Source: https://ailoot.ai/models/fr/deepseek-v3-2-thinking/ Canonical: https://ailoot.ai/models/fr/deepseek-v3-2-thinking/ Language: fr # DeepSeek: DeepSeek V3.2 [Markdown](https://ailoot.ai/models/fr/deepseek-v3-2-thinking/index.md) · [JSON](https://ailoot.ai/models/fr/deepseek-v3-2-thinking/facts.json) ## [DeepSeek: DeepSeek V3.2](https://ailoot.ai/models/fr/deepseek-v3-2-thinking/) DeepSeek V3.2 combine le raisonnement textuel avec l'utilisation d'outils et l'analyse de longs contextes. Son architecture à attention clairsemée et son format de conversation mis à jour prennent en charge le développement, la recherche et les tâches d'agents en plusieurs étapes, avec un contexte de 128K et des processus distincts de réflexion et de réponse directe. - [**Ailoot Ultra · Chat OpenAI** `POST /v1/chat/completions` `deepseek-v3.2-thinking`](https://ailoot.ai/models/fr/deepseek-v3-2-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 est le modèle textuel de DeepSeek pour le raisonnement et le travail agentique, avec un accent sur le traitement efficace des longs contextes. Le producteur organise ses principales évolutions autour de DeepSeek Sparse Attention, d'un cadre d'apprentissage par renforcement à plus grande échelle et d'une chaîne d'entraînement aux tâches agentiques. Il accepte des questions écrites et du contexte et produit du texte, notamment une réponse, du code ou du contenu d'appel d'outil. Il se distingue de la version antérieure V3.2 Exp et de la variante de raisonnement distincte Speciale. DeepSeek Sparse Attention ajoute un indexeur et une sélection fine de tokens à l'architecture d'attention latente. Pour une longue séquence, l'indexeur sélectionne les informations des tokens précédents utilisées par le calcul principal de l'attention. Le rapport indique qu'il s'agit du changement architectural par rapport à V3.1 Terminus et que l'architecture est la même que celle de V3.2 Exp. Son contexte publié est de 128K tokens, ce qui permet des ressources sources substantielles et une tâche poursuivie dans le temps, tandis que le raisonnement généré et l'historique des outils consomment eux aussi le contexte disponible. Le post-entraînement couvre les réponses avec et sans réflexion en mathématiques, programmation, raisonnement logique, tâches agentiques générales, développement agentique et recherche. Des spécialistes de domaines fournissent des données consolidées dans le modèle final, puis un apprentissage par renforcement mixte est appliqué. Pour une question ordinaire, une réponse directe peut convenir ; pour un problème difficile, le processus de réflexion peut développer une solution avant de présenter le résultat final. Précisez la réponse ou le livrable requis indépendamment du raisonnement intermédiaire. Une évolution majeure de l'édition est la réflexion avec des outils. Le format de conversation mis à jour permet de poursuivre le raisonnement dans une tâche d'appels d'outils plutôt que de traiter l'analyse et l'action comme des étapes sans lien. Une opération sélectionnée par le modèle est exécutée par l'application, qui renvoie son résultat pour l'étape suivante. La règle de contexte des outils du producteur conserve le raisonnement historique tant que seuls des messages liés aux outils sont ajoutés ; lorsqu'un nouveau message utilisateur arrive, elle supprime ce raisonnement tout en préservant les appels d'outils et leurs résultats. Des rôles de conversation correctement distingués sont importants pour ce comportement. Pour le développement, fournissez le fragment source ou les fichiers pertinents, le problème observé, le résultat attendu et les conditions que la modification doit préserver. Exemple de brief : « Utilise le code et les résultats d'outils fournis pour localiser la cause, proposer la plus petite correction et renvoyer le correctif final avec le résultat de validation qui le soutient. » Pour une tâche de recherche, décrivez la question, les éléments probants requis et ce qui constitue une réponse terminée. Les outils de recherche et d'exécution sont fournis par l'application qui entoure le modèle, et non par le texte seul. Le producteur recommande une température de 1,0 et un top-p de 0,95 pour l'utilisation locale. V3.2 introduit une représentation révisée des appels d'outils et un encodeur de messages dédié. Son rôle developer est réservé au modèle de prompt d'agent de recherche du producteur, et l'API officielle n'accepte pas ce rôle. Le parseur de référence attend une sortie bien formée et ne répare pas les résultats mal formés ; lorsqu'une application utilise des champs générés ou des arguments d'outils, elle doit vérifier leur structure avant d'agir dessus. Le rapport technique identifie les longues trajectoires de raisonnement et les auto-vérifications redondantes comme des limites pratiques. Une tâche agentique peut atteindre la limite de 128K même si les ressources sources