Mis on DeepSeek-V3.2?
DeepSeek-V3.2 on DeepSeeki pakutav suur keelemudel, mis avaldati 1. detsembril 2025. See on mõeldud üldotstarbeliseks teksti genereerimiseks, arutlemiseks, programmeerimiseks, pika konteksti analüüsiks ja agentpõhisteks töövoogudeks, kus mudel otsustab, millal kutsuda välist tööriista.
Mudel kasutab ekspertide segu arhitektuuri, mida nimetatakse sageli lühendiga MoE. See sisaldab kokku 671 miljardit parameetrit, kuid iga märgi puhul aktiveeritakse ligikaudu 37 miljardit parameetrit. Praktikas tähendab see, et mudelil on väga suur üldine võimekus, kuid iga vastuse iga osa genereerimisel ei kasutata kõiki parameetreid. Selline ülesehitus võib parandada mudeli võimekuse ja järeldamise kulu tasakaalu, kuid kogu mudeli kohapealne käitamine nõuab endiselt märkimisväärset riistvara.
DeepSeek avaldas mudeli kaalud MIT-litsentsi alusel. See lubab litsentsitingimustest kinni pidades teha teadustööd, mudelit muuta ja seda enda hallatavas keskkonnas juurutada. Avatud kaaludega väljalase eristab V3.2 mudelist, millele pääseb ligi üksnes hostitud vestlusteenuse või teenusepakkuja hallatava API kaudu.
V3.2 koht DeepSeeki mudelivalikus
V3.2 järgnes mudelile DeepSeek-V3.2-Exp ning säilitas selle eksperimentaalse eelkäija põhise arhitektuuri, lisades samal ajal DeepSeek Sparse Attentioni ehk DSA. Mudel oli API kaudu kättesaadav ka kahe aliase kaudu: deepseek-chat mõtlemiseta kasutuseks ja deepseek-reasoner mõtlemisega kasutuseks.
Nende aliased plaaniti kasutuselt kõrvaldada 24. juulil 2026 pärast seda, kui DeepSeek tutvustas oma V4-mudelite põlvkonda. Esitatud elutsükliinfo põhjal tuleks V3.2 nüüd mõista eelkõige pärandvaraga avatud kaaludega mudelina, mitte DeepSeeki praeguse esmavaliku hostitud API-mudelina. Selle kaalud ja tehniline ülesehitus võivad endiselt olla asjakohased isemajutuse, ühilduvustöö, teadusuuringute ja juurutuste puhul, mis vajavad konkreetselt V3.2 mudelit.
See elutsükli eristus on mudeli hindamisel oluline. Ajaloolised API-hinnad ja lõpp-punktide nimed kirjeldavad perioodi, mil V3.2 ametlikult teenusena kättesaadav oli, mitte praeguse esmase kättesaadavuse garantiid. Uut hostitud integratsiooni alustavad arendajad peaksid enne V3.2 valimist kontrollima DeepSeeki praegust mudelikataloogi.
Arhitektuur, hõre tähelepanu ja konteksti pikkus
DeepSeek-V3.2 dokumenteeritud konteksti pikkus on 131 072 märki, mida kirjeldatakse sageli kui 128K märki. Kontekstiaken näitab tekstihulka, mida mudel saab viiba ja vestluse jooksul koos genereeritava vastusega arvesse võtta, võttes arvesse teenindussüsteemi piiranguid.
V3.2 tutvustab DeepSeek Sparse Attentioni. Hõre tähelepanu on mõeldud väga pikkade jadade töötlemise arvutusliku kulu vähendamiseks, vältides kõigi märkide omavahelist võrdselt tihedat seostamist. Teenusepakkuja esitleb seda viisina muuta pika konteksti töötlemine tõhusamaks, säilitades samal ajal mudeli kvaliteedi. Esitatud uuringud ei tõesta, et jõudlus paraneks universaalselt kõigi töökoormuste puhul, mistõttu sõltub tegelik tulemus teenindustaristust, viiba ülesehitusest ja ülesandest.
Mudeli dokumenteeritud API-väljundi maksimaalne pikkus oli 8192 märki. See erineb 128K märgi suurusest kontekstiaknast: suur kontekst ei tähenda, et üks vastus võiks sisaldada 128K uut genereeritud märki. Ise hostitud juurutused võivad pakkuda teistsuguseid väljundiseadeid, kuid kättesaadavates allikates on ametliku teenuse puhul kontrollitult kinnitatud ainult API 8192 märgi piirang.
Arutlemine ja tööriistade kasutamine
V3.2 toetab nii mõtlemisega kui ka mõtlemiseta režiimi. Mõtlemiseta režiim on mõeldud tavapärasteks vastusteks, mille puhul on väiksem viivitus ja lühemad väljundid olulisemad. Mõtlemisega režiim annab mudelile võimaluse enne vastuse koostamist keerulisemad probleemid põhjalikumalt läbi töötada, mistõttu sobib see paremini keerukaks arutlemiseks, matemaatikaks, programmeerimiseks ja mitmeetapiliseks analüüsiks.
