Source: https://ailoot.ai/models/sv/deepseek-v3-2-thinking/ Canonical: https://ailoot.ai/models/sv/deepseek-v3-2-thinking/ Language: sv # DeepSeek: DeepSeek V3.2 [Markdown](https://ailoot.ai/models/sv/deepseek-v3-2-thinking/index.md) · [JSON](https://ailoot.ai/models/sv/deepseek-v3-2-thinking/facts.json) ## [DeepSeek: DeepSeek V3.2](https://ailoot.ai/models/sv/deepseek-v3-2-thinking/) DeepSeek V3.2 kombinerar textbaserat resonemang med verktygsanvändning och analys av lång kontext. Arkitekturen med gles attention och det uppdaterade konversationsformatet stöder kodning, sökning och agentuppgifter i flera steg, med en kontext på 128K och separata arbetsflöden för tänkande och direkta svar. - [**Ailoot Ultra · OpenAI Chat** `POST /v1/chat/completions` `deepseek-v3.2-thinking`](https://ailoot.ai/models/sv/deepseek-v3-2-thinking/#method-0) Om modellen Den här beskrivningen omfattar modellens förmågor. Tillgängliga indata, utdata och alternativ i Ailoot anges nedan för den valda metoden. 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. **Ailoot Ultra · OpenAI Chat** `POST /v1/chat/completions` `deepseek-v3.2-thinking` [`deepseek-v3.2-thinking`](https://ailoot.ai/models/sv/#m=deepseek-v3.2-thinking&route=Ultra&caller=deepseek-v3.2-thinking&fmt=chat) DeepSeek /`deepseek-v3.2-thinking` ### Start DeepSeek V3.2 kombinerar textbaserat resonemang med verktygsanvändning och analys av lång kontext. Arkitekturen med gles attention och det uppdaterade konversationsformatet stöder kodning, sökning och agentuppgifter i flera steg, med en kontext på 128K och separata arbetsflöden för tänkande och direkta svar. Godkända indata Text Resultat Text ### Tillgängligt i Ailoot · indata & metoder **Ailoot Ultra · OpenAI Chat** `POST /v1/chat/completions` Indatatyper `text` Utdatatyper `text` Utdataformat json eller SSE | Fält | Typ | Krav | Värden & gränser | Standard | | --- | --- | --- | --- | --- | | Fält`model` | Typ`string` | KravObligatoriskt | Värden & gränser deepseek-v3.2-thinking | Standard— | | Fält`messages` | Typ`message[]` | KravObligatoriskt | Värden & gränser Minsta antal objekt: 1 | Standard— | | Fält`messages[].role` | Typ`string` | KravObligatoriskt | Värden & gränser Beror på modellen | Standard— | | Fält`messages[].content` | Typ`string` | KravValfritt | Värden & gränser Gäller när: Textsamtal | Standard— | | Fält`stream` | Typ`boolean` | KravValfritt | Värden & gränser | Standardfalse | Kombinationer av indatamaterial **Text** · UTF8-text `messages[].content` Metodparametrar och livscykel | Parameter | Avtal | | --- | --- | | Parameter`content_type` | Avtalapplication/json | | Parameter`required` | Avtalmodel, messages | | Parameter`material_types` | Avtaltext | | Parameter`messages` | Avtalmeddelandearray med strukturen role/content | | Parameter`file_material` | Avtaldet faktiska UTF-8-dokumentet infogat som bokstavlig text; inget fil-ID härleds | | Parameter`optional_controls` | Avtalstream | | Parameter`control_scope` | AvtalTextsamtal; stream är ett booleskt värde och har false som standard. | | Parameter`output_modalities` | Avtaltext | | Parameter`hosted_operations` | Avtalfalse | | Parameter`multimodal_input_binding` | Avtalnull | Metodalias: `/chat/completions` Livscykel: `synchronous_or_streamed` Skicka det exakta modell-ID:t tillsammans med messages. Kontextlängden är inte en utdatagräns. En textfil kan tillhandahålla bokstavlig text; bild-/ljud-/filobjektsindata kräver exakt bindning. ### Priser Tariffuppgifter lägger inte till begäransalternativ. Parametrar som stöds anges för den valda metoden. Snabbt läge Ej angivet När snabbt läge är valt Flex-läge Ej angivet När läget flex är valt Högsta resonemangsnivå Ej angivet När den högsta resonemangsnivån använder standardjusteringen (default) #### Ailoot-priser #### Priser efter konfiguration | Konfiguration | Prislista | Avgift | | --- | --- | --- | | KonfigurationGrundpriser för token | PrislistaGrundpris | Avgift Indata · Indatatoken **$0.00058** / 1K token Utdata · Utdatatoken **$0.00086** / 1K token Indata · Cacheläsning **$0** / 1K token Indata · Skrivning till cache **$0** / 1K token Indata · Skrivning till cache, 1 tim **—** / 1K token | Ailoot