Source: https://ailoot.ai/models/fr-ca/deepseek-v3-2-exp-thinking/ Canonical: https://ailoot.ai/models/fr-ca/deepseek-v3-2-exp-thinking/ Language: fr-ca # DeepSeek: DeepSeek V3.2 Exp [Markdown](https://ailoot.ai/models/fr-ca/deepseek-v3-2-exp-thinking/index.md) · [JSON](https://ailoot.ai/models/fr-ca/deepseek-v3-2-exp-thinking/facts.json) ## [DeepSeek: DeepSeek V3.2 Exp](https://ailoot.ai/models/fr-ca/deepseek-v3-2-exp-thinking/) DeepSeek V3.2 Exp est l'édition à attention parcimonieuse construite sur V3.1 Terminus. Elle traite le texte pour les tâches de raisonnement, de programmation et d'agents tout en explorant une attention à long contexte plus efficace, avec un contexte de 128K publié par le producteur et une identité distincte de la version V3.2 définitive. - [**Ailoot Ultra · OpenAI Chat** `POST /v1/chat/completions` `deepseek-v3.2-exp-thinking`](https://ailoot.ai/models/fr-ca/deepseek-v3-2-exp-thinking/#method-0) À propos du modèle Cette description présente les capacités du modèle. Les entrées, sorties et options disponibles dans Ailoot pour la méthode sélectionnée figurent ci-dessous. DeepSeek V3.2 Exp est l’édition expérimentale de modèle textuel de DeepSeek fondée sur V3.1 Terminus. Son changement déterminant est DeepSeek Sparse Attention, introduit pour étudier l’efficacité accrue de l’entraînement et de l’inférence sur de longues séquences textuelles. La tâche reste textuelle : des instructions écrites et un contexte produisent une réponse en texte, du code ou une sortie liée aux agents. Cette édition de recherche sur l’attention creuse est distincte du modèle V3.2 final et de son format ultérieur de réflexion avec outils. DSA utilise un indexeur léger et une sélection fine des jetons pour que le calcul principal d’attention se concentre sur des informations choisies parmi les jetons antérieurs. DeepSeek a volontairement aligné la configuration expérimentale d’entraînement sur V3.1 Terminus afin d’isoler le changement architectural. Le rapport V3.2 confirme que V3.2 final et V3.2 Exp partagent cette architecture et décrit la poursuite de l’entraînement à partir de la base Terminus à contexte 128K. Le profil expérimental publié utilise ce réglage de contexte long 128K. La fiche expérimentale du fabricant conserve le raisonnement et le travail d’agents dans son périmètre tout en préservant le profil de tâches du modèle antérieur. Ses éléments distinguent le raisonnement sans outils et l’utilisation d’outils par des agents. Préparez une question claire, le contexte source pertinent et la forme finale attendue. Si la tâche utilise un outil, l’application fournit sa définition et renvoie son résultat; l’action proposée par le modèle n’est pas une opération déjà exécutée. La fiche V3.2 finale introduit un format révisé d’appel d’outils et décrit explicitement la réflexion avec outils. Ces nouveautés appartiennent à la version finale et ne constituent pas nécessairement l’ensemble du contrat d’interaction expérimental. Pour V3.2 Exp, conservez le format de messages propre à l’édition et le contexte de tâches hérité de Terminus, plutôt que de supposer qu’un nom voisin rend interchangeables tous les réglages ou rôles ultérieurs. Pour comparer de longs documents, identifiez chaque source et les sections pertinentes. Voici une consigne illustrative : « Compare ces exigences à l’implémentation proposée, relève chaque écart et cite le passage qui l’établit. Termine par une liste de corrections classées par priorité. » Pour du code, fournissez le comportement défaillant, le fragment pertinent et le résultat attendu, puis demandez une modification ciblée et clairement expliquée. La disposition des sources et la règle d’achèvement orientent une tâche à long contexte vers un livrable utilisable. L’implémentation de référence du fabricant comprend l’indexeur d’attention creuse, et sa fiche consigne une correction importante : le RoPE de l’indexeur utilise une disposition non entrelacée, alors que le module d’attention latente attend une disposition entrelacée. Ce détail de référence est pertinent pour une exécution fidèle du modèle; il ne constitue ni un autre prompt utilisateur ni une nouvelle capacité. Un nom de modèle ne décrit donc pas à lui seul la manière dont chaque implémentation traite cette architecture expérimentale. Une tâche d’agent continue doit budgéter ensemble ses sources