DeepSeek v3.2 とは？
DeepSeek v3.2 は DeepSeek V3 ファミリーにおける最新のプロダクションリリースで、長文脈理解、堅牢なエージェント／ツール使用、高度な推論、コーディングと数学に特化した推論優先のオープンウェイト言語モデル群です。リリースには複数のバリアント（プロダクション V3.2 と高性能な V3.2-Speciale）が含まれます。本プロジェクトは、DeepSeek Sparse Attention (DSA) と呼ばれる新しいスパースアテンション機構、およびエージェント／「思考」ワークフロー（“Thinking in Tool-Use”）によって、長文脈推論のコスト効率を重視しています。
主な特徴（ハイレベル）
- DeepSeek Sparse Attention (DSA): 長文脈シナリオにおける計算を劇的に削減しつつ長距離推論を維持することを意図したスパースアテンション機構。（中核的な研究主張；
V3.2-Expで使用） - エージェント的思考＋ツール使用の統合: V3.2 はツール使用に「思考」を埋め込むことを重視しています。ツール呼び出し時に、モデルは推論・思考モードと非思考（通常）モードの双方で動作でき、マルチステップタスクやツールのオーケストレーションにおける意思決定を改善します。
- 大規模エージェントデータ合成パイプライン: DeepSeek は数千の環境と数万の複雑な指示にわたる学習コーパスとエージェント合成パイプラインを報告しており、対話的タスクの堅牢性を高めています。
- DeepSeek Sparse Attention (DSA): DSA は V3.2 系（初出は
V3.2-Exp）で導入されたきめ細かなスパースアテンション手法で、アテンションの計算量を（単純な O(L²) から O(L·k) スタイルへ、k ≪ L）削減します。各クエリトークンに対してより少数のキー／バリュートークンを選択することで、非常に長い文脈（128K）におけるメモリ／計算量を大幅に低減し、長文脈推論を実質的に安価にします。 - Mixture-of-Experts (MoE) バックボーンと Multi-head Latent Attention (MLA): V3 ファミリーは、MoE により容量を効率的に増やし（名目上のパラメータ数を大きくしつつ、トークンあたりのアクティベーションを限定）、MLA を併用して品質と計算制御を維持します。
技術仕様（簡潔な一覧）
- 名目パラメータ範囲: 約 671B – 685B（バリアントに依存）
- コンテキストウィンドウ（文献上の参照）: vLLM/reference の設定で 128,000 tokens（128K）
- アテンション: DeepSeek Sparse Attention (DSA) + MLA；長文脈に対する計算量を削減
- 数値・学習精度: BF16 / F32 および配布用の圧縮量子化形式（F8_E4M3 など）を提供
- アーキテクチャファミリー: トークンごとのアクティベーションを抑える MoE（Mixture-of-Experts）バックボーン
- 入出力: 標準的なトークナイズ済みテキスト入力（チャット／メッセージ形式に対応）；ツール呼び出し（ツール使用 API プリミティブ）をサポートし、対話型のチャットスタイル呼び出しと API 経由のプログラム的補完に対応
- 提供バリアント:
v3.2,v3.2-Exp（実験的、DSA 初登場）,v3.2-Speciale（推論優先、当面は API 限定）
ベンチマーク性能
高計算 V3.2-Speciale は、複数の推論／数学／コーディング系ベンチマークで同時代の高性能モデルに並ぶ、あるいは上回る水準に達しており、選抜された高度な数学問題セットでトップレベルの評価を獲得しています。プレプリントでは、GPT-5／Kimi K2 などのモデルと特定の推論系ベンチマークで同等性を強調し、既存の DeepSeek R1／V3 ベースラインに対する具体的な改善点を示しています。
- AIME: 70.0 から 87.5 へ（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）
他モデルとの比較（ハイレベル）
- 対 GPT-5／Gemini 3 Pro（公開主張）: DeepSeek の著者および複数の報道は、Speciale バリアントが特定の推論・コーディングタスクで同等または優位と主張し、コスト効率とオープンライセンスを差別化要因として強調しています。
- 対オープンモデル（Olmo, Nemotron, Moonshot など）: DeepSeek は、長文脈効率におけるエージェント的学習と DSA を主な差別化要因として強調しています。
代表的ユースケース
- エージェントシステム／オーケストレーション: モデルレベルの「思考」と明示的なツール呼び出しプリミティブを活用するマルチツールエージェント（API、ウェブスクレイパー、コード実行コネクタなど）
- 長文書の推論／分析: 法的文書、大規模研究コーパス、会議の文字起こし—長文脈バリアント（128k tokens）により、非常に大きなコンテキストを単一コールで保持可能
- 高度な数学・コーディング支援: ベンダーベンチマークに基づき、
V3.2-Specialeは高度な数学的推論と大規模なコードデバッグに適するとされています - コストに敏感なプロダクション導入: DSA と価格変更により、長文脈ワークロードの推論コスト低減を目指します
DeepSeek v3.2 API の利用開始方法
CometAPI における DeepSeek v3.2 API の料金（公式価格から 20% 引き）:
| 入力トークン | $0.22 |
|---|---|
| 出力トークン | $0.35 |
必要な手順
- cometapi.com にログインします。まだユーザーでない場合は、まず登録してください
- インターフェースのアクセス認証 API キーを取得します。パーソナルセンターの API token で「Add Token」をクリックし、トークンキー: sk-xxxxx を取得して送信します。
- 本サイトの URL を取得します:
https://api.cometapi.com/
利用方法
- 「
deepseek-v3.2」エンドポイントを選択して API リクエストを送信し、リクエストボディを設定します。リクエストメソッドとリクエストボディは当社サイトの API ドキュメントから取得できます。当社サイトは利便性のため Apifox のテストも提供しています。 - アカウントの実際の CometAPI キーで <YOUR_API_KEY> を置き換えます。
- Chat 形式を選択します：質問やリクエストを content フィールドに挿入します—モデルはその内容に応答します。
- .API レスポンスを処理して生成された回答を取得します。