โมเดลราคาองค์กร
500+ AI Model API ทั้งหมดในหนึ่ง API เพียงแค่ใน CometAPI
API โมเดล
นักพัฒนา
เริ่มต้นอย่างรวดเร็วเอกสารประกอบแดชบอร์ด API
บริษัท
เกี่ยวกับเราองค์กร
ทรัพยากร
โมเดล AIบล็อกบันทึกการเปลี่ยนแปลงสนับสนุน
ข้อกำหนดการให้บริการนโยบายความเป็นส่วนตัว
© 2026 CometAPI · All rights reserved
Home/Models/DeepSeek/DeepSeek-V3.2
D

DeepSeek-V3.2

อินพุต:$0.216/M
เอาต์พุต:$0.3456/M
บริบท:128K
เอาต์พุตสูงสุด:4K
DeepSeek v3.2 เป็นรุ่นสำหรับการใช้งานจริงล่าสุดในตระกูล DeepSeek V3: ตระกูลโมเดลภาษาแบบเปิดน้ำหนักขนาดใหญ่ที่เน้นการให้เหตุผลเป็นอันดับแรก ออกแบบมาสำหรับการทำความเข้าใจบริบทยาว การใช้งานเอเจนต์/เครื่องมือที่เชื่อถือได้ การให้เหตุผลขั้นสูง การเขียนโค้ด และคณิตศาสตร์.
ใหม่
ใช้งานเชิงพาณิชย์
Playground
ภาพรวม
คุณสมบัติ
ราคา
API
เวอร์ชัน

DeepSeek v3.2 คืออะไร?

DeepSeek v3.2 คือรุ่นสำหรับใช้งานจริงล่าสุดในตระกูล DeepSeek V3: ตระกูลโมเดลภาษาขนาดใหญ่แบบ open-weight ที่เน้นการให้เหตุผลเป็นหลัก ซึ่งออกแบบมาสำหรับ การทำความเข้าใจบริบทยาว, การใช้งานเอเจนต์/เครื่องมืออย่างมีความทนทาน, การให้เหตุผลขั้นสูง, การเขียนโค้ด และคณิตศาสตร์ รุ่นนี้รวมหลายเวอร์ชันไว้ด้วยกัน (ทั้ง V3.2 สำหรับการใช้งานจริง และ V3.2-Speciale ประสิทธิภาพสูง) โดยโครงการนี้เน้นการทำ inference กับบริบทยาวอย่างคุ้มค่า ผ่านกลไก sparse attention ใหม่ที่เรียกว่า DeepSeek Sparse Attention (DSA) และเวิร์กโฟลว์เอเจนต์ / “การคิด” (“Thinking in Tool-Use”)

คุณสมบัติหลัก (ภาพรวม)

  • DeepSeek Sparse Attention (DSA): กลไก sparse-attention ที่ออกแบบมาเพื่อลดการคำนวณอย่างมากในสถานการณ์ที่มีบริบทยาว ขณะยังคงความสามารถในการให้เหตุผลระยะไกลไว้ได้ (เป็นข้ออ้างอิงงานวิจัยหลัก; ใช้ใน V3.2-Exp)
  • การคิดเชิงเอเจนต์ + การผสานการใช้เครื่องมือ: V3.2 เน้นการฝัง “การคิด” เข้าไปในการใช้เครื่องมือ: โมเดลสามารถทำงานในโหมด reasoning-thinking และโหมด non-thinking (ปกติ) เมื่อเรียกใช้เครื่องมือ ช่วยปรับปรุงการตัดสินใจในงานหลายขั้นตอนและการ orchestration ของเครื่องมือ
  • ไปป์ไลน์การสังเคราะห์ข้อมูลเอเจนต์ขนาดใหญ่: DeepSeek รายงานคอร์ปัสการฝึกและไปป์ไลน์การสังเคราะห์เอเจนต์ที่ครอบคลุมหลายพันสภาพแวดล้อมและคำสั่งที่ซับซ้อนหลายหมื่นรายการ เพื่อเพิ่มความทนทานสำหรับงานเชิงโต้ตอบ
  • DeepSeek Sparse Attention (DSA): DSA เป็นวิธี fine-grained sparse attention ที่เปิดตัวในสาย V3.2 (ครั้งแรกใน V3.2-Exp) ซึ่งลดความซับซ้อนของ attention (จาก O(L²) แบบตรงไปตรงมา เป็นลักษณะ O(L·k) โดยที่ k ≪ L) ด้วยการเลือก key/value token จำนวนน้อยกว่าสำหรับแต่ละ query token ผลลัพธ์คือใช้หน่วยความจำ/การคำนวณลดลงอย่างมากสำหรับบริบทยาวมาก (128K) ทำให้การทำ inference กับบริบทยาวมีต้นทุนถูกลงอย่างมีนัยสำคัญ
  • แกนสถาปัตยกรรม Mixture-of-Experts (MoE) และ Multi-head Latent Attention (MLA): ตระกูล V3 ใช้ MoE เพื่อเพิ่มความจุอย่างมีประสิทธิภาพ (มีจำนวนพารามิเตอร์โดยรวมสูง แต่การเปิดใช้งานต่อโทเค็นมีจำกัด) ควบคู่กับวิธี MLA เพื่อรักษาคุณภาพและควบคุมต้นทุนการคำนวณ

