Source: https://ailoot.ai/models/de-at/deepseek-v3-2-thinking/ Canonical: https://ailoot.ai/models/de-at/deepseek-v3-2-thinking/ Language: de-at # DeepSeek: DeepSeek V3.2 [Markdown](https://ailoot.ai/models/de-at/deepseek-v3-2-thinking/index.md) · [JSON](https://ailoot.ai/models/de-at/deepseek-v3-2-thinking/facts.json) ## [DeepSeek: DeepSeek V3.2](https://ailoot.ai/models/de-at/deepseek-v3-2-thinking/) DeepSeek V3.2 verbindet textbasiertes Schlussfolgern mit Werkzeugnutzung und der Analyse langer Kontexte. Seine Sparse-Attention-Architektur und das aktualisierte Gesprächsformat unterstützen Programmierung, Suche und mehrstufige Agentenaufgaben, mit einem Kontext von 128K sowie getrennten Workflows für Denkmodus und direkte Antworten. - [**Ailoot Ultra · OpenAI Chat** `POST /v1/chat/completions` `deepseek-v3.2-thinking`](https://ailoot.ai/models/de-at/deepseek-v3-2-thinking/#method-0) Über das Modell Diese Beschreibung erläutert die Fähigkeiten des Modells. Die über Ailoot verfügbaren Eingaben, Ausgaben und Optionen sind unten für die ausgewählte Methode aufgeführt. DeepSeek V3.2 ist DeepSeeks Textmodell für Reasoning und Agentenarbeit mit Schwerpunkt auf der effizienten Verarbeitung langer Kontexte. Der Hersteller gliedert die wichtigsten Änderungen in DeepSeek Sparse Attention, ein skaliertes Framework für Reinforcement Learning und eine Pipeline zum Training agentischer Aufgaben. Das Modell nimmt schriftliche Fragen und Kontext entgegen und erzeugt Text, darunter Antworten, Code oder Inhalte für Werkzeugaufrufe. Es unterscheidet sich von der früheren Version V3.2 Exp und der eigenständigen Reasoning-Variante Speciale. DeepSeek Sparse Attention ergänzt die Latent-Attention-Architektur um einen Indexer und eine feingranulare Tokenauswahl. Bei einer langen Sequenz wählt der Indexer die früheren Tokeninformationen aus, die in die eigentliche Attention-Berechnung einfließen. Laut Bericht ist dies die Architekturänderung gegenüber V3.1 Terminus; die Architektur entspricht jener von V3.2 Exp. Der veröffentlichte Kontext beträgt 128K Tokens und bietet Platz für umfangreiches Quellenmaterial und eine fortlaufende Aufgabe. Erzeugtes Reasoning und die Werkzeughistorie beanspruchen den verfügbaren Kontext ebenfalls. Das Nachtraining deckt Antworten mit und ohne Denkmodus in Mathematik, Programmierung, logischem Schlussfolgern, allgemeinen Agentenaufgaben, agentischer Programmierung und Suche ab. Fachspezialisten liefern Daten, die im endgültigen Modell zusammengeführt werden; darauf folgt gemischtes Reinforcement Learning. Bei einer gewöhnlichen Frage kann eine direkte Antwort angemessen sein; bei einem schwierigen Problem kann der Denk-Workflow eine Lösung entwickeln, bevor er das endgültige Ergebnis präsentiert. Legen Sie die benötigte Antwort oder das Arbeitsergebnis unabhängig vom zwischenzeitlichen Reasoning fest. Eine wesentliche Änderung dieser Edition ist das Denken mit Werkzeugen. Das aktualisierte Chatformat ermöglicht es, das Reasoning während einer Aufgabe mit Werkzeugaufrufen fortzusetzen, statt Analyse und Aktion als unverbundene Phasen zu behandeln. Eine vom Modell ausgewählte Operation wird von der Anwendung ausgeführt, die ihr Ergebnis für den nächsten Schritt zurückliefert. Die Werkzeugkontextregel des Herstellers behält bisheriges Reasoning bei, solange nur werkzeugbezogene Nachrichten hinzukommen; mit einer neuen Nutzernachricht verwirft sie dieses