models

DeepSeek: DeepSeek V3.2 Exp

Markdown · JSON

DeepSeek: DeepSeek V3.2 Exp

DeepSeek V3.2 Exp เป็นรุ่น sparse-attention ที่พัฒนาบน V3.1 Terminus ประมวลผลข้อความสำหรับงานให้เหตุผล เขียนโค้ด และเอเจนต์ พร้อมทดลอง attention สำหรับบริบทยาวที่มีประสิทธิภาพขึ้น มีบริบทจากผู้ผลิต 128K และมีชื่อระบุแยกจาก V3.2 รุ่นสมบูรณ์

เกี่ยวกับโมเดล

คำอธิบายนี้ครอบคลุมความสามารถของโมเดล อินพุต เอาต์พุต และตัวเลือกที่ใช้ได้ใน Ailoot แสดงด้านล่างตามเมธอดที่เลือก

DeepSeek V3.2 Exp เป็นรุ่นทดลองของโมเดลข้อความ DeepSeek ที่พัฒนาบน V3.1 Terminus การเปลี่ยนแปลงหลักคือ DeepSeek Sparse Attention ซึ่งนำมาใช้ศึกษาการฝึกและการอนุมานลำดับข้อความยาวให้มีประสิทธิภาพขึ้น งานยังเป็นงานข้อความ โดยคำสั่งและบริบทที่เขียนให้สร้างคำตอบข้อความ โค้ด หรือเอาต์พุตที่เกี่ยวกับเอเจนต์ นี่คือรุ่นวิจัยด้านความสนใจแบบเบาบาง แยกจากโมเดล V3.2 รุ่นสมบูรณ์และรูปแบบคิดร่วมกับเครื่องมือที่มาภายหลัง

DSA ใช้ตัวทำดัชนีน้ำหนักเบาและการเลือกโทเคนแบบละเอียด เพื่อให้การคำนวณความสนใจหลักมุ่งที่ข้อมูลโทเคนก่อนหน้าซึ่งเลือกไว้ DeepSeek ตั้งใจจัดการฝึกทดลองให้สอดคล้องกับ V3.1 Terminus เพื่อแยกผลของการเปลี่ยนสถาปัตยกรรม รายงาน V3.2 ยืนยันว่า V3.2 รุ่นสมบูรณ์และ V3.2 Exp ใช้สถาปัตยกรรมนี้ร่วมกัน และอธิบายการฝึกต่อจากฐาน Terminus ที่มีบริบท 128K โปรไฟล์ทดลองที่เผยแพร่ใช้การตั้งค่าบริบทยาว 128K นี้

การ์ดรุ่นทดลองของผู้พัฒนายังคงรวมการใช้เหตุผลและงานเอเจนต์ไว้ในขอบเขต พร้อมรักษาบทบาทงานของโมเดลก่อนหน้า หลักฐานครอบคลุมการใช้เหตุผลโดยไม่มีเครื่องมือและการใช้เครื่องมือแบบเอเจนต์เป็นเวิร์กโฟลว์แยกกัน เตรียมคำถามชัดเจน บริบทต้นทางที่เกี่ยวข้อง และรูปแบบสุดท้ายที่ต้องการ หากงานใช้เครื่องมือ แอปพลิเคชันต้องให้คำนิยามและส่งผลกลับ การกระทำที่โมเดลเสนอไม่ใช่การดำเนินการที่เกิดขึ้นแล้ว

การ์ด V3.2 รุ่นสมบูรณ์นำรูปแบบเรียกเครื่องมือที่ปรับใหม่มาใช้ และอธิบายการคิดร่วมกับเครื่องมือไว้อย่างชัดเจน การปรับเหล่านั้นเป็นของรุ่นสมบูรณ์ ไม่ควรมองว่าเป็นข้อกำหนดการโต้ตอบทั้งหมดของรุ่นทดลอง สำหรับ V3.2 Exp ให้คงรูปแบบข้อความของรุ่นเองและบริบทงานที่สืบทอดจาก Terminus แทนการสมมติว่าชื่อคล้ายกันทำให้ตัวควบคุมหรือบทบาทที่มาทีหลังใช้แทนกันได้ทั้งหมด