initiales y tiennent, car les sorties d'outils et les raisonnements répétés s'accumulent. Conservez une trace concise des observations pertinentes et rendez le livrable final explicite. Pour un travail qui dépend de connaissances précises, joignez les ressources faisant autorité ou fournissez un outil de recherche adapté plutôt que d'attendre des connaissances d'entraînement qu'elles définissent chaque fait. DeepSeek V3.2 Speciale est une variante distincte de raisonnement approfondi à forte intensité de calcul, et, selon sa fiche de modèle, elle ne prend pas en charge les appels d'outils. Ses fonctionnalités ne doivent pas servir de profil d'outils standard pour V3.2. De même, la génération ultérieure V4 et le prédécesseur expérimental ont des identités et des choix de configuration distincts. Conservez l'édition nommée V3.2 lorsque vous comparez des tâches pour lesquelles le modèle et le format de prompt comptent. Pour une analyse pratique fondée sur des sources, identifiez les ressources et demandez une conclusion appuyée sur les passages pertinents, en gardant les hypothèses et les informations manquantes distinctes. Pour un agent, indiquez les fonctions autorisées, le résultat final attendu et le critère d'achèvement. Cela prépare le processus de raisonnement et d'outils du modèle autour d'un livrable textuel, de code ou d'analyse examinable et relié aux éléments fournis. **Ailoot Ultra · Chat OpenAI** `POST /v1/chat/completions` `deepseek-v3.2-thinking` [`deepseek-v3.2-thinking`](https://ailoot.ai/models/fr/#m=deepseek-v3.2-thinking&route=Ultra&caller=deepseek-v3.2-thinking&fmt=chat) DeepSeek /`deepseek-v3.2-thinking` ### Premiers pas DeepSeek V3.2 combine le raisonnement textuel avec l'utilisation d'outils et l'analyse de longs contextes. Son architecture à attention clairsemée et son format de conversation mis à jour prennent en charge le développement, la recherche et les tâches d'agents en plusieurs étapes, avec un contexte de 128K et des processus distincts de réflexion et de réponse directe. Entrées acceptées Texte Résultats Texte ### Disponible dans Ailoot · entrées et méthodes **Ailoot Ultra · Chat OpenAI** `POST /v1/chat/completions` Types d’entrée `text` Types de 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-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 sous forme de texte littéral ; aucun identifiant 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’identifiant 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/objets 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 tokens | Barème tarifaireTarif de base | Coût Entrée · Tokens en entrée **$0.00058** / 1K tokens Sortie · Tokens en sortie **$0.00086** / 1K tokens Entrée · Lecture du cache **$0** / 1K tokens Entrée · Écriture dans le cache **$0** / 1K tokens Entrée · Écriture dans le cache, 1 h **—** / 1K tokens | Ailoot réserve un montant estimé avant une requête. Après le résultat, le montant final est débité selon l’utilisation mesurée. Pour le streaming, le montant final à débiter est calculé à partir du relevé final d’utilisation. [Fonctionnement de la réservation et du débit →](https://ailoot.ai/docs/fr/billing/reserve/) ### Exemples de requêtes #### Ailoot Ultra · Chat OpenAI curlPython SDK ```bash set -eu : "${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")) ``` ### Recevoir et enregistrer les résultats #### Ailoot Ultra · Chat OpenAI 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, puis conservez le motif final de terminaison et les données d’utilisation. ##### Si la réponse d’origine doit être vérifiée Conservez les identifiants de requête et de réponse ainsi que les en-têtes. Aucune URL générique de récupération des tâches textuelles 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 contenus ou valeur de paramètre non valides | Étape suivanteCorrigez les champs indiqués avant une nouvelle requête de création. | ### Alias #### Alias du modèle **Ailoot Ultra** [`deepseek-v3.2-thinking`](https://ailoot.ai/models/fr/#m=deepseek-v3.2-thinking&route=Ultra&caller=deepseek-v3.2-thinking&fmt=chat) #### Alias des chemins de méthode `/chat/completions` #### ID d’appel associés [`deepseek-v3.2-thinking`](https://ailoot.ai/models/fr/#m=deepseek-v3.2-thinking&route=Ultra&caller=deepseek-v3.2-thinking&fmt=chat) FAQ · DeepSeek: DeepSeek V3.2 Quelles entrées et quels résultats sont disponibles ? `POST /v1/chat/completions` · `deepseek-v3.2-thinking`: `text` → `text` Quels champs la requête utilise-t-elle ? `POST /v1/chat/completions` · `deepseek-v3.2-thinking`: `model`, `messages`, `stream` Quelles limites s’appliquent ? `POST /v1/chat/completions` · `deepseek-v3.2-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/billing/subscriptions/) · [Voir les prix des modèles](https://ailoot.ai/models/fr/) ## 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) ## 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.