reserverar ett uppskattat belopp före en begäran. Efter resultatet slutregleras avgiften utifrån uppmätt förbrukning. Slutreglering för strömning använder den slutliga förbrukningsposten. [Så fungerar reservation och slutreglering →](https://ailoot.ai/docs/sv/billing/reserve/) ### Exempelbegäranden #### Ailoot Ultra · OpenAI Chat curlPython SDK ```bash set -eu : "${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-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-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")) ``` ### Ta emot och spara resultat #### Ailoot Ultra · OpenAI Chat json eller SSE ##### Behåll alla färdiga resultat Behåll varje fullständigt returnerat svar, fil och innehållsdel. Behåll varje svarsalternativ och dess innehåll/verktygsanrop/resonemang. Sätt i SSE samman deltauppdateringar efter svarsalternativets/verktygets index och behåll den slutliga avslutsorsaken och användningsuppgifterna. ##### Om det ursprungliga svaret behöver kontrolleras Behåll begärans/svarets ID:n och huvuden. Ingen generell URL för hämtning av textjobb tillhandahålls. Svarsfält | Fält | Typ | | --- | --- | | Fält`choices[].index` | Typinteger | | Fält`choices[].message.content` | Typstring\|null | | Fält`choices[].message.tool_calls` | Typtool\_call\[\] | | Fält`choices[].message.reasoning_content` | Typstring | | Fält`choices[].message.reasoning_details` | Typobject\|array | | Fält`choices[].finish_reason` | Typstring\|null | | Fält`usage` | Typobject | Fel och nästa steg | Svar | Villkor | Nästa steg | | --- | --- | --- | | Svar400 · `invalid_request_error` | VillkorOgiltiga obligatoriska fält, ogiltig representation av underlaget eller ogiltigt parametervärde | Nästa stegKorrigera de angivna fälten före en ny begäran om att skapa. | ### Alias #### Modellalias **Ailoot Ultra** [`deepseek-v3.2-thinking`](https://ailoot.ai/models/sv/#m=deepseek-v3.2-thinking&route=Ultra&caller=deepseek-v3.2-thinking&fmt=chat) #### Alias för metodsökvägar `/chat/completions` #### Relaterade anropar-ID:n [`deepseek-v3.2-thinking`](https://ailoot.ai/models/sv/#m=deepseek-v3.2-thinking&route=Ultra&caller=deepseek-v3.2-thinking&fmt=chat) FAQ · DeepSeek: DeepSeek V3.2 Vilka indata och resultat finns? `POST /v1/chat/completions` · `deepseek-v3.2-thinking`: `text` → `text` Vilka fält använder begäran? `POST /v1/chat/completions` · `deepseek-v3.2-thinking`: `model`, `messages`, `stream` Vilka gränser gäller? `POST /v1/chat/completions` · `deepseek-v3.2-thinking`: `messages.min_items`: `1` Anslut Ailoot till Claude Code, OpenCode, Hermes eller din app. ## Företaget och dess projektportfölj Företaget och dess projektportfölj: miljontals kunder; månatlig försäljning för miljarder. ## Köp token med rabatt. Prenumerationsrabatt för återkommande arbete. Kampanjkoder ger upp till 50% vid tokenköp. Prenumeration Välj en rabatterad plan för återkommande anrop. Kampanjkod upp till 50% Ange koden vid köpet. Priset räknas om enligt kampanjen. Kostnader i historiken Modell, token och belopp sparas för varje anrop. [Välj prenumeration](https://ailoot.ai/docs/sv/billing/subscriptions/) · [Se modellpriser](https://ailoot.ai/models/sv/) ## Anslut API till produkten som du säljer. SaaS, appar och botar enligt Ailoots officiella villkor och licensavtal. Begär återförsäljarlicens för vidareförsäljning. Kommersiell applikation Bygg text-, bild-, video- och ljudgenerering i tjänstens betalda funktioner. Återförsäljarlicens Skicka projektbeskrivning och åtkomstupplägg. Begär skriftliga villkor för användning och vidareförsäljning. Dokument på webbplatsen Officiella villkor, licensavtal och databehandlingspolicy finns tillgängliga före anslutning. [Begär återförsäljarlicens](mailto:support@ailoot.ai) · [Officiella villkor och licensavtal](https://ailoot.ai/legal/offer?lang=sv) ## Ailoot · Företaget och dess projektportfölj Ailoot bygger på etablerad driftserfarenhet, en stor kundbas, stabil service och löpande KPI-kontroll. Företaget och dess projektportfölj: miljontals kunder; månatlig försäljning för miljarder. Ailoot använder denna driftserfarenhet för API-åtkomst till AI-funktioner i kundernas produkter, agenter, applikationer och automatiseringar.