DeepSeek: DeepSeek V3.2 Exp

DeepSeek V3.2 Exp ist ein experimentelles großes Sprachmodell von DeepSeek, das am 29. September 2025 als Zwischenschritt zwischen V3.1 und zukünftigen Architekturen veröffentlicht wurde. Es führt DeepSeek Sparse Attention (DSA) ein, einen feingranularen Sparse-Attention-Mechanismus. Das Modell ist in beide Richtungen rein textbasiert, und sein Wissensstand endet am 31. Juli 2025.

Es akzeptiert Texteingabe und gibt Textausgabe zurück, mit einem Kontextfenster von 163.840 Tokens und einer maximalen Ausgabe von 147.456 Tokens. Diese Kombination eignet sich für lange Dokumente und lange Generierungen in derselben Anfrage. Zu den unterstützten Parametern gehören temperature, top_p, top_k, frequency_penalty, max_tokens und response_format, zusammen mit structured_outputs für schema-gebundene Antworten. Es bietet außerdem Reasoning-Steuerung über die Parameter reasoning und include_reasoning sowie Tool-Nutzung über tools und tool_choice, sodass es Funktionen aufrufen und strukturierte Argumente statt nur Prosa zurückgeben kann.

Diese Fähigkeiten deuten auf einige praktische Muster hin. Ein großes Kontextfenster und ein großes Ausgabebudget machen es zu einer vernünftigen Wahl für das Zusammenfassen oder Extrahieren aus langen Dateien, die Beantwortung von Fragen über mehrere Dokumente hinweg und das Verfassen von Langtext in einem Durchgang. Strukturierte Ausgaben und Tool-Aufrufe eignen sich für Agenten, Retrieval-Pipelines und Workflows, bei denen das Modell JSON zurückgeben muss, das einem Schema entspricht, oder entscheiden muss, welche Funktion aufgerufen wird. Die Reasoning-Parameter ermöglichen es Ihnen, Reasoning-Inhalte anzufordern oder zu unterdrücken, je nachdem, ob Sie die Zwischenschritte sichtbar haben möchten. Da es experimentell ist, lohnt es sich, es gegen Ihren eigenen Evaluierungsdatensatz zu testen, bevor Sie sich in der Produktion darauf verlassen.

Sie rufen es über die OpenAI-kompatible API von api14 mit der Modell-ID "deepseek/deepseek-v3.2-exp" auf. Richten Sie Ihren vorhandenen OpenAI-Client auf die Basis-URL von api14, senden Sie eine Chat-Completions-Anfrage mit dieser Modell-ID, und der Anfrage-Body akzeptiert die oben aufgeführten Parameter: frequency_penalty, include_reasoning, max_tokens, reasoning, response_format, structured_outputs, temperature, tool_choice, tools, top_k und top_p. Wenn Sie bereits ein OpenAI SDK verwenden, besteht die Umstellung hauptsächlich aus einer Änderung der Basis-URL, des API-Schlüssels und der Modell-ID.

Der wichtigste Vorbehalt ist der experimentelle Status. Es ist ein Textmodell, verarbeitet also keine Bilder oder Audiodaten, und wenn Ihre Aufgabe multimodal ist, bräuchten Sie ein anderes Modell. Wenn Sie einen stabilen, nicht experimentellen Endpunkt für langlebigen Produktionsverkehr benötigen, ist eine ausgereifte Version möglicherweise die sicherere Standardwahl, wobei dieses Modell dort eingesetzt wird, wo seine Sparse Attention und Reasoning-Steuerung eine Bewertung wert sind.