DeepSeek: DeepSeek V3.2 Exp
DeepSeek V3.2 Exp היא מהדורת הקשב הדליל המבוססת על V3.1 Terminus. היא מעבדת טקסט למשימות הסקה, תכנות וסוכן, תוך בחינת קשב יעיל יותר להקשרים ארוכים, עם הקשר של 128K אצל היצרן וזהות נפרדת ממהדורת V3.2 הסופית.
על המודל
התיאור הזה מציג את יכולות המודל. הקלט, הפלט והאפשרויות הזמינים ב-Ailoot מפורטים בהמשך לפי השיטה שנבחרה.
DeepSeek V3.2 Exp הוא מהדורת מודל הטקסט הניסיונית של DeepSeek, שנבנתה על V3.1 Terminus. השינוי המגדיר שלה הוא DeepSeek Sparse Attention, שהוצג כדי לחקור אימון והסקה יעילים יותר ברצפי טקסט ממושכים. המשימה נשארת מבוססת טקסט: הוראות והקשר כתובים מפיקים תשובת טקסט, קוד או פלט הקשור לסוכן. זאת מהדורת המחקר של הקשב הדליל, הנפרדת ממודל V3.2 הסופי ומהפורמט המאוחר שלו לחשיבה עם כלים.
DSA משתמש במאנדקס קל משקל ובבחירה מדוקדקת של טוקנים, כדי שחישוב הקשב העיקרי יתמקד במידע נבחר מטוקנים קודמים. DeepSeek התאימה בכוונה את תצורת האימון הניסיונית ל-V3.1 Terminus כדי לבודד את השינוי הארכיטקטוני. דוח V3.2 מאשר ש-V3.2 הסופי ו-V3.2 Exp חולקים את הארכיטקטורה הזאת ומתאר המשך אימון מבסיס Terminus עם הקשר של 128K. הפרופיל הניסיוני שפורסם משתמש באותה הגדרת הקשר ארוך של 128K.
כרטיס המודל הניסיוני של היצרן משאיר חשיבה ועבודת סוכנים בתחום השימוש, תוך שמירה על פרופיל המשימות של המודל הקודם. הראיות שלו מכסות בנפרד חשיבה ללא כלים ושימוש סוכני בכלים. הכינו שאלה ברורה, הקשר מקור רלוונטי וצורה סופית רצויה. אם המשימה משתמשת בכלי, היישום מספק את הגדרתו ומחזיר את התוצאה; הפעולה שהמודל מציע אינה שקולה לפעולה שכבר בוצעה.
כרטיס V3.2 הסופי מציג פורמט מתוקן לקריאות כלים ומתאר במפורש חשיבה עם כלים. העדכונים האלה שייכים למהדורה הסופית ואין להתייחס אליהם כחוזה האינטראקציה המלא של המהדורה הניסיונית. עבור V3.2 Exp, שמרו את פורמט ההודעות של המהדורה ואת הקשר המשימות שירשה מ-Terminus, במקום להניח ששם דומה הופך את כל הבקרות או התפקידים המאוחרים לניתנים להחלפה.
להשוואת מסמכים ארוכים, סמנו כל מקור וציינו את החלקים הרלוונטיים לשאלה. דוגמה לניסוח היא: ״השוו את הדרישות האלה למימוש המוצע, זהו כל אי-התאמה וציינו את הקטע שמבסס אותה. סיימו ברשימת תיקונים לפי סדר עדיפויות״. לקוד, ספקו את ההתנהגות הכושלת, המקטע הרלוונטי והתוצאה המצופה, ואז בקשו שינוי ממוקד עם הסבר ברור. מבנה המקור וכלל ההשלמה עוזרים לכוון משימת הקשר ארוך לתוצר שימושי.
מימוש הייחוס של היצרן כולל את המאנדקס של הקשב הדליל, וכרטיס המודל מתעד תיקון מימוש חשוב: RoPE במאנדקס משתמש בפריסה לא שזורה, ואילו מודול הקשב הלטנטי מצפה לפריסה שזורה. זהו פרט במימוש הייחוס של היצרן שחשוב להרצה נאמנה של המודל, ולא פרומפט משתמש אחר או יכולת חדשה. המשמעות היא גם ששם המודל לבדו אינו מתאר כיצד כל מימוש מטפל בארכיטקטורה הניסיונית.
משימת סוכן מתמשכת צריכה לתקצב יחד את טקסט המקור, השיחה, החשיבה שנוצרה ותצפיות הכלים. ארגנו את התצפיות השימושיות ובקשו מהתשובה הסופית להבחין בין ראיות, הנחות ופעולות מוצעות. לתוצאה עובדתית שתלויה במקור, ספקו חומר מוסמך או כלי מתאים במקום להסתמך על ידע אימון כללי. הפלט נשאר טקסט, קוד או רשומה אנליטית שאפשר לבדוק מול המשימה והקלט שלה.
Ailoot Ultra · OpenAI Chat POST /v1/chat/completions deepseek-v3.2-exp-thinking
deepseek-v3.2-exp-thinkingהתחלה
DeepSeek V3.2 Exp היא מהדורת הקשב הדליל המבוססת על V3.1 Terminus. היא מעבדת טקסט למשימות הסקה, תכנות וסוכן, תוך בחינת קשב יעיל יותר להקשרים ארוכים, עם הקשר של 128K אצל היצרן וזהות נפרדת ממהדורת V3.2 הסופית.
