DeepSeek: DeepSeek V3.2 Exp

DeepSeek V3.2 Exp adalah model bahasa besar eksperimental dari DeepSeek, dirilis pada 29 September 2025 sebagai langkah perantara antara V3.1 dan arsitektur mendatang. Model ini memperkenalkan DeepSeek Sparse Attention (DSA), mekanisme attention sparse berbutir halus. Model ini hanya teks di kedua arah, dan knowledge cutoff-nya adalah 31 Juli 2025.

Model ini menerima input teks dan mengembalikan output teks, dengan context window 163.840 token dan output maksimum 147.456 token. Kombinasi itu cocok untuk dokumen panjang dan generasi panjang dalam satu permintaan. Parameter yang didukung meliputi temperature, top_p, top_k, frequency_penalty, max_tokens dan response_format, bersama dengan structured_outputs untuk balasan yang dibatasi skema. Model ini juga menyediakan kontrol reasoning melalui parameter reasoning dan include_reasoning, serta penggunaan tool melalui tools dan tool_choice, sehingga dapat memanggil fungsi dan mengembalikan argumen terstruktur, bukan hanya prosa.

Kemampuan tersebut mengarah pada beberapa pola praktis. Context window yang besar dan anggaran output yang besar membuatnya cukup cocok untuk meringkas atau mengekstrak dari file panjang, tanya jawab multi-dokumen, dan menyusun teks panjang dalam satu kali proses. Structured outputs dan tool calling cocok untuk agen, pipeline retrieval dan alur kerja di mana model harus mengembalikan JSON yang sesuai dengan skema atau memutuskan fungsi mana yang akan dipanggil. Parameter reasoning memungkinkan Anda meminta atau menekan konten reasoning tergantung apakah Anda ingin langkah perantaranya ditampilkan. Karena eksperimental, ada baiknya mengujinya terhadap set evaluasi Anda sendiri sebelum mengandalkannya di produksi.

Anda memanggilnya melalui API yang kompatibel dengan OpenAI dari api14 menggunakan model id "deepseek/deepseek-v3.2-exp". Arahkan klien OpenAI Anda yang sudah ada ke base URL api14, kirim permintaan chat completions dengan model id tersebut, dan body permintaan menerima parameter yang tercantum di atas: frequency_penalty, include_reasoning, max_tokens, reasoning, response_format, structured_outputs, temperature, tool_choice, tools, top_k dan top_p. Jika Anda sudah menggunakan OpenAI SDK, beralih sebagian besar hanya mengubah base URL, API key dan model id.

Peringatan utamanya adalah status eksperimentalnya. Ini adalah model teks, jadi tidak menangani gambar atau audio, dan jika tugas Anda multimodal, Anda memerlukan model lain. Jika Anda memerlukan endpoint yang stabil dan non-eksperimental untuk lalu lintas produksi jangka panjang, rilis yang sudah mapan mungkin menjadi default yang lebih aman, dengan model ini digunakan ketika sparse attention dan kontrol reasoning-nya layak dievaluasi.