ข้อมูลจำเพาะทางเทคนิค (ตารางแบบย่อ)

  • ช่วงจำนวนพารามิเตอร์ตามชื่อ: ~671B – 685B (ขึ้นอยู่กับเวอร์ชัน)
  • หน้าต่างบริบท (อ้างอิงตามเอกสาร): 128,000 โทเค็น (128K) ในคอนฟิก vLLM/อ้างอิง
  • Attention: DeepSeek Sparse Attention (DSA) + MLA; ลดความซับซ้อนของ attention สำหรับบริบทยาว
  • ความแม่นยำเชิงตัวเลขและการฝึก: BF16 / F32 และฟอร์แมตบีบอัดแบบ quantized (F8_E4M3 เป็นต้น) มีให้สำหรับการแจกจ่าย
  • ตระกูลสถาปัตยกรรม: แกน MoE (mixture-of-experts) พร้อมความประหยัดด้านการเปิดใช้งานต่อโทเค็น
  • อินพุต / เอาต์พุต: อินพุตข้อความที่ผ่านการ tokenized มาตรฐาน (รองรับรูปแบบ chat/message); รองรับ tool-calls (primitives ของ API สำหรับการใช้เครื่องมือ) และทั้งการเรียกแบบแชตเชิงโต้ตอบและ programmatic completions ผ่าน API
  • เวอร์ชันที่มีให้: v3.2, v3.2-Exp (ทดลอง, เปิดตัว DSA ครั้งแรก), v3.2-Speciale (เน้นการให้เหตุผลเป็นหลัก, API-only ในระยะสั้น)

ประสิทธิภาพบนเบนช์มาร์ก

V3.2-Speciale ที่ใช้การประมวลผลระดับสูง มีผลลัพธ์เทียบเท่าหรือเหนือกว่าโมเดลระดับสูงร่วมสมัยหลายรุ่นในเบนช์มาร์กด้านการให้เหตุผล/คณิตศาสตร์/การเขียนโค้ดหลายรายการ และทำคะแนนระดับสูงสุดในชุดโจทย์คณิตศาสตร์ระดับยากบางชุด รายงาน preprint เน้นว่ามีความสามารถทัดเทียมกับโมเดลอย่าง GPT-5 / Kimi K2 ในเบนช์มาร์กการให้เหตุผลบางรายการ รวมถึงมีการปรับปรุงเฉพาะเมื่อเทียบกับ DeepSeek R1/V3 รุ่นก่อนหน้า:

  • AIME: ปรับปรุงจาก 70.0 เป็น 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)

การเปรียบเทียบกับโมเดลอื่น (ภาพรวม)

  • เมื่อเทียบกับ GPT-5 / Gemini 3 Pro (ตามคำกล่าวอ้างสาธารณะ): ผู้เขียน DeepSeek และสื่อหลายแห่งอ้างว่ามีความสามารถเทียบเท่าหรือเหนือกว่าในงานการให้เหตุผลและการเขียนโค้ดบางประเภทสำหรับเวอร์ชัน Speciale พร้อมทั้งเน้นเรื่องความคุ้มค่าด้านต้นทุนและไลเซนส์แบบเปิดเป็นจุดแตกต่าง
  • เมื่อเทียบกับโมเดลเปิดอื่น ๆ (Olmo, Nemotron, Moonshot ฯลฯ): DeepSeek เน้นว่าการฝึกแบบ agentic และ DSA เป็นจุดแตกต่างสำคัญในด้านประสิทธิภาพสำหรับบริบทยาว

กรณีใช้งานตัวอย่าง

  • ระบบเอเจนต์ / orchestration: เอเจนต์หลายเครื่องมือ (API, web scrapers, ตัวเชื่อมต่อสำหรับรันโค้ด) ที่ได้ประโยชน์จาก “การคิด” ระดับโมเดล + primitives สำหรับการเรียกใช้เครื่องมืออย่างชัดเจน
  • การให้เหตุผล / การวิเคราะห์เอกสารยาว: เอกสารกฎหมาย, ชุดงานวิจัยขนาดใหญ่, บันทึกการประชุม — เวอร์ชันที่รองรับบริบทยาว (128k โทเค็น) ช่วยให้คุณคงบริบทขนาดใหญ่มากไว้ในการเรียกครั้งเดียวได้
  • ความช่วยเหลือด้านคณิตศาสตร์และการเขียนโค้ดที่ซับซ้อน: V3.2-Speciale ถูกนำเสนอสำหรับการให้เหตุผลทางคณิตศาสตร์ขั้นสูงและงานดีบักโค้ดขนาดใหญ่ ตามเบนช์มาร์กของผู้ให้บริการ
  • การใช้งานจริงที่ไวต่อต้นทุน: DSA + การเปลี่ยนแปลงด้านราคา มีเป้าหมายเพื่อลดต้นทุน inference สำหรับเวิร์กโหลดที่มีบริบทยาว