- סוגי קלט נתמכים
- טקסט
- תוצאות
- טקסט
זמין ב-Ailoot · קלט ושיטות
Ailoot Ultra · OpenAI Chat POST /v1/chat/completions
- סוגי קלט
text- סוגי פלט
text- פורמט פלט
- json או SSE
| שדה | סוג | דרישה | ערכים ומגבלות | ברירת מחדל |
|---|---|---|---|---|
שדהmodel | סוגstring | דרישהחובה | ערכים ומגבלות deepseek-v3.2-exp-thinking | ברירת מחדל— |
שדהmessages | סוגmessage[] | דרישהחובה | ערכים ומגבלות מספר פריטים מזערי: 1 | ברירת מחדל— |
שדהmessages[].role | סוגstring | דרישהחובה | ערכים ומגבלות תלוי במודל | ברירת מחדל— |
שדהmessages[].content | סוגstring | דרישהרשות | ערכים ומגבלות חל כאשר: שיחת טקסט | ברירת מחדל— |
שדהstream | סוגboolean | דרישהרשות | ערכים ומגבלות | ברירת מחדלfalse |
שילובים של חומרי קלט
טקסט · טקסט UTF8
messages[].content
פרמטרים ומחזור חיים של השיטה
| פרמטר | מפרט |
|---|---|
פרמטרcontent_type | מפרטapplication/json |
פרמטרrequired | מפרטmodel, messages |
פרמטרmaterial_types | מפרטtext |
פרמטרmessages | מפרטמערך הודעות במבנה role/content |
פרמטרfile_material | מפרטמסמך UTF-8 בפועל מוכנס כטקסט מילולי; לא מוסק מזהה קובץ |
פרמטרoptional_controls | מפרטstream |
פרמטרcontrol_scope | מפרטשיחת טקסט; stream הוא ערך בוליאני וברירת המחדל שלו היא false. |
פרמטרoutput_modalities | מפרטtext |
פרמטרhosted_operations | מפרטfalse |
פרמטרmultimodal_input_binding | מפרטnull |
כינויים לשיטה: /chat/completions
מחזור חיים: synchronous_or_streamed
שלחו את מזהה המודל המדויק עם messages.
אורך ההקשר אינו תקרת פלט.
קובץ טקסט יכול לספק טקסט מילולי; קלטי תמונה/אודיו/אובייקט קובץ דורשים קישור מדויק.
תעריפים
מידע תעריפים אינו מוסיף אפשרויות לבקשה. הפרמטרים הנתמכים מפורטים בשיטה שנבחרה.
- מצב מהיר
- לא צוין כאשר נבחר מצב מהיר
- מצב Flex
- לא צוין כאשר נבחר מצב flex
- מאמץ חשיבה מרבי
- לא צוין כאשר מאמץ החשיבה המרבי משתמש בהתאמת ברירת המחדל (default)
תעריפי Ailoot
מחירים לפי תצורה
| תצורה | טבלת תעריפים | חיוב |
|---|---|---|
| תצורהתעריפי הבסיס לטוקנים | טבלת תעריפיםתעריף בסיס | חיוב קלט · טוקני קלט $0.00058 / 1K טוקנים פלט · טוקני פלט $0.00086 / 1K טוקנים קלט · קריאה מהמטמון $0 / 1K טוקנים קלט · כתיבה למטמון $0 / 1K טוקנים קלט · כתיבה למטמון, 1 שעה — / 1K טוקנים |
לפני הבקשה Ailoot משריינת סכום משוער. לאחר קבלת התוצאה היא מסדירה את החיוב הסופי לפי השימוש המדוד. הסדרת חיוב בהזרמה משתמשת ברשומת השימוש הסופית. איך פועלים שריון הסכום והסדרת החיוב →
דוגמאות לבקשות
Ailoot Ultra · OpenAI Chat
set -eu
: "${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
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"))
קבלה ושמירה של תוצאות
Ailoot Ultra · OpenAI Chat
json או SSE
שמירת כל התוצאות שהושלמו
שמרו כל תגובה מלאה, קובץ ומקטע תוכן שהוחזרו.
שמרו כל בחירה ואת התוכן, קריאות הכלים וההנמקה שלה. ב-SSE הרכיבו עדכונים לפי אינדקס הבחירה/הכלי ושמרו את סיבת הסיום הסופית ואת השימוש.
כשצריך לבדוק את התגובה המקורית
שמרו מזהי בקשות/תגובות וכותרות. לא מסופק URL כללי לאחזור משימת טקסט.
שדות התגובה
| שדה | סוג |
|---|---|
שדהchoices[].index | סוגinteger |
שדהchoices[].message.content | סוגstring|null |
שדהchoices[].message.tool_calls | סוגtool_call[] |
שדהchoices[].message.reasoning_content | סוגstring |
שדהchoices[].message.reasoning_details | סוגobject|array |
שדהchoices[].finish_reason | סוגstring|null |
שדהusage | סוגobject |
שגיאות והשלבים הבאים
| תגובה | תנאי | השלב הבא |
|---|---|---|
תגובה400 · invalid_request_error | תנאישדות נדרשים, ייצוג חומר או ערך פרמטר שאינם תקינים | השלב הבאתקנו את השדות שצוינו לפני בקשת יצירה חדשה. |
כינויים
כינויים למודל
Ailoot Ultra deepseek-v3.2-exp-thinking
כינויים לנתיבי שיטות
/chat/completions
מזהי מודלים קשורים IDs
FAQ · DeepSeek: DeepSeek V3.2 Exp
- אילו קלטים ותוצאות זמינים?
POST /v1/chat/completions·deepseek-v3.2-exp-thinking:text→text- באילו שדות הבקשה משתמשת?
POST /v1/chat/completions·deepseek-v3.2-exp-thinking:model,messages,stream- אילו מגבלות חלות?
POST /v1/chat/completions·deepseek-v3.2-exp-thinking:messages.min_items:1