textuelles, sa conversation, son raisonnement généré et les observations des outils. Organisez les observations utiles et demandez à la réponse finale de distinguer les preuves, les hypothèses et les actions proposées. Pour un résultat factuel dépendant de sources, fournissez les documents faisant autorité ou un outil approprié plutôt que de compter sur des connaissances générales d’entraînement. La sortie reste un texte, du code ou une fiche d’analyse vérifiable par rapport à la tâche et à ses entrées. **Ailoot Ultra · OpenAI Chat** `POST /v1/chat/completions` `deepseek-v3.2-exp-thinking` [`deepseek-v3.2-exp-thinking`](https://ailoot.ai/models/fr-ca/#m=deepseek-v3.2-exp-thinking&route=Ultra&caller=deepseek-v3.2-exp-thinking&fmt=chat) DeepSeek /`deepseek-v3.2-exp-thinking` ### Pour commencer DeepSeek V3.2 Exp est l'édition à attention parcimonieuse construite sur V3.1 Terminus. Elle traite le texte pour les tâches de raisonnement, de programmation et d'agents tout en explorant une attention à long contexte plus efficace, avec un contexte de 128K publié par le producteur et une identité distincte de la version V3.2 définitive. Entrées acceptées Texte Résultats Texte ### Disponible dans Ailoot · entrées et méthodes **Ailoot Ultra · OpenAI Chat** `POST /v1/chat/completions` Entrée `text` Sortie `text` Format de sortie json ou SSE | Champ | Type | Exigence | Valeurs et limites | Par défaut | | --- | --- | --- | --- | --- | | Champ`model` | Type`string` | ExigenceObligatoire | Valeurs et limites deepseek-v3.2-exp-thinking | Par défaut— | | Champ`messages` | Type`message[]` | ExigenceObligatoire | Valeurs et limites Nombre minimal d’éléments: 1 | Par défaut— | | Champ`messages[].role` | Type`string` | ExigenceObligatoire | Valeurs et limites Selon le modèle | Par défaut— | | Champ`messages[].content` | Type`string` | ExigenceFacultatif | Valeurs et limites S’applique lorsque: Conversation textuelle | Par défaut— | | Champ`stream` | Type`boolean` | ExigenceFacultatif | Valeurs et limites | Par défautfalse | Combinaisons d’éléments d’entrée **Texte** · Texte UTF8 `messages[].content` Paramètres et cycle de vie de la méthode | Paramètre | Contrat | | --- | --- | | Paramètre`content_type` | Contratapplication/json | | Paramètre`required` | Contratmodel, messages | | Paramètre`material_types` | Contrattext | | Paramètre`messages` | ContratTableau de messages avec une structure role/content | | Paramètre`file_material` | ContratDocument UTF-8 réel inséré comme texte littéral ; aucun ID de fichier déduit | | Paramètre`optional_controls` | Contratstream | | Paramètre`control_scope` | ContratConversation textuelle ; stream est un booléen dont la valeur par défaut est false. | | Paramètre`output_modalities` | Contrattext | | Paramètre`hosted_operations` | Contratfalse | | Paramètre`multimodal_input_binding` | Contratnull | Alias de méthode : `/chat/completions` Cycle de vie : `synchronous_or_streamed` Envoyez l’ID exact du modèle avec messages. La longueur du contexte n’est pas un plafond de sortie. Un fichier texte peut fournir du texte littéral ; les entrées image/audio/objet fichier nécessitent une liaison exacte. ### Tarifs Les tarifs n’ajoutent pas d’options de requête. Les paramètres pris en charge figurent dans la méthode sélectionnée. Mode rapide Non précisé Lorsque le mode rapide est sélectionné Mode Flex Non précisé Lorsque le mode flex est sélectionné Effort de raisonnement maximal Non précisé Lorsque l’effort de raisonnement maximal utilise l’ajustement par défaut (default) #### Tarifs Ailoot #### Prix par configuration | Configuration | Barème tarifaire | Coût | | --- | --- | --- | | ConfigurationTarifs de base des jetons | Barème tarifaireTarif de base | Coût Entrée · Jetons en entrée **$0.00058** / 1K jetons Sortie · Jetons en sortie **$0.00086** / 1K jetons Entrée · Lecture du cache **$0** / 1K jetons Entrée · Écriture dans le cache **$0** / 1K jetons Entrée · Écriture dans le cache, 1 h **—** / 1K jetons | Ailoot réserve un montant estimé avant une requête. Après le résultat, le montant final est débité selon l’utilisation mesurée. Pour le streaming, le montant final à débiter est calculé à partir du relevé final d’utilisation. [Fonctionnement de la réservation et du débit →](https://ailoot.ai/docs/fr-ca/billing/reserve/) ### Exemples de requêtes #### Ailoot Ultra · OpenAI Chat curlPython