DeepSeek: DeepSeek V3.2 Exp

DeepSeek V3.2 Exp è un modello linguistico di grandi dimensioni sperimentale di DeepSeek, rilasciato il 29 settembre 2025 come passo intermedio tra V3.1 e le architetture future. Introduce DeepSeek Sparse Attention (DSA), un meccanismo di attenzione sparsa a grana fine. Il modello è solo testo in entrambe le direzioni, e il suo knowledge cutoff è il 31 luglio 2025.

Accetta input di testo e restituisce output di testo, con una finestra di contesto di 163.840 token e un output massimo di 147.456 token. Questa combinazione si adatta a documenti lunghi e generazioni lunghe nella stessa richiesta. I parametri supportati includono temperature, top_p, top_k, frequency_penalty, max_tokens e response_format, insieme a structured_outputs per risposte vincolate da schema. Espone anche controlli di ragionamento tramite i parametri reasoning e include_reasoning, e l'uso di strumenti tramite tools e tool_choice, così può chiamare funzioni e restituire argomenti strutturati invece che solo prosa.

Queste capacità indicano alcuni schemi pratici. Una grande finestra di contesto e un ampio budget di output lo rendono adatto per riassumere o estrarre da file lunghi, rispondere a domande su più documenti e redigere testi di lunga forma in un'unica passata. Gli output strutturati e la chiamata di strumenti si adattano ad agenti, pipeline di retrieval e flussi di lavoro in cui il modello deve restituire JSON conforme a uno schema o decidere quale funzione invocare. I parametri di ragionamento consentono di richiedere o sopprimere il contenuto di ragionamento a seconda che si vogliano o meno mostrare i passaggi intermedi. Poiché è sperimentale, vale la pena testarlo sul proprio set di valutazione prima di dipenderne in produzione.

Lo si chiama tramite l'API compatibile con OpenAI di api14 usando l'id del modello "deepseek/deepseek-v3.2-exp". Punta il tuo client OpenAI esistente all'URL di base di api14, invia una richiesta di chat completions con quell'id del modello, e il corpo della richiesta accetta i parametri elencati sopra: frequency_penalty, include_reasoning, max_tokens, reasoning, response_format, structured_outputs, temperature, tool_choice, tools, top_k e top_p. Se usi già un OpenAI SDK, il passaggio è per lo più un cambio di URL di base, chiave API e id del modello.

L'avvertenza principale è lo stato sperimentale. È un modello testuale, quindi non gestisce immagini o audio, e se il tuo compito è multimodale avresti bisogno di un modello diverso. Se ti serve un endpoint stabile, non sperimentale, per traffico di produzione di lunga durata, una release consolidata potrebbe essere l'opzione predefinita più sicura, usando questo modello dove la sua attenzione sparsa e i suoi controlli di ragionamento valgono la pena di essere valutati.