Reasoning, erhält aber Werkzeugaufrufe und Ergebnisse. Korrekt unterschiedene Gesprächsrollen sind für dieses Verhalten maßgeblich. Stellen Sie für Programmieraufgaben den Quelltextausschnitt oder die relevanten Dateien, das beobachtete Problem, das erwartete Ergebnis und die zu erhaltenden Bedingungen bereit. Ein Beispielbriefing lautet: „Verwenden Sie den bereitgestellten Code und die Werkzeugergebnisse, um die Ursache zu finden, die kleinste Korrektur vorzuschlagen und den fertigen Patch mit dem zugehörigen Validierungsergebnis zurückzugeben.“ Beschreiben Sie für eine Suchaufgabe die Frage, die benötigten Belege und die Kriterien für eine vollständige Antwort. Such- und Ausführungswerkzeuge stellt die umgebende Anwendung bereit; der Text allein stellt sie nicht zur Verfügung. Der Hersteller empfiehlt für den lokalen Einsatz temperature 1.0 und top-p 0.95. V3.2 führt eine überarbeitete Darstellung von Werkzeugaufrufen und einen eigenen Nachrichten-Encoder ein. Die Rolle developer ist der Suchagentenvorlage des Herstellers vorbehalten; die offizielle API akzeptiert diese Rolle nicht. Der Referenzparser erwartet korrekt formatierte Ausgaben und repariert fehlerhafte Ergebnisse nicht. Verwendet eine Anwendung erzeugte Felder oder Werkzeugargumente, sollte sie deren Struktur prüfen, bevor sie daraufhin handelt. Der technische Bericht nennt lange Reasoning-Verläufe und redundante Selbstprüfung als praktische Einschränkungen. Eine Agentenaufgabe kann die Grenze von 128K erreichen, selbst wenn das ursprüngliche Quellenmaterial hineinpasst, weil sich Werkzeugausgaben und wiederholtes Reasoning ansammeln. Führen Sie eine knappe Aufzeichnung relevanter Beobachtungen und benennen Sie das endgültige Arbeitsergebnis ausdrücklich. Fügen Sie bei wissensabhängigen Aufgaben maßgebliches Material bei oder stellen Sie ein geeignetes Suchwerkzeug bereit, statt zu erwarten, dass Trainingswissen jeden Fakt festlegt. DeepSeek V3.2 Speciale ist eine eigenständige Variante für tiefgehendes Schlussfolgern mit hohem Rechenaufwand und unterstützt laut Modellkarte keine Werkzeugaufrufe. Ihre Merkmale sollten nicht als Standard-Werkzeugprofil von V3.2 verwendet werden. Ebenso haben die spätere V4-Generation und der experimentelle Vorgänger eigene Identitäten und Konfigurationsmöglichkeiten. Behalten Sie die benannte V3.2-Edition bei, wenn Sie Aufgaben vergleichen, bei denen Modell und Prompt-Format eine Rolle spielen. Kennzeichnen Sie für eine praktische quellenbasierte Analyse das Material und fordern Sie eine Schlussfolgerung an, die sich auf relevante Passagen stützt und Annahmen sowie fehlende Informationen gesondert ausweist. Geben Sie für einen Agenten die erlaubten Funktionen, das erwartete Endergebnis und das Abschlusskriterium an. So richten Sie den Reasoning- und Werkzeug-Workflow des Modells auf ein überprüfbares Text-, Code- oder Analyseergebnis aus, das mit den bereitgestellten Belegen verknüpft ist. **Ailoot Ultra · OpenAI Chat** `POST /v1/chat/completions` `deepseek-v3.2-thinking` [`deepseek-v3.2-thinking`](https://ailoot.ai/models/de-at/#m=deepseek-v3.2-thinking&route=Ultra&caller=deepseek-v3.2-thinking&fmt=chat) DeepSeek /`deepseek-v3.2-thinking` ### Einstieg DeepSeek V3.2 verbindet textbasiertes Schlussfolgern mit Werkzeugnutzung und der Analyse langer Kontexte. Seine Sparse-Attention-Architektur und das aktualisierte Gesprächsformat unterstützen Programmierung, Suche