SDK ```bash set -eu : "${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-exp-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-exp-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")) ``` ### Recevoir et enregistrer les résultats #### Ailoot Ultra · OpenAI Chat json ou SSE ##### Conserver tous les résultats terminés Conservez chaque réponse, fichier et partie de contenu renvoyés dans leur intégralité. Conservez chaque choix avec son contenu, ses appels d’outils et son raisonnement. En SSE, assemblez les deltas par index de choix et d’outil, et conservez le motif final d’arrêt et les données d’utilisation. ##### Si la réponse d’origine doit être vérifiée Conservez les ID et les en-têtes de requête/réponse. Aucune URL générique de récupération de tâche textuelle n’est fournie. Champs de la réponse | Champ | Type | | --- | --- | | Champ`choices[].index` | Typeinteger | | Champ`choices[].message.content` | Typestring\|null | | Champ`choices[].message.tool_calls` | Typetool\_call\[\] | | Champ`choices[].message.reasoning_content` | Typestring | | Champ`choices[].message.reasoning_details` | Typeobject\|array | | Champ`choices[].finish_reason` | Typestring\|null | | Champ`usage` | Typeobject | Erreurs et étapes suivantes | Réponse | Condition | Étape suivante | | --- | --- | --- | | Réponse400 · `invalid_request_error` | ConditionChamps obligatoires, représentation des éléments fournis ou valeur de paramètre invalides | Étape suivanteCorrigez les champs indiqués avant une nouvelle requête de création. | ### Alias #### Alias du modèle **Ailoot Ultra** [`deepseek-v3.2-exp-thinking`](https://ailoot.ai/models/fr-ca/#m=deepseek-v3.2-exp-thinking&route=Ultra&caller=deepseek-v3.2-exp-thinking&fmt=chat) #### Alias des chemins de méthode `/chat/completions` #### ID d’appel associés [`deepseek-v3.2-exp-thinking`](https://ailoot.ai/models/fr-ca/#m=deepseek-v3.2-exp-thinking&route=Ultra&caller=deepseek-v3.2-exp-thinking&fmt=chat) FAQ · DeepSeek: DeepSeek V3.2 Exp Quelles entrées et quels résultats sont disponibles ? `POST /v1/chat/completions` · `deepseek-v3.2-exp-thinking`: `text` → `text` Quels champs la requête utilise-t-elle ? `POST /v1/chat/completions` · `deepseek-v3.2-exp-thinking`: `model`, `messages`, `stream` Quelles limites s’appliquent ? `POST /v1/chat/completions` · `deepseek-v3.2-exp-thinking`: `messages.min_items`: `1` Connectez Ailoot à Claude Code, OpenCode, Hermes ou à votre application. ## L’entreprise et son portefeuille de projets L’entreprise et son portefeuille de projets : des millions de clients ; des ventes qui se chiffrent en milliards chaque mois. ## Achetez des tokens à prix réduit. Une remise d’abonnement pour le travail régulier. Des codes promo jusqu’à 50% sur l’achat de tokens. Abonnement Choisissez une offre à tarif réduit pour vos requêtes régulières. Code promo jusqu’à 50% Saisissez le code à l’achat. Le prix est recalculé selon la promotion en cours. Dépenses dans l’historique Modèle, tokens et montant sont enregistrés pour chaque requête. [Choisir un abonnement](https://ailoot.ai/docs/fr-ca/billing/subscriptions/) · [Voir les prix des modèles](https://ailoot.ai/models/fr-ca/) ## Connectez l’API au produit que vous vendez. SaaS, applications et bots selon l’offre officielle et le contrat de licence Ailoot. Pour la revente, demandez une licence revendeur. Application commerciale Intégrez la génération de texte, d’images, de vidéo et de son aux fonctions payantes de votre service. Licence revendeur Envoyez la description du projet et le mode d’accès. Demandez des conditions écrites d’utilisation et de revente. Documents sur le site L’offre officielle, le contrat de licence et la politique de traitement des données sont accessibles avant connexion. [Demander une licence revendeur](mailto:support@ailoot.ai) · [Offre officielle et contrat de licence](https://ailoot.ai/legal/offer?lang=fr-ca) ## Ailoot · L’entreprise et son portefeuille de projets Ailoot s’appuie sur une expérience opérationnelle éprouvée, une large clientèle, un service stable et un suivi continu des KPI. L’entreprise et son portefeuille de projets : des millions de clients ; des ventes qui se chiffrent en milliards chaque mois. Ailoot met cette expérience opérationnelle au service de l’accès API aux fonctions d’IA dans les produits des clients, leurs agents, applications et automatisations.