DeepSeek: DeepSeek V3.2

DeepSeek V3.2 är DeepSeeks textmodell för resonemang och agentarbete med betoning på effektiv bearbetning av lång kontext. Producenten organiserar de viktigaste ändringarna kring DeepSeek Sparse Attention, ett uppskalat ramverk för förstärkningsinlärning och en träningspipeline för agentuppgifter. Den tar emot skriftliga frågor och kontext och producerar text, inklusive ett svar, kod eller innehåll för verktygsanrop. Den skiljer sig från den tidigare utgåvan V3.2 Exp och den separata resonemangsvarianten Speciale.

DeepSeek Sparse Attention lägger till en indexerare och finfördelat tokenurval i arkitekturen för latent attention. För en lång sekvens väljer indexeraren ut den tidigare tokeninformation som används i den huvudsakliga attention-beräkningen. Rapporten anger att detta är den arkitektoniska ändringen från V3.1 Terminus och att samma arkitektur används som i V3.2 Exp. Den publicerade kontexten är 128K token, vilket stöder omfattande källmaterial och en pågående uppgift, medan genererat resonemang och verktygshistorik också förbrukar den tillgängliga kontexten.

Efterträningen omfattar både svar med och utan tänkande inom matematik, programmering, logiskt resonemang, allmänna agentuppgifter, agentbaserad kodning och sökning. Domänspecialister tillhandahåller data som sammanförs i den slutliga modellen, följt av blandad förstärkningsinlärning. För en vanlig fråga kan ett direkt svar vara lämpligt; för ett svårt problem kan tänkandearbetsflödet utveckla en lösning innan det slutliga resultatet presenteras. Ange det begärda svaret eller den begärda leveransen oberoende av det mellanliggande resonemanget.

En väsentlig ändring i utgåvan är tänkande med verktyg. Det uppdaterade chattformatet låter resonemanget fortsätta genom en uppgift med verktygsanrop i stället för att behandla analys och handling som orelaterade steg. En operation som modellen väljer exekveras av applikationen, som returnerar resultatet för nästa steg. Producentens regel för verktygskontext behåller historiskt resonemang så länge endast verktygsrelaterade meddelanden läggs till; när ett nytt användarmeddelande kommer kastas detta resonemang bort, medan verktygsanrop och resultat bevaras. Korrekt åtskilda konversationsroller är viktiga för detta beteende.

För kodning tillhandahåller du källkodsfragmentet eller de relevanta filerna, det observerade problemet, det förväntade resultatet och de villkor som ändringen måste bevara. Ett exempel på uppdragsbeskrivning är: ”Använd den tillhandahållna koden och verktygsresultaten för att lokalisera orsaken, föreslå den minsta korrigeringen och returnera den slutliga patchen med dess stödjande valideringsresultat.” För en sökuppgift beskriver du frågan, nödvändiga belägg och vad som räknas som ett slutfört svar. Sök- och exekveringsverktyg tillhandahålls av den omgivande applikationen, inte av texten ensam.

Producenten rekommenderar temperature 1.0 och top-p 0.95 för lokal användning. V3.2 introducerar en reviderad representation av verktygsanrop och en särskild meddelandekodare. Dess developer-roll är reserverad för producentens mall för sökagenten, och det officiella API:et tar inte emot den rollen. Referensparsern förväntar sig välformade utdata och reparerar inte felaktiga resultat; när en applikation använder genererade fält eller verktygsargument ska den kontrollera deras struktur innan den agerar på dem.

Den tekniska rapporten identifierar långa resonemangsförlopp och överflödig självverifiering som praktiska begränsningar. En agentuppgift kan nå gränsen på 128K även när det ursprungliga källmaterialet får plats, eftersom verktygsutdata och upprepat resonemang ackumuleras. Behåll en kortfattad registrering av relevanta observationer och gör slutleveransen uttrycklig. För kunskapskänsligt arbete bifogar du auktoritativt material eller tillhandahåller ett lämpligt sökverktyg i stället för att förvänta dig att träningskunskapen definierar varje faktum.

DeepSeek V3.2 Speciale är en separat variant för djupa resonemang med hög beräkningsinsats och stöder inte verktygsanrop enligt modellkortet. Dess funktioner ska inte användas som standardprofil för V3.2:s verktyg. På samma sätt har den senare V4-generationen och den experimentella föregångaren separata identiteter och konfigurationsval. Behåll den namngivna V3.2-utgåvan när du jämför uppgifter där modellen och promptformatet spelar roll.

För en praktisk källbaserad analys märker du materialet och ber om en slutsats som stöds av de relevanta avsnitten, med antaganden och saknad information åtskilda. För en agent anger du tillåtna funktioner, det förväntade slutresultatet och färdigställandekriteriet. Detta förbereder modellens arbetsflöde för resonemang och verktyg kring en granskningsbar text-, kod- eller analysleverans knuten till de tillhandahållna beläggen.