DeepSeek-V3.2

Apa itu DeepSeek v3.2?

DeepSeek v3.2 adalah rilis produksi terbaru dalam keluarga DeepSeek V3: sebuah keluarga model bahasa open-weight berukuran besar yang berorientasi pada penalaran, dirancang untuk pemahaman konteks panjang, penggunaan agen/alat yang andal, penalaran tingkat lanjut, pengodean, dan matematika. Rilis ini membundel beberapa varian (V3.2 produksi dan V3.2-Speciale berkinerja tinggi). Proyek ini menekankan inferensi konteks panjang yang hemat biaya melalui mekanisme atensi jarang (sparse attention) baru yang disebut 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 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 “thinking” ke dalam penggunaan alat: model dapat beroperasi dalam mode penalaran/thinking dan dalam mode non-thinking (normal) saat memanggil alat, sehingga meningkatkan pengambilan keputusan pada tugas multi-langkah 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 keandalan pada tugas interaktif.
• DeepSeek Sparse Attention (DSA): DSA adalah metode atensi jarang berbutir halus yang diperkenalkan pada lini V3.2 (pertama di V3.2-Exp) yang mengurangi kompleksitas atensi (dari O(L²) naif ke gaya O(L·k) dengan k ≪ L), 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), sehingga inferensi konteks panjang menjadi jauh lebih murah.
• Rangka 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 (referensi terdokumentasi): 128,000 token (128K) dalam konfigurasi vLLM/reference.
• 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: rangka MoE (mixture-of-experts) dengan ekonomi aktivasi per-token.
• Input / output: input teks yang ditokenisasi standar (format chat/pesan didukung); mendukung panggilan alat (primitif API tool-use) serta panggilan bergaya chat interaktif dan penyelesaian 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 kesetaraan atau melampaui model kelas atas kontemporer pada sejumlah benchmark penalaran/matematika/pengodean, serta meraih nilai tingkat puncak pada himpunan soal matematika elite terpilih. Pracetak menyoroti kesetaraan dengan model seperti GPT-5 / Kimi K2 pada benchmark penalaran tertentu, serta peningkatan spesifik dibandingkan 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 beberapa media mengklaim kesetaraan atau keunggulan pada tugas penalaran dan pengodean tertentu untuk varian Speciale, sambil menekankan efisiensi biaya dan lisensi terbuka sebagai pembeda.
• Vs model terbuka (Olmo, Nemotron, Moonshot, dll.): DeepSeek menyoroti pelatihan berbasis agen dan DSA sebagai pembeda kunci untuk efisiensi konteks panjang.

Kasus penggunaan yang representatif

• Sistem agen / orkestrasi: agen multi-alat (API, web scraper, konektor eksekusi kode) yang mendapat manfaat dari “thinking” pada tingkat model + primitif panggilan alat yang eksplisit.
• Penalaran/analisis dokumen panjang: dokumen hukum, korpus riset besar, transkrip rapat — varian konteks panjang (128k token) memungkinkan Anda menjaga konteks yang sangat besar dalam satu panggilan.
• Bantuan matematika & pengodean kompleks: V3.2-Speciale dipromosikan untuk penalaran matematika tingkat lanjut dan tugas debugging kode yang ekstensif sesuai benchmark vendor.
• Penerapan produksi sensitif 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:

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 API token 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 di situs kami. Situs kami juga menyediakan pengujian Apifox untuk kemudahan Anda.
2. Ganti <YOUR_API_KEY> dengan kunci CometAPI Anda yang sebenarnya dari akun Anda.
3. Pilih format Chat: Masukkan pertanyaan atau permintaan Anda ke dalam kolom content—itulah yang akan ditanggapi model.
4. Proses respons API untuk mendapatkan jawaban yang dihasilkan.