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

# DeepSeek: DeepSeek V3.2 Exp

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

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

DeepSeek V3.2 Exp er utgaven med sparsom attention bygget på V3.1 Terminus. Den behandler tekst for resonnering, koding og agentoppgaver mens den utforsker mer effektiv attention for lang kontekst, med en produsentkontekst på 128K og en egen identitet atskilt fra den endelige V3.2-utgaven.

- [**Ailoot Ultra · OpenAI Chat** `POST /v1/chat/completions` `deepseek-v3.2-exp-thinking`](https://ailoot.ai/models/nb/deepseek-v3-2-exp-thinking/#method-0)

Om modellen

Denne beskrivelsen dekker modellens funksjoner. Tilgjengelige inndata, utdata og alternativer i Ailoot er oppført nedenfor for den valgte metoden.

DeepSeek V3.2 Exp er DeepSeeks eksperimentelle tekstmodellutgave, bygget på V3.1 Terminus. Den definerende endringen er DeepSeek Sparse Attention, innført for å undersøke mer effektiv trening og inferens for lange tekstsekvenser. Oppgaven er fortsatt tekstbasert: skriftlige instrukser og kontekst gir et tekstsvar, kode eller agentrelaterte utdata. Dette er forskningsutgaven med sparsom oppmerksomhet, adskilt fra den endelige V3.2-modellen og dens senere format for tenking med verktøy.

DSA bruker en lettvektsindekserer og finmasket tokenutvelgelse, slik at hovedberegningen av oppmerksomhet fokuserer på utvalgt informasjon fra tidligere tokener. DeepSeek samordnet bevisst den eksperimentelle treningskonfigurasjonen med V3.1 Terminus for å isolere arkitekturendringen. V3.2-rapporten bekrefter at endelig V3.2 og V3.2 Exp deler denne arkitekturen, og beskriver videre trening fra Terminus-grunnlaget med 128K-kontekst. Den publiserte eksperimentelle profilen bruker denne innstillingen for lang kontekst på 128K.

Produsentens eksperimentelle modellkort beholder resonnering og agentarbeid i omfanget, samtidig som den foregående modellens oppgaveprofil bevares. Kildebelegget dekker resonnering uten verktøy og agentbasert verktøybruk som separate arbeidsflyter. Forbered et klart spørsmål, relevant kildekontekst og ønsket sluttform. Hvis oppgaven bruker et verktøy, gir applikasjonen definisjonen og returnerer resultatet; modellens foreslåtte handling er ikke det samme som en operasjon som allerede er utført.

Det endelige V3.2-kortet innfører et revidert format for verktøykall og beskriver eksplisitt tenking med verktøy. Disse oppdateringene tilhører den endelige utgivelsen og må ikke behandles som hele samhandlingskontrakten for den eksperimentelle utgaven. For V3.2 Exp beholder du utgavens egen meldingsformatering og den arvede Terminus-oppgavekonteksten, i stedet for å anta at et lignende navn gjør alle senere kontroller eller roller utskiftbare.

For en sammenligning av lange dokumenter merker du hver kilde og identifiserer delene som er relevante for spørsmålet. En illustrativ beskrivelse er: «Sammenlign disse kravene med den foreslåtte implementasjonen, identifiser hvert avvik og siter avsnittet som dokumenterer det. Avslutt med en prioritert rettelsesliste.» For kode gir du den feilende oppførselen, det relevante utdraget og forventet resultat, og ber deretter om en avgrenset endring med en klar forklaring. Kildenes oppsett og regelen for ferdigstillelse hjelper med å styre en langkontekstoppgave mot en brukbar leveranse.

Produsentens referanseimplementasjon inkluderer indeksereren for sparsom oppmerksomhet, og modellkortet dokumenterer en viktig implementasjonsrettelse: indeksererens RoPE bruker et ikke-flettet oppsett, mens modulen for latent oppmerksomhet forventer et flettet oppsett. Dette er en detalj i produsentens referanse som er relevant for trofast modellkjøring, ikke en annen brukerprompt eller en ny funksjon. Det betyr også at et modellnavn alene ikke beskriver hvordan alle implementasjoner håndterer den eksperimentelle arkitekturen.