วิธีเริ่มต้นใช้งาน DeepSeek v3.2 API

DeepSeek v3.2 ราคา API บน CometAPI ลด 20% จากราคาทางการ:

Input Tokens$0.22
Output Tokens$0.35

ขั้นตอนที่จำเป็น

  • เข้าสู่ระบบที่ cometapi.com หากคุณยังไม่ใช่ผู้ใช้ของเรา กรุณาสมัครก่อน
  • รับข้อมูลรับรองการเข้าถึง API key ของอินเทอร์เฟซ คลิก “Add Token” ที่ส่วน API token ในศูนย์ส่วนบุคคล รับ token key: sk-xxxxx แล้วส่ง
  • รับ url ของเว็บไซต์นี้: https://api.cometapi.com/

วิธีใช้งาน

  1. เลือก endpoint “deepseek-v3.2” เพื่อส่งคำขอ API และกำหนด request body โดยสามารถดูวิธีการส่งคำขอและ request body ได้จากเอกสาร API บนเว็บไซต์ของเรา เว็บไซต์ของเรายังมีการทดสอบผ่าน Apifox เพื่อความสะดวกของคุณด้วย
  2. แทนที่ <YOUR_API_KEY> ด้วย CometAPI key จริงจากบัญชีของคุณ
  3. เลือกรูปแบบ Chat: ใส่คำถามหรือคำขอของคุณลงในฟิลด์ content — นี่คือสิ่งที่โมเดลจะตอบกลับ
  4. ประมวลผลการตอบสนองจาก API เพื่อรับคำตอบที่สร้างขึ้น

ราคาสำหรับ DeepSeek-V3.2

สำรวจราคาที่แข่งขันได้สำหรับ DeepSeek-V3.2 ที่ออกแบบมาให้เหมาะสมกับงบประมาณและความต้องการการใช้งานที่หลากหลาย แผนการบริการที่ยืดหยุ่นของเรารับประกันว่าคุณจะจ่ายเฉพาะสิ่งที่คุณใช้เท่านั้น ทำให้สามารถขยายขนาดได้ง่ายเมื่อความต้องการของคุณเพิ่มขึ้น ค้นพบว่า DeepSeek-V3.2 สามารถยกระดับโปรเจกต์ของคุณได้อย่างไรในขณะที่ควบคุมต้นทุนให้อยู่ในระดับที่จัดการได้
ราคา Comet (USD / M Tokens)ราคาทางการ (USD / M Tokens)ส่วนลด
อินพุต:$0.216/M
เอาต์พุต:$0.3456/M
อินพุต:$0.27/M
เอาต์พุต:$0.432/M
-20%

โค้ดตัวอย่างและ API สำหรับ DeepSeek-V3.2

เข้าถึงโค้ดตัวอย่างที่ครอบคลุมและทรัพยากร API สำหรับ DeepSeek-V3.2 เพื่อปรับปรุงกระบวนการผสานรวมของคุณ เอกสารประกอบที่มีรายละเอียดของเราให้คำแนะนำทีละขั้นตอน ช่วยให้คุณใช้ประโยชน์จากศักยภาพเต็มรูปแบบของ DeepSeek-V3.2 ในโครงการของคุณ
POST
/v1/chat/completions
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)

Python Code Example

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)

JavaScript Code Example

import OpenAI from "openai";

// Get your CometAPI key from https://api.cometapi.com/console/token, and paste it here
const api_key = process.env.COMETAPI_KEY;
const base_url = "https://api.cometapi.com/v1";

const openai = new OpenAI({
  apiKey: api_key,
  baseURL: base_url,
});

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

console.log(completion.choices[0].message.content);

Curl Code Example

curl https://api.cometapi.com/v1/chat/completions \
     --header "Authorization: Bearer $COMETAPI_KEY" \
     --header "content-type: application/json" \
     --data \
'{
    "model": "deepseek-v3.2-exp",
    "messages": [
        {"role": "system", "content": "You are a helpful assistant."},
        {"role": "user", "content": "Hello!"}
    ]
}'

รุ่นของ DeepSeek-V3.2

เหตุผลที่ DeepSeek-V3.2 มีสแนปช็อตหลายตัวอาจรวมถึงปัจจัยที่อาจเกิดขึ้น เช่น ความแปรผันของผลลัพธ์หลังการอัปเดตที่ต้องการสแนปช็อตรุ่นเก่าสำหรับความสม่ำเสมอ การให้ช่วงเวลาเปลี่ยนผ่านสำหรับนักพัฒนาเพื่อการปรับตัวและการย้ายข้อมูล และสแนปช็อตที่แตกต่างกันซึ่งสอดคล้องกับเอนด์พอยต์ระดับโลกหรือระดับภูมิภาคเพื่อเพิ่มประสิทธิภาพประสบการณ์ผู้ใช้ สำหรับความแตกต่างโดยละเอียดระหว่างเวอร์ชัน โปรดอ้างอิงเอกสารทางการ
deepseek-v3.2
DeepSeek-V3.2-Exp-nothinking
DeepSeek-V3.2-Exp-thinking