und mehrstufige Agentenaufgaben, mit einem Kontext von 128K sowie getrennten Workflows für Denkmodus und direkte Antworten. Zulässige Eingaben Text Ergebnisse Text ### In Ailoot verfügbar · Eingaben und Methoden **Ailoot Ultra · OpenAI Chat** `POST /v1/chat/completions` Eingabe `text` Ausgabe `text` Ausgabeformat json oder SSE | Feld | Typ | Anforderung | Werte und Limits | Standard | | --- | --- | --- | --- | --- | | Feld`model` | Typ`string` | AnforderungErforderlich | Werte und Limits deepseek-v3.2-thinking | Standard— | | Feld`messages` | Typ`message[]` | AnforderungErforderlich | Werte und Limits Mindestanzahl Elemente: 1 | Standard— | | Feld`messages[].role` | Typ`string` | AnforderungErforderlich | Werte und Limits Modellabhängig | Standard— | | Feld`messages[].content` | Typ`string` | AnforderungOptional | Werte und Limits Gilt, wenn: Textgespräch | Standard— | | Feld`stream` | Typ`boolean` | AnforderungOptional | Werte und Limits | Standardfalse | Kombinationen von Eingabematerialien **Text** · UTF8-Text `messages[].content` Methodenparameter und Lebenszyklus | Parameter | Vertrag | | --- | --- | | Parameter`content_type` | Vertragapplication/json | | Parameter`required` | Vertragmodel, messages | | Parameter`material_types` | Vertragtext | | Parameter`messages` | VertragNachrichtenarray mit role/content-Struktur | | Parameter`file_material` | VertragTatsächliches UTF-8-Dokument als wörtlicher Text eingefügt; keine Datei-ID abgeleitet | | Parameter`optional_controls` | Vertragstream | | Parameter`control_scope` | VertragTextgespräch; stream ist ein boolescher Wert und standardmäßig false. | | Parameter`output_modalities` | Vertragtext | | Parameter`hosted_operations` | Vertragfalse | | Parameter`multimodal_input_binding` | Vertragnull | Methodenaliasnamen: `/chat/completions` Lebenszyklus: `synchronous_or_streamed` Die genaue Modell-ID zusammen mit messages senden. Die Kontextlänge ist keine Ausgabeobergrenze. Eine Textdatei kann wörtlichen Text liefern; Bild-, Audio- und Dateiobjekteingaben benötigen eine exakte Zuordnung. ### Tarife Tarifangaben erweitern die Anfrageoptionen nicht. Unterstützte Parameter stehen bei der ausgewählten Methode. Schnellmodus Nicht angegeben Wenn der Schnellmodus ausgewählt ist Flex-Modus Nicht angegeben Wenn der Modus flex ausgewählt ist Maximaler Denkaufwand Nicht angegeben Wenn beim maximalen Denkaufwand die Standardanpassung (default) verwendet wird #### Ailoot-Tarife #### Preise nach Konfiguration | Konfiguration | Tarifstaffel | Gebühr | | --- | --- | --- | | KonfigurationBasistarife für Token | TarifstaffelGrundtarif | Gebühr Eingabe · Eingabetoken **$0.00058** / 1K Tokens Ausgabe · Ausgabetoken **$0.00086** / 1K Tokens Eingabe · Cache lesen **$0** / 1K Tokens Eingabe · In Cache schreiben **$0** / 1K Tokens Eingabe · In Cache schreiben, 1 Stunde **—** / 1K Tokens | Ailoot reserviert vor einer Anfrage einen geschätzten Betrag. Nach dem Ergebnis rechnet Ailoot die endgültige Gebühr anhand des gemessenen Verbrauchs ab. Bei Streaming erfolgt die Abrechnung anhand des abschließenden Verbrauchsdatensatzes. [So funktionieren Reservierung und Abrechnung →](https://ailoot.ai/docs/de-at/billing/reserve/) ### Beispielanfragen #### Ailoot Ultra · OpenAI Chat curlPython SDK ```bash set -eu : "${AILOOT_API_KEY:?Set your Ailoot API key}" python3 - <<'PY_REQUEST' import json,os from pathlib import Path