DeepSeek: DeepSeek V3.2

DeepSeek V3.2 est un modèle de génération de texte de DeepSeek, publié par le fournisseur le 1er décembre 2025. Il appartient à la catégorie texte et repose sur un objectif de conception visant à combiner efficacité computationnelle, raisonnement solide et utilisation agentique d'outils. Le fournisseur indique qu'il introduit DeepSeek Sparse Attention (DSA), un mécanisme d'attention sparse à grain fin. Si vous avez utilisé d'autres modèles DeepSeek, celui-ci poursuit cette lignée plutôt que de basculer vers une famille différente.

Le modèle prend du texte en entrée et renvoie du texte en sortie. Il dispose d'une fenêtre de contexte de 163 840 tokens et d'une sortie maximale de 147 456 tokens, donc les entrées longues et les générations longues sont toutes deux dans les limites. Le comportement de raisonnement est exposé via les paramètres include_reasoning et reasoning, ce qui signifie que vous pouvez demander une sortie de raisonnement plutôt que de traiter le modèle comme un simple point de terminaison de complétion. Les sorties structurées et response_format sont également pris en charge, donc des réponses de style JSON peuvent être demandées directement.

Ces capacités indiquent quelques usages pratiques. Le travail sur documents longs correspond à la fenêtre de contexte : résumer, extraire ou réécrire du contenu qui ne tiendrait pas dans des modèles plus petits. Les workflows d'agents et d'appel d'outils correspondent à la prise en charge des outils, puisque le modèle accepte tools et tool_choice et peut être piloté dans une boucle où il décide quelle fonction appeler. Les tâches à forte composante de raisonnement, comme l'analyse multi-étapes, la planification ou le débogage de logique, bénéficient des paramètres de raisonnement. Les tâches de classification, d'extraction et de génération qui nécessitent une sortie lisible par machine sont servies par structured_outputs et response_format. Comme le modèle est uniquement textuel, tout ce qui implique des images ou de l'audio nécessite un modèle différent.

Vous l'appelez via l'API compatible OpenAI d'api14 en utilisant l'identifiant de modèle "deepseek/deepseek-v3.2". Les paramètres de requête pris en charge sont frequency_penalty, include_reasoning, logit_bias, logprobs, max_tokens, min_p, presence_penalty, reasoning, repetition_penalty, response_format, seed, stop, structured_outputs, temperature, tool_choice, tools, top_k, top_logprobs et top_p. Si vous disposez déjà d'un client OpenAI, la même forme de requête s'applique, avec le champ model défini sur cet identifiant et les paramètres ci-dessus disponibles selon les besoins.

Deux limites méritent d'être notées avant de vous engager. L'entrée et la sortie sont uniquement textuelles, donc le travail multimodal est hors périmètre. La sortie maximale de 147 456 tokens est importante mais reste finie, et les générations très longues peuvent nécessiter une troncature ou un découpage. Pour les tâches qui nécessitent une compréhension des images ou de l'audio, tournez-vous plutôt vers un modèle de ces catégories.