deepseek-v3.2

Masukan:$0.22/M

Keluaran:$0.35/M

Konteks:128K

Keluaran Maksimum:4K

Ikhtisar

Fitur

Harga

API

Versi

Apa itu DeepSeek v3.2?

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

Fitur utama (tingkat tinggi)

DeepSeek Sparse Attention (DSA): mekanisme atensi jarang yang dimaksudkan untuk secara drastis mengurangi komputasi dalam skenario konteks panjang sambil mempertahankan penalaran jarak jauh. (Klaim riset inti; digunakan dalam V3.2-Exp.)
Pemikiran agentik + integrasi penggunaan alat: V3.2 menekankan penyematan “thinking” ke dalam penggunaan alat: model dapat beroperasi dalam mode penalaran/pemikiran dan dalam mode non-thinking (normal) saat memanggil alat, sehingga meningkatkan pengambilan keputusan pada tugas bertahap dan orkestrasi alat.
Pipeline sintesis data agen skala besar: DeepSeek melaporkan korpus pelatihan dan pipeline sintesis agen yang mencakup ribuan lingkungan dan puluhan ribu instruksi kompleks untuk meningkatkan ketangguhan pada tugas interaktif.
DeepSeek Sparse Attention (DSA): DSA adalah metode atensi jarang berbutir halus yang diperkenalkan di lini V3.2 (pertama di V3.2-Exp) yang mengurangi kompleksitas atensi (dari O(L²) naif menjadi 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 sangat panjang (128K), membuat inferensi konteks panjang jauh lebih murah.
Backbone Mixture-of-Experts (MoE) 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 (rujukan terdokumentasi): 128.000 token (128K) dalam konfigurasi vLLM/referensi.
Atensi: DeepSeek Sparse Attention (DSA) + MLA; kompleksitas atensi berkurang untuk konteks panjang.
Presisi numerik & pelatihan: BF16 / F32 dan format kuantisasi terkompresi (F8_E4M3 dll.) tersedia untuk distribusi.
Keluarga arsitektur: backbone MoE (mixture-of-experts) dengan ekonomi aktivasi per-token.
Masukan / keluaran: masukan teks yang ditokenisasi standar (format chat/pesan didukung); mendukung pemanggilan alat (primitif API penggunaan alat) dan panggilan interaktif bergaya chat serta completion terprogram 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 berdaya komputasi tinggi mencapai paritas atau melampaui model kelas atas kontemporer pada beberapa benchmark penalaran/matematika/pengodean, dan meraih nilai tingkat atas pada kumpulan soal matematika elit tertentu. Pracetak menyoroti paritas dengan model seperti GPT-5 / Kimi K2 pada benchmark penalaran terpilih, peningkatan 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): Para penulis DeepSeek dan sejumlah media mengklaim paritas atau superioritas pada tugas penalaran dan pengodean tertentu untuk varian Speciale, sambil menekankan efisiensi biaya dan lisensi terbuka sebagai pembedanya.
Vs model terbuka (Olmo, Nemotron, Moonshot, dll.): DeepSeek menyoroti pelatihan agentik dan DSA sebagai pembeda kunci untuk efisiensi konteks panjang.

Kasus penggunaan representatif

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

Cara memulai menggunakan API DeepSeek v3.2

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

Token Masukan	$0.22
Token Keluaran	$0.35

Langkah yang diperlukan

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

Metode penggunaan

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

Fitur untuk DeepSeek-V3.2

Jelajahi fitur-fitur utama dari DeepSeek-V3.2, yang dirancang untuk meningkatkan performa dan kegunaan. Temukan bagaimana kemampuan-kemampuan ini dapat menguntungkan proyek Anda dan meningkatkan pengalaman pengguna.

text-to-text

text-to-music

speech-to-text

text-to-speech

text-to-image

image-to-image

image-editing

image-to-text

text-to-video

image-to-video

chat

video-to-text

pdf-to-text

Harga untuk DeepSeek-V3.2

Jelajahi harga kompetitif untuk DeepSeek-V3.2, dirancang untuk berbagai anggaran dan kebutuhan penggunaan. Paket fleksibel kami memastikan Anda hanya membayar untuk apa yang Anda gunakan, memudahkan untuk meningkatkan skala seiring berkembangnya kebutuhan Anda. Temukan bagaimana DeepSeek-V3.2 dapat meningkatkan proyek Anda sambil menjaga biaya tetap terkendali.

Harga Comet (USD / M Tokens)	Harga Resmi (USD / M Tokens)
Masukan:$0.22/M Keluaran:$0.35/M	Masukan:$0.27/M Keluaran:$0.43/M

Kode contoh dan API untuk DeepSeek-V3.2

Akses kode sampel komprehensif dan sumber daya API untuk DeepSeek-V3.2 guna mempermudah proses integrasi Anda. Dokumentasi terperinci kami menyediakan panduan langkah demi langkah, membantu Anda memanfaatkan potensi penuh DeepSeek-V3.2 dalam proyek Anda.

Python
JavaScript
Curl

from openai import OpenAI
import os

# Get your CometAPI key from https://api.cometapi.com/console/token, and paste it here
COMETAPI_KEY = os.environ.get("COMETAPI_KEY") or "<YOUR_COMETAPI_KEY>"
BASE_URL = "https://api.cometapi.com/v1"

client = OpenAI(base_url=BASE_URL, api_key=COMETAPI_KEY)

completion = client.chat.completions.create(
    model="deepseek-v3.2-exp",
    messages=[
        {"role": "system", "content": "You are a helpful assistant."},
        {"role": "user", "content": "Hello!"},
    ],
)

print(completion.choices[0].message.content)

Versi DeepSeek-V3.2

Alasan DeepSeek-V3.2 memiliki beberapa _snapshot_ mungkin mencakup faktor-faktor potensial seperti variasi keluaran setelah pembaruan yang memerlukan _snapshot_ lama untuk konsistensi, memberikan masa transisi bagi pengembang untuk beradaptasi dan bermigrasi, serta _snapshot_ berbeda yang sesuai dengan _endpoint_ global atau regional untuk mengoptimalkan pengalaman pengguna. Untuk perbedaan detail antar versi, silakan merujuk ke dokumentasi resmi.

deepseek-v3.2
DeepSeek-V3.2-Exp-nothinking
DeepSeek-V3.2-Exp-thinking

DeepSeek-V3.2