Üks tähelepanuväärne omadus on arutlemine tööriistade kasutamise ajal. Mudel saab hinnata, kas tööriista on vaja, valida tööriista, esitada funktsioonikutse argumendid ning jätkata arutlemist pärast seda, kui tööriist on teabe tagastanud. See muudab mudeli sobivaks otsinguagentidele, programmeerimisabilistele, uurimistöövoogudele ja äriautomaatikale, mis vajavad ühe tekstivastuse asemel mitut omavahel seotud tegevust.
Toetatud funktsioonide hulka kuuluvad tööriistakutsed, voogvastused, konteksti vahemällu salvestamine ja struktureeritud JSON-väljund. Funktsioonikutsed võimaldavad rakendusel pakkuda selliseid toiminguid nagu otsingufunktsioon, andmebaasipäring, kalkulaator või koodihalduse toiming. Mudel ei teosta neid toiminguid ise; ümbritsev rakendus peab soovitud funktsiooni käivitama ja tulemuse tagasi saatma.
JSON-režiim on kasulik siis, kui rakendus vajab proosa asemel prognoositavat masinloetavat väljundit. See ei kaota vajadust rakendusepoolse valideerimise järele, sest süntaktiliselt korrektne JSON-vastus võib siiski sisaldada valesid väärtusi või mitte järgida soovitud skeemi.
Programmeerimine ja üldotstarbelised ülesanded
DeepSeek-V3.2 on mõeldud nii programmeerimiseks kui ka üldiseks arutlemiseks. Mõtlemisrežiimide, pika konteksti, struktureeritud väljundi ja tööriistakutsete kombinatsioon võib toetada koodi selgitamist, vigade otsimist, repositooriumi analüüsi, teostusplaanide koostamist ja agentpõhiseid töövooge, mis uurivad või muudavad projektifaile väliste tööriistade kaudu.
Näiteks võib programmeerimissüsteem anda mudelile repositooriumi kokkuvõtte, paluda V3.2-l tuvastada moodulitevahelised sõltuvused, kutsuda testide käivitamise tööriista ning seejärel paluda mudelil testi väljundit tõlgendada ja paigaparandus välja pakkuda. Mudeli ülesanne on talle antud teabe põhjal arutleda ja tegevusi taotleda; hostrakendus vastutab endiselt õiguste, käivitamise, valideerimise ja turvalise juurutamise eest.
Esitatud uuringud annavad arutlemise ja programmeerimise eest toimetuslikuks hindeks 8 punkti 10-st. Need on selles kirjes esitatud hinnangud, mitte teenusepakkuja avaldatud võrdlustesti tulemused. Need näitavad, et V3.2 sobib hästi arutlemist ja programmeerimist nõudvate töökoormuste jaoks, kuid neid ei tohiks käsitleda standardiseeritud võrdlusena kõigi konkureerivate mudelitega.
Toetatud modaalsused ja olulised piirangud
Ametlikus mudelidokumentatsioonis kirjeldatakse V3.2 mudelina, mille sisend ja väljund on tekst. See ei genereeri ega töötle algupäraselt pilte, heli, videot, kõnet, muusikat ega esitusi. Samuti ei tohiks seda segi ajada DeepSeeki teenustega, mis võivad visuaalset mõistmist pakkuda mõne teise mudeli või tooteperekonna kaudu. V3.2 juurutuse puhul ei saa eeldada, et see mõistab üles laaditud pilti, kui selle ümber ei ole lisatud eraldi nägemisvõimekusega süsteemi.
Sisseehitatud meediatoe puudumise tõttu ei sobi see pildianalüüsiks, video mõistmiseks, kõneliidesteks ega pildi- või videote genereerimiseks. Samuti sobib see halvasti projektidele, mis vajavad praegu toetatud DeepSeeki esimese osapoole API-lõpp-punkti, väikest tavalisel riistvaral töötavat mudelit või lihtsat väikese viivitusega vastust igale päringule.
671 miljardi parameetri suurune kogumaht on juurutamisel oluline kaalutlus. Ekspertide segu arhitektuur aktiveerib iga märgi puhul vaid osa mudelist, kuid kõigi kaalude hostimine ja kasuliku läbilaskevõime saavutamine nõuavad endiselt märkimisväärset taristut. Kvantimine ja teenindamise optimeerimine võivad riistvaranõudeid muuta, kuid esitatud uuringutes ei ole konkreetset riistvarakonfiguratsiooni kinnitatud.
Ajaloolised hinnad ja API olek
Ametliku API kättesaadavuse ajal maksis DeepSeek-V3.2 ligikaudu 0,28 dollarit miljoni vahemälus mitte oleva sisendmärgi, 0,028 dollarit miljoni vahemälus oleva sisendmärgi ja 0,42 dollarit miljoni väljundmärgi kohta. Vahemälus oleva sisendi hind kehtis siis, kui korduvkasutatavat viiba sisu sai teenusepakkuja konteksti vahemälust edastada. Need arvud kehtivad V3.2 API ajaloolise kasutusperioodi kohta ning neid ei tohiks pärast pärand-API üleminekut tõlgendada praeguste esimese osapoole hindadena.
