DeepSeek: DeepSeek V3.2 Exp

DeepSeek V3.2 Exp adalah edisi dengan sparse attention yang dibangun di atas V3.1 Terminus. Model ini memproses teks untuk penalaran, pemrograman, dan tugas agen sambil mengeksplorasi mekanisme attention berkonteks panjang yang lebih efisien, dengan konteks 128K dari pembuatnya dan identitas yang terpisah dari rilis akhir V3.2.

Ailoot Ultra · OpenAI Chat POST /v1/chat/completions deepseek-v3.2-exp-thinking

Tentang model

Deskripsi ini mencakup kemampuan model. Masukan, keluaran, dan opsi yang tersedia di Ailoot tercantum di bawah untuk metode yang dipilih.

DeepSeek V3.2 Exp adalah edisi model teks eksperimental DeepSeek yang dibangun di atas V3.1 Terminus. Perubahan utamanya adalah DeepSeek Sparse Attention, yang diperkenalkan untuk meneliti pelatihan dan inferensi yang lebih efisien bagi urutan teks panjang. Tugasnya tetap berbasis teks: instruksi tertulis dan konteks menghasilkan jawaban teks, kode, atau keluaran terkait agen. Ini adalah edisi riset sparse attention, yang terpisah dari model V3.2 final dan format thinking-with-tools yang hadir setelahnya.

DSA menggunakan pengindeks ringan dan pemilihan token secara terperinci agar perhitungan perhatian utama berfokus pada informasi token terdahulu yang dipilih. DeepSeek sengaja menyelaraskan konfigurasi pelatihan eksperimental dengan V3.1 Terminus untuk mengisolasi perubahan arsitektur. Laporan V3.2 mengonfirmasi bahwa V3.2 final dan V3.2 Exp berbagi arsitektur ini, serta menjelaskan pelatihan lanjutan dari basis Terminus dengan konteks 128K. Profil eksperimental yang dipublikasikan menggunakan pengaturan konteks panjang 128K tersebut.

Kartu eksperimental pengembang tetap mencakup penalaran dan pekerjaan agen sambil mempertahankan profil tugas model sebelumnya. Buktinya mencakup penalaran tanpa alat dan penggunaan alat oleh agen sebagai alur kerja yang berbeda. Siapkan pertanyaan yang jelas, konteks sumber yang relevan, dan bentuk akhir yang diinginkan. Jika tugas menggunakan alat, aplikasi menyediakan definisinya dan mengembalikan hasil; tindakan yang diusulkan model tidak sama dengan operasi yang sudah dieksekusi.

Kartu V3.2 final memperkenalkan format pemanggilan alat yang direvisi dan secara eksplisit menjelaskan thinking dengan alat. Pembaruan tersebut merupakan bagian dari rilis final dan tidak boleh dianggap sebagai seluruh kontrak interaksi edisi eksperimental. Untuk V3.2 Exp, pertahankan format pesan edisinya sendiri dan konteks tugas yang diwarisi dari Terminus, alih-alih menganggap nama yang mirip membuat setiap kontrol atau peran yang datang belakangan dapat saling dipertukarkan.

Untuk perbandingan dokumen panjang, beri label pada setiap sumber dan tentukan bagian yang relevan dengan pertanyaan. Contoh arahan: “Bandingkan persyaratan ini dengan implementasi yang diusulkan, identifikasi setiap ketidaksesuaian, dan kutip bagian yang membuktikannya. Akhiri dengan daftar perbaikan menurut prioritas.” Untuk kode, berikan perilaku yang gagal, fragmen yang relevan, dan hasil yang diharapkan, lalu minta perubahan terarah dengan penjelasan yang jelas. Tata susunan sumber dan aturan penyelesaian membantu mengarahkan tugas konteks panjang menuju hasil yang dapat digunakan.

Implementasi referensi pengembang menyertakan pengindeks sparse attention, dan kartunya mencatat perbaikan implementasi yang penting: RoPE pada pengindeks menggunakan tata letak non-interleaved, sedangkan modul latent attention mengharapkan tata letak interleaved. Ini adalah detail referensi pengembang yang relevan untuk menjalankan model secara setia, bukan prompt pengguna yang berbeda atau kemampuan baru. Hal ini juga berarti nama model saja tidak menggambarkan penanganan arsitektur eksperimental pada setiap implementasi.

Tugas agen yang berlanjut harus menganggarkan teks sumber, percakapan, penalaran yang dihasilkan, dan pengamatan alat secara bersamaan. Tata pengamatan yang berguna dan minta jawaban akhir membedakan bukti, asumsi, dan tindakan yang diusulkan. Untuk hasil faktual yang bergantung pada sumber, berikan materi dari sumber otoritatif atau alat yang sesuai, bukan mengandalkan pengetahuan pelatihan yang luas. Keluaran tetap berupa teks, kode, atau catatan analitis yang dapat diperiksa terhadap tugas dan masukannya.

