Source: https://ailoot.ai/models/id/deepseek-v3-2-exp-thinking/
Canonical: https://ailoot.ai/models/id/deepseek-v3-2-exp-thinking/
Language: id

# DeepSeek: DeepSeek V3.2 Exp

[Markdown](https://ailoot.ai/models/id/deepseek-v3-2-exp-thinking/index.md) · [JSON](https://ailoot.ai/models/id/deepseek-v3-2-exp-thinking/facts.json)

## [DeepSeek: DeepSeek V3.2 Exp](https://ailoot.ai/models/id/deepseek-v3-2-exp-thinking/)

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`](https://ailoot.ai/models/id/deepseek-v3-2-exp-thinking/#method-0)

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`](https://ailoot.ai/models/id/#m=deepseek-v3.2-exp-thinking&route=Ultra&caller=deepseek-v3.2-exp-thinking&fmt=chat)

DeepSeek /`deepseek-v3.2-exp-thinking`

### Mulai

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.

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 →](https://ailoot.ai/docs/id/billing/reserve/)

### Contoh permintaan

#### 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"))
```

### 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`](https://ailoot.ai/models/id/#m=deepseek-v3.2-exp-thinking&route=Ultra&caller=deepseek-v3.2-exp-thinking&fmt=chat)

#### Alias jalur metode

`/chat/completions`

#### ID pemanggil terkait

[`deepseek-v3.2-exp-thinking`](https://ailoot.ai/models/id/#m=deepseek-v3.2-exp-thinking&route=Ultra&caller=deepseek-v3.2-exp-thinking&fmt=chat)

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`

Hubungkan Ailoot ke Claude Code, OpenCode, Hermes, atau aplikasi Anda.

## Perusahaan dan portofolio proyeknya

Perusahaan dan portofolio proyeknya: jutaan pelanggan; penjualan miliaran setiap bulan.

## Beli token dengan diskon.

Diskon langganan untuk pekerjaan rutin. Kode promo — hingga 50% untuk pembelian token.

Langganan

Pilih paket dengan diskon untuk permintaan rutin Anda.

Kode promo hingga 50%

Masukkan kode saat membeli. Harga dihitung ulang sesuai promosi aktif.

Biaya dalam riwayat

Model, token, dan jumlah tagihan disimpan untuk setiap permintaan.

[Pilih langganan](https://ailoot.ai/docs/id/billing/subscriptions/) · [Lihat harga model](https://ailoot.ai/models/id/)

## Hubungkan API ke produk yang Anda jual.

SaaS, aplikasi, dan bot — sesuai penawaran dan perjanjian lisensi Ailoot. Untuk penjualan kembali, mintalah lisensi reseller.

Aplikasi komersial

Integrasikan pembuatan teks, gambar, video, dan suara dalam fitur berbayar layanan Anda.

Lisensi reseller

Kirim deskripsi proyek dan skema akses. Mintalah ketentuan penggunaan dan penjualan kembali secara tertulis.

Dokumen di situs

Penawaran, perjanjian lisensi, dan kebijakan pemrosesan data tersedia sebelum koneksi.

[Minta lisensi reseller](mailto:support@ailoot.ai) · [Penawaran dan perjanjian lisensi](https://ailoot.ai/legal/offer?lang=id)

## Ailoot · Perusahaan dan portofolio proyeknya





Ailoot bertumpu pada pengalaman operasional yang teruji, basis pelanggan yang besar, layanan yang stabil, dan pemantauan KPI berkelanjutan.





Perusahaan dan portofolio proyeknya: jutaan pelanggan; penjualan miliaran setiap bulan.





Ailoot memanfaatkan pengalaman operasional ini untuk akses API ke fitur AI dalam produk pelanggan, agen, aplikasi, dan otomatisasi.