DeepSeek-V3.2

Apakah DeepSeek v3.2?

DeepSeek v3.2 ialah keluaran produksi terkini dalam keluarga V3 DeepSeek: satu keluarga model bahasa berwajaran terbuka berorientasikan penaakulan, direka untuk pemahaman konteks panjang, penggunaan agen/alatan yang teguh, penaakulan lanjutan, pengaturcaraan dan matematik. Keluaran ini menghimpunkan pelbagai varian (V3.2 produksi dan V3.2-Speciale berprestasi tinggi). Projek ini menekankan inferens konteks panjang yang kos-efisien melalui mekanisme perhatian jarang baharu yang dipanggil DeepSeek Sparse Attention (DSA) serta aliran kerja agen/“thinking” (“Thinking in Tool-Use”).

Ciri utama (tahap tinggi)

• DeepSeek Sparse Attention (DSA): mekanisme perhatian jarang yang bertujuan mengurangkan pengiraan secara dramatik dalam senario konteks panjang sambil mengekalkan penaakulan jarak jauh. (Tuntutan penyelidikan teras; digunakan dalam V3.2-Exp.)
• Pemikiran beragensi + penyepaduan penggunaan alat: V3.2 menekankan pembenaman “pemikiran” ke dalam penggunaan alat: model boleh beroperasi dalam mod pemikiran-penaakulan dan juga mod bukan pemikiran (normal) apabila memanggil alat, meningkatkan pembuatan keputusan dalam tugasan berbilang langkah dan orkestrasi alat.
• Saluran penyintesisan data agen berskala besar: DeepSeek melaporkan korpus latihan dan saluran sintesis agen merentasi ribuan persekitaran dan puluhan ribu arahan kompleks untuk meningkatkan keteguhan dalam tugasan interaktif.
• DeepSeek Sparse Attention (DSA): DSA ialah kaedah perhatian jarang berbutir halus yang diperkenalkan dalam siri V3.2 (pertama dalam V3.2-Exp) yang mengurangkan kerumitan perhatian (daripada O(L²) naif kepada gaya O(L·k) dengan k ≪ L), memilih set token kunci/nilai yang lebih kecil bagi setiap token pertanyaan. Hasilnya ialah penggunaan memori/pengiraan yang jauh lebih rendah untuk konteks yang sangat panjang (128K), menjadikan inferens konteks panjang jauh lebih murah.
• Rangka belakang Mixture-of-Experts (MoE) dan Multi-head Latent Attention (MLA): Keluarga V3 menggunakan MoE untuk meningkatkan kapasiti secara efisien (kiraan parameter nominal besar dengan pengaktifan per-token terhad) bersama kaedah MLA untuk mengekalkan kualiti dan mengawal pengiraan.

Spesifikasi teknikal (jadual ringkas)

• Julat parameter nominal: ~671B – 685B (bergantung varian).
• Tetingkap konteks (rujukan didokumenkan): 128,000 token (128K) dalam konfigurasi rujukan vLLM.
• Perhatian: DeepSeek Sparse Attention (DSA) + MLA; kerumitan perhatian dikurangkan untuk konteks panjang.
• Ketepatan numerik & latihan: BF16 / F32 dan format kuantis terkompres (F8_E4M3 dll.) tersedia untuk pengedaran.
• Keluarga seni bina: rangka belakang MoE (mixture-of-experts) dengan ekonomi pengaktifan per-token.
• Input / output: input teks tokenisasi standard (format sembang/mesej disokong); menyokong panggilan alat (primitif API penggunaan alat) serta panggilan gaya sembang interaktif dan pelengkapan berprogram melalui API.
• Varian yang ditawarkan: v3.2, v3.2-Exp (eksperimental, debut DSA), v3.2-Speciale (berorientasikan penaakulan, hanya API buat sementara waktu).

Prestasi penanda aras

Varian pengiraan tinggi V3.2-Speciale mencapai kesetaraan atau melebihi model kelas atasan semasa pada beberapa penanda aras penaakulan/matematik/pengaturcaraan, dan memperoleh markah tertinggi pada set masalah matematik elit terpilih. Pracetak menyerlahkan kesetaraan dengan model seperti GPT-5 / Kimi K2 pada penanda aras penaakulan terpilih, peningkatan khusus berbanding garis asas DeepSeek R1/V3 terdahulu:

• AIME: meningkat daripada 70.0 kepada 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 (tahap tinggi)

• Berbanding GPT-5 / Gemini 3 Pro (tuntutan umum): Pengarang DeepSeek dan beberapa saluran media mendakwa kesetaraan atau keunggulan pada tugasan penaakulan dan pengaturcaraan terpilih untuk varian Speciale, sambil menekankan kecekapan kos dan pelesenan terbuka sebagai pembeza.
• Berbanding model terbuka (Olmo, Nemotron, Moonshot, dll.): DeepSeek menonjolkan latihan beragensi dan DSA sebagai pembeza utama untuk kecekapan konteks panjang.

Contoh penggunaan representatif

• Sistem beragensi / orkestrasi: agen berbilang alat (API, pelayar laman, penyambung pelaksanaan kod) yang mendapat manfaat daripada “pemikiran” pada peringkat model + primitif panggilan alat yang jelas.
• Penaakulan / analisis dokumen panjang: dokumen undang-undang, korpus penyelidikan besar, transkrip mesyuarat — varian konteks panjang (128k token) membolehkan anda menyimpan konteks yang sangat besar dalam satu panggilan.
• Bantuan matematik & pengaturcaraan kompleks: V3.2-Speciale dipromosi untuk penaakulan matematik lanjutan dan tugas penyahpepijatan kod yang meluas berdasarkan penanda aras vendor.
• Penempatan produksi peka kos: DSA + perubahan harga bertujuan menurunkan kos inferens untuk beban kerja konteks tinggi.

Cara bermula menggunakan API DeepSeek v3.2

Harga API DeepSeek v3.2 di CometAPI, diskaun 20% daripada harga rasmi:

Langkah Diperlukan

• Log masuk ke cometapi.com. Jika anda belum menjadi pengguna kami, sila daftar terlebih dahulu
• Dapatkan kunci API akses bagi antaramuka. Klik “Add Token” pada token API di pusat peribadi, dapatkan kunci token: sk-xxxxx dan hantar.
• Dapatkan url laman ini: https://api.cometapi.com/

Kaedah Penggunaan

1. Pilih titik akhir “deepseek-v3.2” untuk menghantar permintaan API dan tetapkan badan permintaan. Kaedah permintaan dan badan permintaan diperoleh daripada dokumen API laman kami. Laman kami juga menyediakan ujian Apifox untuk kemudahan anda.
2. Gantikan <YOUR_API_KEY> dengan kunci CometAPI sebenar anda daripada akaun anda.
3. Pilih Chat format: Masukkan soalan atau permintaan anda ke dalam medan content—ini yang akan dijawab oleh model.
4. Proses respons API untuk mendapatkan jawapan yang dijana.