DeepSeek: DeepSeek V3.2

DeepSeek V3.2 é o modelo textual da DeepSeek para raciocínio e trabalho com agentes, com ênfase no processamento eficiente de contextos longos. O produtor organiza as suas principais alterações em torno de DeepSeek Sparse Attention, de uma estrutura de aprendizagem por reforço ampliada e de um processo de treino para tarefas com agentes. Aceita perguntas escritas e contexto e produz texto, incluindo uma resposta, código ou conteúdo de chamadas de ferramentas. É distinto da versão anterior V3.2 Exp e da variante de raciocínio separada Speciale.

DeepSeek Sparse Attention acrescenta um indexador e seleção fina de tokens à arquitetura de atenção latente. Numa sequência longa, o indexador seleciona a informação de tokens anteriores utilizada pelo cálculo principal de atenção. O relatório afirma que esta é a alteração arquitetural em relação a V3.1 Terminus e que utiliza a mesma arquitetura de V3.2 Exp. O seu contexto publicado é de 128K tokens, permitindo material de origem substancial e uma tarefa continuada, embora o raciocínio gerado e o histórico de ferramentas também consumam o contexto disponível.

O pós-treino abrange respostas com e sem raciocínio em matemática, programação, raciocínio lógico, tarefas gerais de agentes, programação com agentes e pesquisa. Especialistas de cada domínio fornecem dados que são consolidados no modelo final, seguindo-se aprendizagem por reforço mista. Para uma pergunta comum, uma resposta direta pode ser adequada; para um problema difícil, o fluxo de raciocínio pode desenvolver uma solução antes de apresentar o resultado final. Especifique a resposta ou o artefacto exigido independentemente do raciocínio intermédio.

Uma alteração substancial desta edição é o raciocínio com ferramentas. O formato de conversa atualizado permite que o raciocínio continue ao longo de uma tarefa com chamadas de ferramentas, em vez de tratar a análise e a ação como etapas sem relação entre si. Uma operação selecionada pelo modelo é executada pela aplicação, que devolve o respetivo resultado para a etapa seguinte. A regra de contexto de ferramentas do produtor conserva o raciocínio histórico enquanto forem acrescentadas apenas mensagens relacionadas com ferramentas; quando chega uma nova mensagem do utilizador, descarta esse raciocínio, preservando as chamadas de ferramentas e os resultados. A distinção correta dos papéis na conversa é importante para esse comportamento.

Para programação, forneça o fragmento de código ou os ficheiros relevantes, o problema observado, o resultado esperado e as condições que a alteração deve preservar. Um exemplo de pedido é: «Utilize o código e os resultados de ferramentas fornecidos para localizar a causa, proponha a menor correção possível e devolva a alteração final acompanhada do resultado de validação que a sustenta.» Para uma tarefa de pesquisa, descreva a pergunta, os elementos de prova necessários e o que constitui uma resposta concluída. As ferramentas de pesquisa e execução são fornecidas pela aplicação envolvente, e não pelo texto por si só.

O produtor recomenda temperatura 1.0 e top-p 0.95 para utilização local. V3.2 introduz uma representação revista das chamadas de ferramentas e um codificador de mensagens específico. O papel developer está reservado para o modelo de instruções do agente de pesquisa do produtor, e a API oficial não aceita esse papel. O analisador de referência espera saída bem formada e não corrige resultados malformados; quando uma aplicação utiliza campos gerados ou argumentos de ferramentas, deve verificar a sua estrutura antes de agir com base neles.

O relatório técnico identifica trajetórias de raciocínio longas e autoverificação redundante como limitações práticas. Uma tarefa com agentes pode atingir o limite de 128K mesmo quando o material de origem original cabe no contexto, porque se acumulam saídas de ferramentas e raciocínio repetido. Mantenha um registo conciso das observações relevantes e torne explícito o artefacto final. Para trabalho que dependa de conhecimento rigoroso, anexe material proveniente de fontes de referência ou forneça uma ferramenta de pesquisa adequada, em vez de esperar que o conhecimento adquirido no treino determine todos os factos.

DeepSeek V3.2 Speciale é uma variante separada de raciocínio profundo com elevado uso de computação e, segundo a ficha do modelo, não suporta chamadas de ferramentas. As suas funcionalidades não devem ser utilizadas como perfil de ferramentas da V3.2 normal. Da mesma forma, a geração V4 posterior e o predecessor experimental têm identidades e opções de configuração separadas. Conserve a edição com designação própria V3.2 ao comparar tarefas em que o modelo e o formato dos prompts sejam importantes.

Para uma análise prática baseada em fontes, identifique os materiais e peça uma conclusão sustentada pelas passagens relevantes, mantendo os pressupostos e a informação em falta distintos. Para um agente, indique as funções permitidas, o resultado final esperado e o critério de conclusão. Assim, o fluxo de raciocínio e ferramentas do modelo fica orientado para um artefacto textual, de código ou analítico que possa ser revisto e esteja ligado aos elementos de prova fornecidos.