DeepSeek: DeepSeek V3.2

DeepSeek V3.2 è il modello testuale di DeepSeek per il ragionamento e il lavoro degli agenti, con particolare attenzione all'elaborazione efficiente dei contesti lunghi. Il produttore organizza i suoi principali cambiamenti intorno a DeepSeek Sparse Attention, a un framework di apprendimento per rinforzo ampliato su larga scala e a una pipeline di addestramento per attività agentiche. Accetta domande scritte e contesto e produce testo, che può comprendere una risposta, codice o contenuti di chiamate a strumenti. È distinto dalla precedente versione V3.2 Exp e dalla variante separata di ragionamento Speciale.

DeepSeek Sparse Attention aggiunge un indicizzatore e una selezione dei token a grana fine all'architettura di attenzione latente. Per una sequenza lunga, l'indicizzatore seleziona le informazioni dei token precedenti usate dal calcolo principale dell'attenzione. Il rapporto afferma che questa è la modifica architetturale rispetto a V3.1 Terminus e che usa la stessa architettura di V3.2 Exp. Il suo contesto pubblicato è di 128K token, che supporta ampio materiale di partenza e un'attività continuativa, mentre anche il ragionamento generato e la cronologia degli strumenti consumano il contesto disponibile.

Il post-addestramento copre risposte con e senza ragionamento in matematica, programmazione, ragionamento logico, attività generali degli agenti, programmazione agentica e ricerca. Specialisti dei diversi domini forniscono dati che vengono consolidati nel modello finale, seguiti da apprendimento per rinforzo misto. Per una domanda ordinaria può essere appropriata una risposta diretta; per un problema difficile, il flusso con ragionamento può sviluppare una soluzione prima di presentare il risultato finale. Specifica la risposta o l'elaborato richiesto indipendentemente dal ragionamento intermedio.

Un cambiamento sostanziale dell'edizione è il ragionamento con gli strumenti. Il formato di chat aggiornato consente al ragionamento di proseguire durante un'attività che chiama strumenti, anziché trattare analisi e azione come fasi scollegate. Un'operazione selezionata dal modello viene eseguita dall'applicazione, che ne restituisce il risultato per il passaggio successivo. La regola del produttore sul contesto degli strumenti conserva il ragionamento precedente finché vengono aggiunti soltanto messaggi relativi agli strumenti; quando arriva un nuovo messaggio dell'utente, elimina quel ragionamento mantenendo le chiamate agli strumenti e i risultati. La corretta distinzione dei ruoli della conversazione è importante per questo comportamento.

Per la programmazione, fornisci il frammento sorgente o i file pertinenti, il problema osservato, il risultato atteso e le condizioni che la modifica deve preservare. Un brief esemplificativo è: “Usa il codice fornito e i risultati degli strumenti per individuare la causa, proporre la correzione più piccola e restituire la patch finale con il relativo risultato di verifica a sostegno.” Per un'attività di ricerca, descrivi la domanda, le prove richieste e ciò che costituisce una risposta completa. Gli strumenti di ricerca e di esecuzione sono forniti dall'applicazione circostante, anziché dal solo testo.

Il produttore raccomanda una temperatura di 1.0 e top-p 0.95 per l'uso locale. V3.2 introduce una rappresentazione rivista delle chiamate agli strumenti e un encoder dedicato per i messaggi. Il suo ruolo developer è riservato al template dell'agente di ricerca del produttore e l'API ufficiale non accetta tale ruolo. Il parser di riferimento si aspetta un output ben formato e non ripara i risultati malformati; quando un'applicazione usa campi generati o argomenti per gli strumenti, dovrebbe verificarne la struttura prima di agire su di essi.

Il rapporto tecnico identifica le lunghe sequenze di ragionamento e l'autoverifica ridondante come limiti pratici. Un'attività agentica può raggiungere il limite di 128K anche quando il materiale di partenza originale rientra nel contesto, perché gli output degli strumenti e il ragionamento ripetuto si accumulano. Mantieni una registrazione concisa delle osservazioni pertinenti e rendi esplicito l'elaborato finale. Per il lavoro che dipende da conoscenze accurate, allega il materiale autorevole o fornisci uno strumento di ricerca adatto, anziché aspettarti che le conoscenze apprese durante l'addestramento definiscano ogni fatto.

DeepSeek V3.2 Speciale è una variante separata di ragionamento profondo ad alto impiego di risorse di calcolo e, secondo la scheda del modello, non supporta la chiamata di strumenti. Le sue caratteristiche non dovrebbero essere usate come profilo degli strumenti di V3.2 standard. Allo stesso modo, la successiva generazione V4 e il predecessore sperimentale hanno identità e scelte di configurazione separate. Conserva l'edizione con denominazione specifica V3.2 quando confronti attività in cui il modello e il formato dei prompt sono importanti.

Per un'analisi pratica basata sulle fonti, etichetta i materiali e richiedi una conclusione supportata dai passaggi pertinenti, mantenendo distinte le ipotesi e le informazioni mancanti. Per un agente, indica le funzioni consentite, il risultato finale atteso e il criterio di completamento. Questo prepara il flusso di ragionamento e strumenti del modello intorno a un elaborato testuale, di codice o analitico esaminabile e collegato alle prove fornite.