En videreført agentoppgave må budsjettere kildetekst, samtale, generert resonnering og verktøyobservasjoner sammen. Hold nyttige observasjoner organisert, og be om at sluttresultatet skiller mellom kildebelegg, antakelser og foreslåtte handlinger. For et kildeavhengig faktaresultat gir du det autoritative materialet eller et egnet verktøy i stedet for å støtte deg på bred treningskunnskap. Utdataene er fortsatt tekst, kode eller en analytisk post som kan kontrolleres mot oppgaven og inndataene.

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

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

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

### Start

DeepSeek V3.2 Exp er utgaven med sparsom attention bygget på V3.1 Terminus. Den behandler tekst for resonnering, koding og agentoppgaver mens den utforsker mer effektiv attention for lang kontekst, med en produsentkontekst på 128K og en egen identitet atskilt fra den endelige V3.2-utgaven.

Godkjente inndata

Tekst

Resultater

Tekst

### Tilgjengelig i Ailoot · inndata & metoder

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

Inndatatyper

`text`

Utdatatyper

`text`

Utdataformat

json eller SSE

| Felt | Type | Krav | Verdier & grenser | Standard |
| --- | --- | --- | --- | --- |
| Felt`model` | Type`string` | KravPåkrevd | Verdier & grenser deepseek-v3.2-exp-thinking | Standard— |
| Felt`messages` | Type`message[]` | KravPåkrevd | Verdier & grenser Minste antall elementer: 1 | Standard— |
| Felt`messages[].role` | Type`string` | KravPåkrevd | Verdier & grenser Avhenger av modellen | Standard— |
| Felt`messages[].content` | Type`string` | KravValgfritt | Verdier & grenser Gjelder når: Tekstsamtale | Standard— |
| Felt`stream` | Type`boolean` | KravValgfritt | Verdier & grenser | Standardfalse |

Kombinasjoner av inngående materialer

**Tekst** · UTF8-tekst

`messages[].content`

Metodeparametere og livssyklus

| Parameter | Avtale |
| --- | --- |
| Parameter`content_type` | Avtaleapplication/json |
| Parameter`required` | Avtalemodel, messages |
| Parameter`material_types` | Avtaletext |
| Parameter`messages` | Avtalemeldingstabell med role/content-struktur |
| Parameter`file_material` | Avtalefaktisk UTF-8-dokument satt inn som bokstavelig tekst; ingen fil-ID utledes |
| Parameter`optional_controls` | Avtalestream |
| Parameter`control_scope` | AvtaleTekstsamtale; stream er en boolsk verdi med false som standard. |
| Parameter`output_modalities` | Avtaletext |
| Parameter`hosted_operations` | Avtalefalse |
| Parameter`multimodal_input_binding` | Avtalenull |

Metodealiaser: `/chat/completions`

Livssyklus: `synchronous_or_streamed`

Send eksakt modell-ID sammen med messages.

Kontekstlengde er ikke en outputgrense.

En tekstfil kan levere bokstavelig tekst; bilde-, lyd- og filobjektinput trenger eksakt binding.

### Priser

Tariffopplysninger legger ikke til forespørselsvalg. Støttede parametere står ved den valgte metoden.

Hurtigmodus

Ikke angitt Når hurtigmodus er valgt

Flex-modus

Ikke angitt Når flex-modus er valgt

Maksimal resonneringsinnsats

Ikke angitt Når justeringen «default» brukes for maksimal resonneringsinnsats

#### Ailoot-satser

#### Priser etter konfigurasjon

| Konfigurasjon | Prisplan | Kostnad |
| --- | --- | --- |
| KonfigurasjonGrunnpriser for tokener | PrisplanGrunnsats | Kostnad Inndata · Inngående tokener **$0.00058** / 1K tokener Utdata · Utgående tokener **$0.00086** / 1K tokener Inndata · Lesing fra hurtigbuffer **$0** / 1K tokener Inndata · Skriving til hurtigbuffer **$0** / 1K tokener Inndata · Skriving til hurtigbuffer, 1 time **—** / 1K tokener |

Ailoot reserverer et estimert beløp før en forespørsel. Etter resultatet gjøres det endelige beløpet opp basert på målt forbruk. Oppgjør for strømming bruker den endelige forbruksposten. [Slik fungerer reservasjon og oppgjør →](https://ailoot.ai/docs/nb/billing/reserve/)

