senkt die Inferenzkosten bei langen Kontexten, sowohl für den Anbieter als auch für die Nutzer. In Verbindung mit gesenkten API-Preisen schärft dies DeepSeeks Preis-Leistungs-Positionierung. Zweitens: Taktbeschleunigung. Häufige Zwischenreleases halten die Aufmerksamkeit hoch und erlauben es, Architekturideen – hier DSA – in der Praxis zu testen, bevor „Next-Gen“-Modelle eingeführt werden. Drittens: Markt- und Plattformdynamik. Low-Cost-/High-Performance-Signale von DeepSeek haben bereits 2025 spürbare Marktreaktionen ausgelöst; Wettbewerber mussten Strategien und Preise überdenken, wie The Guardian berichtete.

Das Video skizziert die Idee hinter „Native Sparse Attention“ als Kontext für das, was DeepSeek nun mit DSA produktnah testet.

Analyse und Bewertung

Belegt ist der heutige Release von V3.2-Exp als experimentelles Zwischenmodell und die Einführung von DeepSeek Sparse Attention. Die offizielle Preisreduktion von „50%+“ und der fortbestehende Zugriff auf V3.1-Terminus für Vergleiche sind ebenfalls bestätigt. Modelle, Artefakte und Benchmarks sind öffentlich abrufbar; Model Card und Tech-Report führen Parität zu V3.1-Terminus auf ausgewählten Benchmarks an.

Quelle: deepnewz.com

Architektur der Native Sparse Attention, die die Effizienz und Leistungsfähigkeit von DeepSeek V3.2-Exp ermöglicht.

Unklar ist, wie sich DSA unter Produktionslast in vielfältigen Werkzeugketten (RAG, Agents, Tool Use) im Vergleich zu V3.1-Terminus verhält; erste Community-Tests sind anekdotisch. Ebenso unklar ist, wie stark die Preissenkung dauerhaft ist und ob sie auf alle Regionen/Zeitzonen gleich wirkt; Off-Peak-Mechaniken deuten auf differenzierte Preismodelle hin. Die Behauptung „Nächste Generation ist da“ ist falsch/irreführend, da V3.2-Exp ausdrücklich als Zwischenstufe bezeichnet wird, nicht als „Next-Gen“-Release.

Wettbewerber bewerten DeepSeeks Einfluss unterschiedlich: Anthropic sprach von „fast keinem Einfluss“ auf die eigene Strategie und betont langfristige Partnerschaften statt reiner API-Transaktionen, wie Business Insider berichtete. OpenAI-CEO Sam Altman bezeichnete den Wettbewerb als „belebend“ und kündigte schnellere Releases „besserer Modelle“ an, wie Business Insider festhielt. An den Finanzmärkten gab es Anfang 2025 sichtbare Reaktionen auf DeepSeeks Vorstöße, was die Wahrnehmung des Preis-Leistungs-Paradigmas in der KI veränderte.

Auswirkungen und Empfehlungen

Für Entwickler:innen bedeutet dies, dass längere Kontexte zu geringeren Kosten praktikabler werden. Es empfiehlt sich, V3.2-Exp gegen aktuelle Pipelines (z. B. RAG, Agents, Code-Assist) zu testen und auf Latenz, Stabilität und Tokenkosten zu achten. DeepSeek stellt einen Vergleichspfad zu V3.1-Terminus bereit. Für Unternehmen erhöht der Preiswettbewerb die Verhandlungsmacht. Es ist ratsam, Vertragsmodelle (On-/Off-Peak), Daten- und Compliance-Anforderungen zu prüfen und Vendor-Diversifikation zu planen.

Quelle: deepseekv3.org

Preisgestaltung der DeepSeek-V3 API, die die Kosteneffizienz für Input- und Output-Token hervorhebt.

Für das Ökosystem gilt: Wenn DSA hält, was es verspricht, könnte eine Welle sparsamer Attention-Verfahren in Mainstream-Inferenzpfade wandern (z. B. vLLM-Rezepte/Deploy-Guides). Offene Fragen bleiben: Wie robust ist DSA über Domänen hinweg (Code, Tool Use, Multilingual, Retrieval)? Hier helfen offene, reproduzierbare Benchmarks und unabhängige Langzeit-Tests. Wie nachhaltig sind die Preisreduktionen über Regionen und Tageszeiten? Transparente Preismatrizen und reale Nutzungskurven wären hilfreich. Welche Rolle spielen neue Trainings- und Infrastrukturangaben (z. B. Kosten, Hardware) für künftige Generationen – und wie werden sie verifiziert?

Fazit: DeepSeek V3.2-Exp ist kein „großer Wurf“, sondern ein sinnvoller Probelauf. DSA verspricht weniger Rechenaufwand bei langen Kontexten, der Anbieter unterlegt das mit Preissenkungen und offener Bereitstellung. Für Entwickler:innen und Unternehmen bedeutet dies, pragmatisch zu vergleichen, reale Workloads zu messen und die Kostenseite neu zu verhandeln – mit Blick auf Stabilität, Compliance und Zukunftssicherheit.