p=json.loads('{"model":"deepseek-v3.2-thinking","messages":[{"role":"user","content":"hello"}],"stream":false}') Path("request.json").write_text(json.dumps(p,ensure_ascii=False)) PY_REQUEST curl --fail-with-body --silent --show-error https://api.ailoot.ai/v1/chat/completions \ -H "Authorization: Bearer $AILOOT_API_KEY" -H 'Content-Type: application/json' \ --data-binary @request.json -D response-headers.txt -o result.json python3 - <<'PY_RESULT' import json from pathlib import Path r=json.loads(Path("result.json").read_text()) for x in r.get("choices",[]): if x.get("message",{}).get("content"): print(x["message"]["content"]) PY_RESULT ``` ```python from openai import OpenAI import os if not os.environ.get("AILOOT_API_KEY", "").strip(): raise SystemExit("Set AILOOT_API_KEY before making a request") client=OpenAI(base_url="https://api.ailoot.ai/v1",api_key=os.environ["AILOOT_API_KEY"],max_retries=0) result=client.chat.completions.create(model="deepseek-v3.2-thinking", messages=[{"role":"user","content":"hello"}], stream=False) import base64, json from pathlib import Path def save_result(data, stem="result"): # Keep every field, including usage, IDs, reasoning and tool requests. Path(stem + ".json").write_text(json.dumps(data, ensure_ascii=False, indent=2), encoding="utf-8") print(json.dumps(data, ensure_ascii=False, indent=2)) def save_blob(encoded, suffix, label): raw = base64.b64decode(encoded, altchars=b"-_", validate=True) ext = "png" if raw.startswith(b"\x89PNG\r\n\x1a\n") else "jpg" if raw.startswith(b"\xff\xd8") else "webp" if raw[:4] == b"RIFF" and raw[8:12] == b"WEBP" else suffix file = Path(stem + "-" + label + "." + ext) file.write_bytes(raw) print("Saved", file) for index, block in enumerate(data.get("content") or []): print("Content", index, json.dumps(block, ensure_ascii=False)) for choice in data.get("choices") or []: print("Choice", choice.get("index"), json.dumps(choice.get("message", choice.get("delta", {})), ensure_ascii=False)) for index, item in enumerate(data.get("output") or []): print("Output", index, json.dumps(item, ensure_ascii=False)) if item.get("type") == "image_generation_call" and item.get("result"): save_blob(item["result"], item.get("output_format") or "bin", "output-" + str(index)) for ci, candidate in enumerate(data.get("candidates") or []): for pi, part in enumerate((candidate.get("content") or {}).get("parts") or []): print("Candidate/part", ci, pi, json.dumps(part, ensure_ascii=False)) blob = part.get("inlineData") or part.get("inline_data") if blob and blob.get("data"): mime = blob.get("mimeType") or blob.get("mime_type") suffix = {"image/png":"png", "image/jpeg":"jpg", "image/webp":"webp", "audio/wav":"wav", "audio/mpeg":"mp3", "video/mp4":"mp4"}.get(mime, "bin") save_blob(blob["data"], suffix, "candidate-" + str(ci) + "-part-" + str(pi)) save_result(result.to_dict(mode="json")) ``` ### Ergebnisse abrufen und speichern #### Ailoot Ultra · OpenAI Chat json oder SSE ##### Alle fertiggestellten Ergebnisse aufbewahren Bewahren Sie jede vollständig zurückgegebene Antwort, Datei und jeden Inhaltsteil auf. Alle Antwortvarianten mit ihren Inhalten, Werkzeugaufrufen und Reasoning-Daten beibehalten. In SSE die Deltas nach Varianten- und Werkzeugindex zusammensetzen; endgültigen Beendigungsgrund und Verbrauchsdaten beibehalten. ##### Wenn die ursprüngliche Antwort geprüft werden muss Anfrage- und Antwort-IDs sowie Header beibehalten. Eine allgemeine URL zum