### Eksempelforespørsler

#### 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"))
```

### Motta og lagre resultater

#### Ailoot Ultra · OpenAI Chat

json eller SSE

##### Behold alle ferdige resultater

Behold alle fullstendige returnerte svar, filer og innholdsdeler.

Behold hvert svaralternativ med innhold, verktøykall og resonnering. Sett sammen endringer i SSE etter svaralternativets/verktøyets indeks, og behold endelig avslutningsgrunn og bruksdata.

##### Hvis det opprinnelige svaret må kontrolleres

Behold forespørsels-/svar-ID-er og headere. Ingen generell URL for henting av tekstjobber oppgis.

Svarfelter

| Felt | Type |
| --- | --- |
| Felt`choices[].index` | Typeinteger |
| Felt`choices[].message.content` | Typestring\|null |
| Felt`choices[].message.tool_calls` | Typetool\_call\[\] |
| Felt`choices[].message.reasoning_content` | Typestring |
| Felt`choices[].message.reasoning_details` | Typeobject\|array |
| Felt`choices[].finish_reason` | Typestring\|null |
| Felt`usage` | Typeobject |

Feil og neste trinn

| Svar | Vilkår | Neste trinn |
| --- | --- | --- |
| Svar400 · `invalid_request_error` | VilkårUgyldige påkrevde felter, materialrepresentasjon eller parameterverdi | Neste trinnKorriger de angitte feltene før en ny opprettelsesforespørsel. |

### Aliaser

#### Modellaliaser

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

#### Aliaser for metodestier

`/chat/completions`

#### Tilknyttede anroper-ID-er

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

FAQ · DeepSeek: DeepSeek V3.2 Exp

Hvilke inndata og resultater er tilgjengelige?

`POST /v1/chat/completions` · `deepseek-v3.2-exp-thinking`: `text` → `text`

Hvilke felt bruker forespørselen?

`POST /v1/chat/completions` · `deepseek-v3.2-exp-thinking`: `model`, `messages`, `stream`

Hvilke grenser gjelder?

`POST /v1/chat/completions` · `deepseek-v3.2-exp-thinking`: `messages.min_items`: `1`

Koble Ailoot til Claude Code, OpenCode, Hermes eller egen applikasjon.

## Selskapet og dets prosjektportefølje

Selskapet og dets prosjektportefølje: millioner av kunder; månedlig salg for milliarder.

## Kjøp tokener med rabatt.

Abonnementsrabatt for jevnlig bruk. Kampanjekoder gir opptil 50% på tokenkjøp.

Abonnement

Velg et rabattabonnement for faste forespørsler.

Kampanjekode opptil 50%

Oppgi kode ved kjøp. Prisen beregnes på nytt etter gjeldende kampanje.

Kostnader i historikken

Modell, tokener og beløp lagres for hver forespørsel.

[Velg abonnement](https://ailoot.ai/docs/nb/billing/subscriptions/) · [Se modellpriser](https://ailoot.ai/models/nb/)

## Koble API-et til produktet du selger.

SaaS, apper og boter etter Ailoots offentlige tilbud og lisensavtale. Be om forhandlerlisens for videresalg.

Kommersiell applikasjon

Bygg tekst-, bilde-, video- og lydgenerering inn i betalte funksjoner i tjenesten.

Forhandlerlisens

Send prosjektbeskrivelse og tilgangsopplegg. Be om skriftlige vilkår for bruk og videresalg.

Dokumenter på nettstedet

Offentlig tilbud, lisensavtale og retningslinjer for databehandling er tilgjengelige før tilkobling.

[Be om forhandlerlisens](mailto:support@ailoot.ai) · [Offentlig tilbud og lisensavtale](https://ailoot.ai/legal/offer?lang=nb)

## Ailoot · Selskapet og dets prosjektportefølje





Ailoot bygger på etablert driftserfaring, en stor kundebase, stabil tjeneste og løpende KPI-kontroll.





Selskapet og dets prosjektportefølje: millioner av kunder; månedlig salg for milliarder.





Ailoot bruker denne driftserfaringen til API-tilgang til AI-funksjoner i kundenes produkter, agenter, applikasjoner og automatiseringer.