สำหรับเปรียบเทียบเอกสารยาว ให้ติดป้ายกำกับแต่ละแหล่งและระบุส่วนที่เกี่ยวข้องกับคำถาม ตัวอย่างโจทย์คือ “เปรียบเทียบข้อกำหนดเหล่านี้กับการพัฒนาที่เสนอ ระบุทุกจุดที่ไม่ตรงกัน และอ้างข้อความที่ยืนยันแต่ละจุด ปิดท้ายด้วยรายการแก้ไขตามลำดับความสำคัญ” สำหรับโค้ด ให้พฤติกรรมที่ล้มเหลว ส่วนที่เกี่ยวข้อง และผลที่คาดหวัง แล้วขอการแก้ไขเฉพาะจุดพร้อมคำอธิบายชัดเจน การจัดเนื้อหาต้นทางและเกณฑ์เสร็จงานช่วยนำงานบริบทยาวไปสู่ชิ้นงานที่ใช้ได้

โค้ดอ้างอิงของผู้ผลิตมีตัวทำดัชนีความสนใจแบบเบาบาง และการ์ดบันทึกการแก้ไขที่สำคัญว่า RoPE ของตัวทำดัชนีใช้รูปแบบไม่สลับแทรก ขณะที่โมดูลความสนใจแฝงคาดหวังรูปแบบสลับแทรก นี่เป็นรายละเอียดของโค้ดอ้างอิงที่เกี่ยวกับการรันโมเดลให้ตรงตามต้นแบบ ไม่ใช่พรอมป์ต์ผู้ใช้อีกแบบหรือความสามารถใหม่ และยังหมายความว่าชื่อโมเดลเพียงอย่างเดียวไม่อธิบายวิธีจัดการสถาปัตยกรรมทดลองของทุกการนำไปใช้

งานเอเจนต์ที่ต่อเนื่องต้องจัดงบพื้นที่ให้ข้อความต้นทาง บทสนทนา การใช้เหตุผลที่สร้าง และข้อสังเกตจากเครื่องมือร่วมกัน จัดข้อสังเกตที่มีประโยชน์ให้เป็นระเบียบ และขอให้คำตอบสุดท้ายแยกหลักฐาน ข้อสมมติ และการกระทำที่เสนอ หากผลข้อเท็จจริงขึ้นกับแหล่งข้อมูล ให้เนื้อหาจากแหล่งข้อมูลที่เชื่อถือได้หรือเครื่องมือที่เหมาะสม แทนการพึ่งความรู้ทั่วไปจากการฝึก เอาต์พุตยังเป็นข้อความ โค้ด หรือบันทึกวิเคราะห์ที่ตรวจเทียบกับงานและอินพุตได้

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

deepseek-v3.2-exp-thinking

DeepSeek /deepseek-v3.2-exp-thinking

เริ่มต้น

DeepSeek V3.2 Exp เป็นรุ่น sparse-attention ที่พัฒนาบน V3.1 Terminus ประมวลผลข้อความสำหรับงานให้เหตุผล เขียนโค้ด และเอเจนต์ พร้อมทดลอง attention สำหรับบริบทยาวที่มีประสิทธิภาพขึ้น มีบริบทจากผู้ผลิต 128K และมีชื่อระบุแยกจาก V3.2 รุ่นสมบูรณ์

อินพุตที่รองรับ
ข้อความ
ผลลัพธ์
ข้อความ

ใช้งานได้ใน Ailoot · อินพุตและเมธอด

Ailoot Ultra · OpenAI Chat POST /v1/chat/completions
ขาเข้า
text
ขาออก
text
รูปแบบเอาต์พุต
json หรือ SSE
ฟิลด์ประเภทข้อกำหนดค่าและข้อจำกัดค่าเริ่มต้น
ฟิลด์modelประเภทstringข้อกำหนดจำเป็นค่าและข้อจำกัด
deepseek-v3.2-exp-thinking
ค่าเริ่มต้น—
ฟิลด์messagesประเภทmessage[]ข้อกำหนดจำเป็นค่าและข้อจำกัด
จำนวนรายการขั้นต่ำ: 1
ค่าเริ่มต้น—
ฟิลด์messages[].roleประเภทstringข้อกำหนดจำเป็นค่าและข้อจำกัด
ขึ้นอยู่กับโมเดล
ค่าเริ่มต้น—
ฟิลด์messages[].contentประเภทstringข้อกำหนดไม่บังคับค่าและข้อจำกัด
ใช้เมื่อ: บทสนทนาข้อความ
ค่าเริ่มต้น—
ฟิลด์streamประเภทbooleanข้อกำหนดไม่บังคับค่าและข้อจำกัดค่าเริ่มต้นfalse
ชุดผสมของสื่ออินพุต

