核心亮点
- DSA技术显著降低推理消耗:通过索引器选出k个关键token(top-k),将计算复杂度从L²降低至LK(k远小于L),大幅节省算力。
- 扩展训练规模与性能提升:训练规模超预训练10%,结合agentic任务合成系统,部分基准超越Gemini3等水平。
不足之处
- 高复杂度agent任务表现不足:成功率(ds 12%)远低于Gemini3pro(64%)。
- 性能提升需更多token:达到同等效果需要更多输入token。
- 世界知识广度不足:影响知识性问题回答正确率,论文明确指出与前沿模型存在差距。
应用前景
- 国内应用优势:DS V3.2部分场景拉平了模型能力与成本差距,结合应用低筹码+豆包手机等因素,看好应用行情。
- 推荐标的:税友、金山、合合、深信服、fubo集团、金蝶等,手机相关产业链。
未来展望
- 杰文斯悖论持续演绎:大厂内部目标(如OAI 2030)推动token消耗增长,需持续跟踪但信心仍存。
- 范式级跃升:世界模型、完整记忆模型、自主学习模型(如谷歌新论文、genie3、grok5)或带来革命性突破,明年值得期待。