Abrufen von Textaufträgen wird nicht angegeben. Antwortfelder | Feld | Typ | | --- | --- | | Feld`choices[].index` | Typinteger | | Feld`choices[].message.content` | Typstring\|null | | Feld`choices[].message.tool_calls` | Typtool\_call\[\] | | Feld`choices[].message.reasoning_content` | Typstring | | Feld`choices[].message.reasoning_details` | Typobject\|array | | Feld`choices[].finish_reason` | Typstring\|null | | Feld`usage` | Typobject | Fehler und nächste Schritte | Antwort | Bedingung | Nächster Schritt | | --- | --- | --- | | Antwort400 · `invalid_request_error` | BedingungPflichtfelder, Darstellung des Eingabematerials oder Parameterwert ungültig | Nächster SchrittDie angegebenen Felder vor einer neuen Erstellungsanfrage korrigieren. | ### Aliasnamen #### Modellaliasnamen **Ailoot Ultra** [`deepseek-v3.2-thinking`](https://ailoot.ai/models/de-at/#m=deepseek-v3.2-thinking&route=Ultra&caller=deepseek-v3.2-thinking&fmt=chat) #### Aliasnamen für Methodenpfade `/chat/completions` #### Zugehörige Aufrufer-IDs [`deepseek-v3.2-thinking`](https://ailoot.ai/models/de-at/#m=deepseek-v3.2-thinking&route=Ultra&caller=deepseek-v3.2-thinking&fmt=chat) FAQ · DeepSeek: DeepSeek V3.2 Welche Eingaben und Ergebnisse sind verfügbar? `POST /v1/chat/completions` · `deepseek-v3.2-thinking`: `text` → `text` Welche Felder verwendet die Anfrage? `POST /v1/chat/completions` · `deepseek-v3.2-thinking`: `model`, `messages`, `stream` Welche Grenzen gelten? `POST /v1/chat/completions` · `deepseek-v3.2-thinking`: `messages.min_items`: `1` Verbinden Sie Ailoot mit Claude Code, OpenCode, Hermes oder Ihrer eigenen Anwendung. ## Das Unternehmen und sein Projektportfolio Das Unternehmen und sein Projektportfolio: Millionen von Kunden; monatliche Umsätze in Milliardenhöhe. ## Tokens mit Rabatt kaufen. Aborabatt für regelmäßige Arbeit. Aktionscodes bieten bis 50% beim Tokenkauf. Abo Wählen Sie einen Tarif mit Rabatt für Ihre regelmäßigen Anfragen. Aktionscode bis 50% Geben Sie den Code beim Kauf ein. Der Preis wird nach den gültigen Aktionsbedingungen berechnet. Ausgaben in der Historie Modell, Tokens und Betrag werden für jede Anfrage gespeichert. [Abo wählen](https://ailoot.ai/docs/de-at/billing/subscriptions/) · [Modellpreise ansehen](https://ailoot.ai/models/de-at/) ## Verbinden Sie die API mit dem Produkt, das Sie verkaufen. SaaS, Anwendungen und Bots nach dem offiziellen Angebot und Lizenzvertrag von Ailoot. Fordern Sie für den Weiterverkauf eine Reseller-Lizenz an. Kommerzielle Anwendung Integrieren Sie Text-, Bild-, Video- und Audioerzeugung in kostenpflichtige Funktionen Ihres Dienstes. Reseller-Lizenz Senden Sie Projektbeschreibung und Zugangsmodell. Fordern Sie schriftliche Nutzungs- und Weiterverkaufsbedingungen an. Dokumente auf der Website Offizielles Angebot, Lizenzvertrag und Datenschutzerklärung sind vor der Verbindung zugänglich. [Reseller-Lizenz anfordern](mailto:support@ailoot.ai) · [Offizielles Angebot und Lizenzvertrag](https://ailoot.ai/legal/offer?lang=de-at) ## Ailoot · Das Unternehmen und sein Projektportfolio Ailoot baut auf bewährte Betriebserfahrung, einen großen Kundenstamm, stabilen Service und kontinuierliche KPI-Kontrolle. Das Unternehmen und sein Projektportfolio: Millionen von Kunden; monatliche Umsätze in Milliardenhöhe. Ailoot nutzt diese Betriebserfahrung für den API-Zugang zu KI-Funktionen in Kundenprodukten, Agenten, Anwendungen und Automatisierungen.