DeepSeek: DeepSeek V3.2 Exp

Экспериментальная DeepSeek V3.2 Exp: модель, вводящая разреженное внимание DSA, промежуточный шаг между V3.1 и следующей архитектурой.

Модель DeepSeek: DeepSeek V3.2 Exp доступна через OpenAI-совместимый API Apikley из России без VPN, с оплатой в рублях: от 72,9 ₽ / 1M токенов.

Автор
DeepSeek
ID модели
deepseek/deepseek-v3.2-exp
Контекст
164K токенов
Max output
147K токенов
Модальности
текст → текст
Вход
729 кредитов / 1M токенов · 72,9 ₽ / 1M токенов · 1 ₽ = 10 кредитов
Выход
1 107 кредитов / 1M токенов · 110,7 ₽ / 1M токенов · 1 ₽ = 10 кредитов
Дата релиза
29.09.2025
Доступность
Нет свежих данных проверки

Описание

V3.2 Exp вышла 29 сентября 2025 года на базе V3.1 Terminus и введена как эксперимент. Главное заявленное новшество: механизм DeepSeek Sparse Attention (DSA): мелкозернистое разреженное внимание, которое, по словам разработчика, улучшает работу с длинным контекстом и снижает затраты на вычисления при минимальном влиянии на качество ответов. По результатам DeepSeek, на тестах модель держится на уровне предшественницы. К релизу выложены ядра GPU на TileLang и CUDA. Модель текстовая, поддерживает рассуждение, вызов функций и структурированный вывод. Контекст около 164 тысяч токенов, максимальный ответ 147 456. Знания охватывают период до июля 2025 года. Позже DeepSeek выпустила итоговую V3.2.

Кому подходит

  • Тем, кто тестирует разреженное внимание на реальных задачах
  • Прототипам, которые позже переедут на V3.2
  • Исследователям длинного контекста

Ограничения

  • Модель названа экспериментальной: промежуточный шаг перед итоговой V3.2
  • Только текст: изображения не принимаются
  • Знания заканчиваются июлем 2025 года

Сценарии использования

  • Проверка DSA на своих данных — ML-инженер прогоняет собственные длинные запросы и сравнивает качество с результатами V3.1 Terminus.
  • Исследование длинного контекста — Исследователь изучает, как модель удерживает детали в начале и конце большого документа.
  • Прототип агента до итоговой версии — Разработчик собирает агента с вызовом функций сейчас и планирует перейти на V3.2 после стабилизации.
  • Обработка больших текстовых выгрузок — Аналитик суммирует длинные выгрузки обращений и просит выделить повторяющиеся темы.

DeepSeek: DeepSeek V3.2 Exp API: как подключить

OpenAI-совместимый API: POST https://api.apikley.ru/v1/chat/completions, ID модели deepseek/deepseek-v3.2-exp. Подойдёт официальный SDK OpenAI с базовым адресом https://api.apikley.ru/v1.

cURL

curl https://api.apikley.ru/v1/chat/completions \
  -H "Content-Type: application/json" \
  -H "Authorization: Bearer YOUR_API_KEY" \
  -d '{
  "model": "deepseek/deepseek-v3.2-exp",
  "messages": [
    {
      "role": "user",
      "content": "Объясните, что такое API, в двух предложениях."
    }
  ]
}'

Python

from openai import OpenAI

client = OpenAI(api_key="YOUR_API_KEY", base_url="https://api.apikley.ru/v1")

response = client.chat.completions.create(
    model="deepseek/deepseek-v3.2-exp",
    messages=[{"role": "user", "content": "Объясните, что такое API, в двух предложениях."}],
)
print(response.choices[0].message.content)

Быстрый старт · Chat Completions: параметры и ответы

Другие модели DeepSeek

Все модели DeepSeek

Похожие модели

FAQ

Что именно экспериментальное в V3.2 Exp?

Новый механизм внимания DSA. Остальные возможности унаследованы от V3.1 Terminus, на которой модель построена.

Стоит ли брать Exp вместо V3.2?

Итоговая V3.2 вышла позже, а Exp остаётся экспериментальным шагом. Её берут, чтобы изучить DSA или сравнить версии.

Какой контекст у V3.2 Exp?

Около 164 тысяч токенов, максимальный ответ 147 456.

Поддерживает ли Exp вызов функций?

Да, вместе с рассуждением и структурированным выводом. На тестах разработчика модель показывает результат на уровне Terminus.

Открыты ли веса V3.2 Exp?

Да, модель и техническая документация опубликованы на Hugging Face и GitHub, вместе с ядрами GPU на TileLang и CUDA.

Все AI-модели каталога Apikley — доступ через API из России, оплата в рублях, без VPN.