Ailoot Ultra · OpenAI Chat POST /v1/chat/completions deepseek-v3.2-exp-thinking

deepseek-v3.2-exp-thinking

DeepSeek /deepseek-v3.2-exp-thinking

Mulai

Masukan yang diterima: Teks
Hasil: Teks

Tersedia di Ailoot · masukan & metode

Ailoot Ultra · OpenAI Chat POST /v1/chat/completions

Masukan: text
Keluaran: text
Format keluaran: json atau SSE

Kolom	Jenis	Persyaratan	Nilai & batasan	Bawaan
Kolom`model`	Jenis`string`	PersyaratanWajib	Nilai & batasan deepseek-v3.2-exp-thinking	Bawaan—
Kolom`messages`	Jenis`message[]`	PersyaratanWajib	Nilai & batasan Item minimum: 1	Bawaan—
Kolom`messages[].role`	Jenis`string`	PersyaratanWajib	Nilai & batasan Bergantung pada model	Bawaan—
Kolom`messages[].content`	Jenis`string`	PersyaratanOpsional	Nilai & batasan Berlaku jika: Percakapan teks	Bawaan—
Kolom`stream`	Jenis`boolean`	PersyaratanOpsional	Nilai & batasan	Bawaanfalse

Kombinasi bahan masukan

Teks · Teks UTF8

messages[].content

Parameter metode dan siklus hidup

Parameter	Kontrak
Parameter`content_type`	Kontrakapplication/json
Parameter`required`	Kontrakmodel, messages
Parameter`material_types`	Kontraktext
Parameter`messages`	Kontrakarray pesan dengan struktur role/content
Parameter`file_material`	Kontrakdokumen UTF-8 yang sebenarnya dimasukkan sebagai teks apa adanya; ID file tidak disimpulkan
Parameter`optional_controls`	Kontrakstream
Parameter`control_scope`	KontrakPercakapan teks; stream adalah nilai boolean dengan false sebagai bawaan.
Parameter`output_modalities`	Kontraktext
Parameter`hosted_operations`	Kontrakfalse
Parameter`multimodal_input_binding`	Kontraknull

Alias metode: /chat/completions

Siklus hidup: synchronous_or_streamed

Kirim ID model yang tepat bersama messages.

Panjang konteks bukan batas keluaran.

File teks dapat menyediakan teks apa adanya; masukan gambar/audio/objek file memerlukan pengikatan yang tepat.

Paket

Referensi tarif tidak menambah opsi permintaan. Parameter yang didukung tercantum pada metode yang dipilih.

Mode Fast: Tidak ditentukan Saat mode fast dipilih
Mode Flex: Tidak ditentukan Saat mode flex dipilih
Upaya penalaran maksimum: Tidak ditentukan Saat upaya penalaran maksimum menggunakan penyesuaian default

Tarif Ailoot

Harga menurut konfigurasi

Konfigurasi	Jadwal tarif	Biaya
KonfigurasiTarif dasar token	Jadwal tarifTarif dasar	Biaya Masukan · Token masukan $0.00058 / 1K token Keluaran · Token keluaran $0.00086 / 1K token Masukan · Pembacaan cache $0 / 1K token Masukan · Penulisan cache $0 / 1K token Masukan · Penulisan cache, 1 jam — / 1K token

Ailoot mencadangkan perkiraan dana sebelum permintaan. Setelah hasil diterima, tagihan akhir diselesaikan berdasarkan penggunaan yang terukur. Penyelesaian tagihan streaming menggunakan catatan penggunaan akhir. Cara kerja cadangan dan penyelesaian tagihan →

Contoh permintaan

Ailoot Ultra · OpenAI Chat

curlPython SDK

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"))

Terima dan simpan hasil

Ailoot Ultra · OpenAI Chat

json atau SSE

Simpan semua hasil yang selesai

Simpan setiap respons lengkap, berkas, dan bagian konten yang dikembalikan.

Simpan setiap alternatif jawaban beserta konten, panggilan alat, dan penalarannya. Dalam SSE, gabungkan delta menurut indeks alternatif jawaban/alat, lalu pertahankan alasan penghentian akhir dan data penggunaan.

Jika respons asli perlu diperiksa

Simpan ID permintaan/respons dan header. URL umum untuk pengambilan tugas teks tidak disediakan.

Kolom respons

Kolom	Jenis
Kolom`choices[].index`	Jenisinteger
Kolom`choices[].message.content`	Jenisstring\|null
Kolom`choices[].message.tool_calls`	Jenistool_call[]
Kolom`choices[].message.reasoning_content`	Jenisstring
Kolom`choices[].message.reasoning_details`	Jenisobject\|array
Kolom`choices[].finish_reason`	Jenisstring\|null
Kolom`usage`	Jenisobject

Kesalahan dan langkah berikutnya

Respons	Kondisi	Langkah berikutnya
Respons400 · `invalid_request_error`	KondisiBidang wajib, representasi materi, atau nilai parameter tidak valid	Langkah berikutnyaPerbaiki bidang yang ditunjukkan sebelum permintaan pembuatan baru.

Alias

Alias model

Ailoot Ultra deepseek-v3.2-exp-thinking

Alias jalur metode

/chat/completions

ID pemanggil terkait

deepseek-v3.2-exp-thinking

FAQ · DeepSeek: DeepSeek V3.2 Exp

Input dan hasil apa yang tersedia?: POST /v1/chat/completions · deepseek-v3.2-exp-thinking: text → text
Kolom apa yang digunakan permintaan?: POST /v1/chat/completions · deepseek-v3.2-exp-thinking: model, messages, stream
Batasan apa yang berlaku?: POST /v1/chat/completions · deepseek-v3.2-exp-thinking: messages.min_items: 1

DeepSeek: DeepSeek V3.2 Exp