ข้อความ · ข้อความ UTF8

messages[].content

พารามิเตอร์และวงจรการทำงานของเมธอด
พารามิเตอร์ข้อกำหนด
พารามิเตอร์content_typeข้อกำหนดapplication/json
พารามิเตอร์requiredข้อกำหนดmodel, messages
พารามิเตอร์material_typesข้อกำหนดtext
พารามิเตอร์messagesข้อกำหนดอาร์เรย์ข้อความที่มีโครงสร้าง role/content
พารามิเตอร์file_materialข้อกำหนดแทรกเอกสาร UTF-8 จริงเป็นข้อความตามต้นฉบับ โดยไม่อนุมาน ID ไฟล์
พารามิเตอร์optional_controlsข้อกำหนดstream
พารามิเตอร์control_scopeข้อกำหนดบทสนทนาข้อความ โดย stream เป็นบูลีนและมีค่าเริ่มต้น false
พารามิเตอร์output_modalitiesข้อกำหนดtext
พารามิเตอร์hosted_operationsข้อกำหนดfalse
พารามิเตอร์multimodal_input_bindingข้อกำหนดnull

ชื่ออื่นของเมธอด: /chat/completions

วงจรการทำงาน: synchronous_or_streamed

ส่ง ID โมเดลที่ตรงทุกตัวพร้อม messages

ความยาวบริบทไม่ใช่เพดานผลลัพธ์

ไฟล์ข้อความให้ข้อความตามต้นฉบับได้ ส่วนข้อมูลเข้าภาพ/เสียง/ออบเจ็กต์ไฟล์ต้องมีการผูกที่ตรงตามจริง

ราคา

ข้อมูลอัตราราคาไม่ได้เพิ่มตัวเลือกคำขอ พารามิเตอร์ที่รองรับระบุไว้สำหรับเมธอดที่เลือก

โหมดรวดเร็ว
ไม่ได้ระบุ เมื่อเลือกโหมดรวดเร็ว
โหมดยืดหยุ่น
ไม่ได้ระบุ เมื่อเลือกโหมด flex
ระดับการใช้เหตุผลสูงสุด
ไม่ได้ระบุ เมื่อใช้การปรับตามค่าเริ่มต้น (default) สำหรับระดับการใช้เหตุผลสูงสุด

อัตราค่าบริการ Ailoot

ราคาตามการตั้งค่า

การตั้งค่าตารางอัตราค่าบริการค่าบริการ
การตั้งค่าอัตราราคาพื้นฐานของโทเคนตารางอัตราค่าบริการอัตราพื้นฐานค่าบริการ
ขาเข้า · โทเค็นอินพุต $0.00058 / 1K โทเค็น
ขาออก · โทเค็นเอาต์พุต $0.00086 / 1K โทเค็น
ขาเข้า · การอ่านแคช $0 / 1K โทเค็น
ขาเข้า · การเขียนแคช $0 / 1K โทเค็น
ขาเข้า · การเขียนแคช, 1 ชั่วโมง — / 1K โทเค็น

Ailoot กันยอดเงินประมาณการไว้ก่อนส่งคำขอ หลังได้ผลลัพธ์ จะคิดค่าบริการสุดท้ายตามการใช้งานที่วัดได้ การคิดค่าบริการแบบสตรีมใช้บันทึกการใช้งานสุดท้าย วิธีกันยอดเงินและคิดค่าบริการสุดท้าย →

ตัวอย่างคำขอ

Ailoot Ultra · OpenAI Chat

curlPython SDK
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
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"))

