DeepSeek-V3.2

Apa itu DeepSeek v3.2?

DeepSeek v3.2 adalah rilis produksi terbaru dalam keluarga V3 DeepSeek: sebuah keluarga model bahasa open-weight berorientasi penalaran yang dirancang untuk pemahaman konteks panjang, penggunaan agen/alat yang andal, penalaran lanjutan, pengodean dan matematika. Rilis ini mencakup beberapa varian (produksi V3.2 dan V3.2-Speciale berkinerja tinggi). Proyek ini menekankan inferensi konteks panjang yang hemat biaya melalui mekanisme perhatian jarang baru bernama DeepSeek Sparse Attention (DSA) serta alur kerja agen/“berpikir” (“Thinking in Tool-Use”).

Fitur utama (tingkat tinggi)

• DeepSeek Sparse Attention (DSA): mekanisme perhatian jarang yang ditujukan untuk secara drastis mengurangi komputasi dalam skenario konteks panjang sambil mempertahankan penalaran jarak jauh. (Klaim riset inti; digunakan di V3.2-Exp.)
• Pemikiran agentik + integrasi penggunaan alat: V3.2 menekankan penyematan “pemikiran” ke dalam penggunaan alat: model dapat beroperasi dalam mode penalaran-berpikir dan mode non-berpikir (normal) saat memanggil alat, meningkatkan pengambilan keputusan pada tugas multi-langkah dan orkestrasi alat.
• Pipa sintesis data agen skala besar: DeepSeek melaporkan korpus pelatihan dan pipa sintesis agen yang mencakup ribuan lingkungan dan puluhan ribu instruksi kompleks untuk meningkatkan ketangguhan pada tugas interaktif.
• DeepSeek Sparse Attention (DSA): DSA adalah metode perhatian jarang berbutir halus yang diperkenalkan pada lini V3.2 (pertama di V3.2-Exp) yang mengurangi kompleksitas perhatian (dari O(L²) naif ke gaya O(L·k) dengan k ≪ L), dengan memilih himpunan token key/value yang lebih kecil per token query. Hasilnya adalah penggunaan memori/komputasi yang jauh lebih rendah untuk konteks yang sangat panjang (128K), menjadikan inferensi konteks panjang secara material lebih murah.
• Mixture-of-Experts (MoE) backbone dan Multi-head Latent Attention (MLA): Keluarga V3 menggunakan MoE untuk meningkatkan kapasitas secara efisien (jumlah parameter nominal besar dengan aktivasi per-token terbatas) bersama metode MLA untuk menjaga kualitas dan mengendalikan komputasi.

Spesifikasi teknis (ringkas)

• Rentang parameter nominal: ~671B – 685B (tergantung varian).
• Jendela konteks (referensi terdokumentasi): 128,000 tokens (128K) dalam konfigurasi vLLM/reference.
• Perhatian: DeepSeek Sparse Attention (DSA) + MLA; kompleksitas perhatian yang dikurangi untuk konteks panjang.
• Presisi numerik & pelatihan: BF16 / F32 dan format kuantisasi terkompresi (F8_E4M3 dll.) tersedia untuk distribusi.
• Keluarga arsitektur: tulang punggung MoE (mixture-of-experts) dengan ekonomi aktivasi per-token.
• Input / output: masukan teks yang ditokenisasi standar (format chat/pesan didukung); mendukung pemanggilan alat (primitif API tool-use) dan baik panggilan gaya chat interaktif maupun penyelesaian programatik melalui API.
• Varian yang ditawarkan: v3.2, v3.2-Exp (eksperimental, debut DSA), v3.2-Speciale (berorientasi penalaran, hanya API untuk jangka pendek).

Kinerja benchmark

V3.2-Speciale berkomputasi-tinggi mencapai paritas atau melampaui model kelas atas kontemporer pada sejumlah tolok ukur penalaran/matematika/pengodean, dan meraih nilai tingkat atas pada himpunan soal matematika elit terpilih. Preprint menyoroti paritas dengan model seperti GPT-5 / Kimi K2 pada tolok ukur penalaran terpilih, perbaikan spesifik dibanding baseline DeepSeek R1/V3 sebelumnya:

• AIME: meningkat dari 70.0 menjadi 87.5 (Δ +17.5).
• GPQA: 71.5 → 81.0 (Δ +9.5).
• LCB_v6: 63.5 → 73.3 (Δ +9.8).
• Aider: 57.0 → 71.6 (Δ +14.6).

Perbandingan dengan model lain (tingkat tinggi)

• Vs GPT-5 / Gemini 3 Pro (klaim publik): Penulis DeepSeek dan sejumlah media mengklaim paritas atau superioritas pada tugas penalaran dan pengodean terpilih untuk varian Speciale, sambil menekankan efisiensi biaya dan lisensi terbuka sebagai pembedanya.
• Vs model terbuka (Olmo, Nemotron, Moonshot, dll.): DeepSeek menyoroti pelatihan bersifat agen dan DSA sebagai pembedaan kunci untuk efisiensi konteks panjang.

Kasus penggunaan representatif

• Sistem/orkestrasi agen: agen multi-alat (API, web scraper, konektor eksekusi kode) yang mendapat manfaat dari “pemikiran” tingkat model + primitif pemanggilan alat eksplisit.
• Penalaran/analisis dokumen panjang: dokumen legal, korpus riset besar, transkrip rapat — varian konteks panjang (128k token) memungkinkan Anda mempertahankan konteks yang sangat besar dalam satu panggilan.
• Bantuan matematika & pengodean kompleks: V3.2-Speciale dipromosikan untuk penalaran matematika tingkat lanjut dan debug kode ekstensif sesuai tolok ukur vendor.
• Penerapan produksi sensitif biaya: DSA + perubahan harga bertujuan menurunkan biaya inferensi untuk beban kerja berkonteks tinggi.

Cara memulai menggunakan DeepSeek v3.2 API

Harga DeepSeek v3.2 API di CometAPI, diskon 20% dari harga resmi:

Langkah yang diperlukan

• Masuk ke cometapi.com. Jika Anda belum menjadi pengguna kami, silakan daftar terlebih dahulu
• Dapatkan kredensial akses kunci API antarmuka. Klik “Add Token” pada token API di pusat pribadi, dapatkan kunci token: sk-xxxxx dan kirimkan.
• Dapatkan url situs ini: https://api.cometapi.com/

Metode penggunaan

1. Pilih endpoint “deepseek-v3.2” untuk mengirim permintaan API dan atur request body. Metode permintaan dan request body diperoleh dari dokumen API situs kami. Situs kami juga menyediakan pengujian Apifox untuk kenyamanan Anda.
2. Ganti <YOUR_API_KEY> dengan kunci CometAPI sebenarnya dari akun Anda.
3. Pilih format Chat: Masukkan pertanyaan atau permintaan Anda ke dalam field content—itulah yang akan direspons oleh model.
4. .Proses respons API untuk mendapatkan jawaban yang dihasilkan.