See hinnastus muutis V3.2 eriti atraktiivseks kulutundlike arutlemis- ja programmeerimistöökoormuste puhul, eriti juhul, kui korduvad viibad või süsteemijuhised said vahemällu salvestamisest kasu. Hind üksi ei määra siiski kogukulu. Pikad arutluskäigud, tööriistakutsed, korduv kontekst, hostimise nõuded ja enda hallatava juurutuse jaoks vajalik arendustöö võivad kõik mõjutada süsteemi tegelikku maksumust.
Peamised tugevused ja kompromissid
- Avatud juurutamine: MIT-litsentsiga kaalud toetavad teadustööd, muutmist ja isemajutust.
- Paindlik arutlemine: Mõtlemisega ja mõtlemiseta režiim võimaldavad valida põhjalikuma analüüsi ja kiiremate vastuste vahel.
- Agentpõhised töövood: Tööriistakutsed toimivad nii mõtlemisega kui ka mõtlemiseta režiimis ning toetavad mitmeetapilisi rakendusi.
- Pikk kontekst: 128K märgi suurune kontekstiaken on kasulik suurte dokumentide, koodibaaside ja pikema ülesandeoleku puhul.
- Tõhus arhitektuur: Hõre tähelepanu on mõeldud pika jada töötlemise kulu vähendamiseks, samal ajal kui MoE-arhitektuur aktiveerib iga märgi puhul ligikaudu 37 miljardit parameetrit.
- Struktureeritud integratsioon: JSON-väljund, voogedastus, funktsioonikutsed ja vahemällu salvestamine toetavad rakenduste arendamist.
- Juurutamise keerukus: Mudeli kogumaht muudab kohaliku käitamise nõudlikuks, hoolimata parameetrite osalisest aktiveerimisest.
- Pärandvaraga hostitud olek: Endised ametlikud API-aliased plaaniti kasutuselt kõrvaldada, mistõttu ei tohiks uued projektid eeldada jätkuvat esimese osapoole juurdepääsu.
- Sisseehitatud meediatoe puudumine: V3.2 ei ole nägemis-, heli-, video-, kõne- ega pildigeneratsioonimudel.
Millal valida DeepSeek-V3.2?
Vali DeepSeek-V3.2 siis, kui vajad konkreetselt avatud kaaludega arutlusmudelit isemajutuseks või teadusuuringuteks ning selle pikk kontekst ja tööriistu kasutav käitumine on tähtsamad kui väikese mudeli lihtsus. See sobib hästi koodibaasi analüüsiks, uurimisagentidele, mitmeetapiliseks automatiseerimiseks, struktureeritud andmete eraldamiseks ja juurutusteks, millel on väga suure mudeli jaoks vajalik taristu.
Selle ajalooline API-hinnastus on samuti oluline kulutundlikes rakendustes, millel on juba juurdepääs ühilduvale teeninduslahendusele, eriti töökoormuste puhul, kus suuri viibepäiseid korduvalt kasutatakse ja vahemällu salvestamisest kasu saadakse. Mudeli mõtlemiseta režiim võib lihtsate päringute puhul tarbetut viivitust vähendada, samas kui mõtlemisega režiimi saab kasutada keerukamate ülesannete jaoks.
Teine võimalus on sobivam siis, kui projekt vajab pildi- või helisisendi algupärast tuge, meedia genereerimist, kerget kohalikku järeldamist või praegu toetatud hostitud lõpp-punkti, mille elutsükkel on selgelt määratletud. Suure läbilaskevõime ja väikese viivitusega rakenduste jaoks võib eelistada väiksemat mudelit. Piltide mõistmiseks on vaja nägemisvõimekusega mudelit. Kui pikaajaline API-tugi on olulisem kui V3.2-ga ühilduvuse säilitamine, tuleks selle asemel hinnata praegust esimese osapoole mudelit.
Kokkuvõte
DeepSeek-V3.2 on kõige mõistlikumalt käsitatav suure, avatud kaaludega teksti arutlusmudelina, millel on erakordselt tugev tugi tööriistu kasutavatele agentidele ja pika kontekstiga töökoormustele. Selle 671 miljardi parameetriga MoE-arhitektuur, ligikaudu 37 miljardit aktiivset parameetrit märgi kohta, 128K kontekst, mõtlemisrežiimid ja MIT-litsents annavad sellele kasuliku positsiooni tehniliselt võimekate meeskondade jaoks, kes suudavad hallata märkimisväärset taristut.
Sama olulised on ka peamised piirangud: mudel töötab ainult tekstiga, selle dokumenteeritud API-väljundi piirang oli 8192 märki, kohapealne juurutamine on nõudlik ning endised esimese osapoole API-aliased plaaniti kasutuselt kõrvaldada. Uue projekti puhul sõltub valik vähem ajaloolisest hinnast ja rohkem sellest, kas projekt väärtustab avatud kaalusid ja V3.2-le omast käitumist piisavalt, et leppida selle juurutamise ja elutsükliga seotud kompromissidega.