รับและบันทึกผลลัพธ์

Ailoot Ultra · OpenAI Chat

json หรือ SSE

เก็บผลลัพธ์ที่เสร็จสมบูรณ์ทั้งหมด

เก็บทุกการตอบกลับ ไฟล์ และส่วนเนื้อหาที่ส่งกลับมาอย่างครบถ้วน

เก็บทุกตัวเลือกพร้อมเนื้อหา/การเรียกเครื่องมือ/การใช้เหตุผล ใน SSE ให้ประกอบส่วนเพิ่มตามดัชนีตัวเลือก/เครื่องมือ และเก็บเหตุผลสิ้นสุดกับข้อมูลการใช้งานสุดท้าย

เมื่อต้องตรวจสอบการตอบกลับต้นฉบับ

เก็บ ID และส่วนหัวของคำขอ/คำตอบ ไม่มี URL ทั่วไปสำหรับดึงงานข้อความให้ใช้

ฟิลด์การตอบกลับ
ฟิลด์ประเภท
ฟิลด์choices[].indexประเภทinteger
ฟิลด์choices[].message.contentประเภทstring|null
ฟิลด์choices[].message.tool_callsประเภทtool_call[]
ฟิลด์choices[].message.reasoning_contentประเภทstring
ฟิลด์choices[].message.reasoning_detailsประเภทobject|array
ฟิลด์choices[].finish_reasonประเภทstring|null
ฟิลด์usageประเภทobject
ข้อผิดพลาดและขั้นตอนถัดไป
การตอบกลับเงื่อนไขขั้นตอนถัดไป
การตอบกลับ400 · invalid_request_errorเงื่อนไขฟิลด์จำเป็น รูปแบบการแทนข้อมูล หรือค่าพารามิเตอร์ไม่ถูกต้องขั้นตอนถัดไปแก้ฟิลด์ที่ระบุก่อนส่งคำขอสร้างครั้งใหม่

ชื่ออื่น

ชื่ออื่นของโมเดล

Ailoot Ultra deepseek-v3.2-exp-thinking

ชื่อพาธเมธอดอื่น

/chat/completions

ID ที่เกี่ยวข้องสำหรับเรียกใช้โมเดล

deepseek-v3.2-exp-thinking

FAQ · DeepSeek: DeepSeek V3.2 Exp
มีอินพุตและผลลัพธ์ใดบ้าง?

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

คำขอใช้ฟิลด์ใดบ้าง?

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

มีข้อจำกัดใดบ้าง?

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

รายละเอียดเพิ่มเติม

เชื่อม Ailoot กับ Claude Code, OpenCode, Hermes หรือแอปของคุณ

บริษัทและพอร์ตโฟลิโอโครงการของบริษัท

บริษัทและพอร์ตโฟลิโอโครงการของบริษัท: ลูกค้าหลายล้านราย; ยอดขายระดับหลายพันล้านต่อเดือน.

ซื้อโทเคนพร้อมส่วนลด

ส่วนลดสมาชิกสำหรับงานประจำ โค้ดโปรโมชั่นลดซื้อโทเคนสูงสุด 50%

สมาชิก
เลือกแพ็กเกจมีส่วนลดสำหรับคำขอประจำ
โค้ดลดสูงสุด 50%
ใส่โค้ดขณะซื้อ ราคาคำนวณใหม่ตามโปรโมชั่นที่ใช้
รายจ่ายในประวัติ
เก็บโมเดล โทเคน และยอดสำหรับทุกคำขอ

เลือกสมาชิก · ดูราคาโมเดล

เชื่อม API กับผลิตภัณฑ์ ที่คุณขาย

SaaS แอป และบอต ตามข้อเสนอและสัญญาอนุญาต Ailoot หากขายต่อให้ขอใบอนุญาตรีเซลเลอร์

แอปเชิงพาณิชย์
ใส่การสร้างข้อความ ภาพ วิดีโอ และเสียงในฟีเจอร์เสียเงินของบริการคุณ
ใบอนุญาตรีเซลเลอร์
ส่งคำอธิบายโครงการและรูปแบบการเข้าถึง ขอเงื่อนไขใช้และขายต่อเป็นลายลักษณ์อักษร
เอกสารบนเว็บไซต์
อ่านข้อเสนอ สัญญาอนุญาต และนโยบายประมวลผลข้อมูลก่อนเชื่อมได้

ขอใบอนุญาตขายต่อ · ข้อเสนอและสัญญาอนุญาต