DeepSeek: DeepSeek V3.2 Exp

DeepSeek V3.2 Exp to eksperymentalny duży model językowy od DeepSeek, wydany 29 września 2025 jako krok pośredni między V3.1 a przyszłymi architekturami. Wprowadza DeepSeek Sparse Attention (DSA), drobnoziarnisty mechanizm rzadkiej uwagi. Model jest tekstowy w obu kierunkach, a jego data odcięcia wiedzy to 31 lipca 2025.

Przyjmuje dane wejściowe tekstowe i zwraca dane wyjściowe tekstowe, z oknem kontekstu wynoszącym 163 840 tokenów i maksymalnym wyjściem 147 456 tokenów. Ta kombinacja pasuje do długich dokumentów i długich generowań w tym samym żądaniu. Obsługiwane parametry obejmują temperature, top_p, top_k, frequency_penalty, max_tokens i response_format, wraz ze structured_outputs dla odpowiedzi ograniczonych schematem. Udostępnia również kontrolki rozumowania poprzez parametry reasoning i include_reasoning oraz użycie narzędzi poprzez tools i tool_choice, dzięki czemu może wywoływać funkcje i zwracać ustrukturyzowane argumenty, a nie tylko prozę.

Te możliwości wskazują na kilka praktycznych wzorców. Duże okno kontekstu i duży budżet wyjściowy czynią go rozsądnym wyborem do streszczania lub ekstrakcji z długich plików, odpowiadania na pytania dotyczące wielu dokumentów oraz tworzenia tekstu długiej formy w jednym przebiegu. Ustrukturyzowane wyjścia i wywoływanie narzędzi pasują do agentów, potoków wyszukiwania i przepływów pracy, w których model musi zwracać JSON zgodny ze schematem lub decydować, którą funkcję wywołać. Parametry rozumowania pozwalają żądać lub pomijać treść rozumowania w zależności od tego, czy chcesz ujawnić kroki pośrednie. Ponieważ jest eksperymentalny, warto przetestować go na własnym zestawie ewaluacyjnym, zanim zaczniesz na nim polegać w środowisku produkcyjnym.

Wywołujesz go przez API zgodne z OpenAI w api14, używając identyfikatora modelu "deepseek/deepseek-v3.2-exp". Skieruj swojego istniejącego klienta OpenAI na bazowy adres URL api14, wyślij żądanie chat completions z tym identyfikatorem modelu, a treść żądania przyjmuje parametry wymienione powyżej: frequency_penalty, include_reasoning, max_tokens, reasoning, response_format, structured_outputs, temperature, tool_choice, tools, top_k i top_p. Jeśli już używasz OpenAI SDK, przełączenie to głównie zmiana bazowego adresu URL, klucza API i identyfikatora modelu.

Głównym zastrzeżeniem jest status eksperymentalny. To model tekstowy, więc nie obsługuje obrazów ani dźwięku, a jeśli twoje zadanie jest multimodalne, potrzebowałbyś innego modelu. Jeśli potrzebujesz stabilnego, nieeksperymentalnego punktu końcowego dla długotrwałego ruchu produkcyjnego, ustalone wydanie może być bezpieczniejszym domyślnym wyborem, a ten model może być używany tam, gdzie warto ocenić jego rzadką uwagę i kontrolki rozumowania.