DeepSeek: DeepSeek V3.2

DeepSeek V3.2 ผสานการให้เหตุผลด้วยข้อความกับการใช้เครื่องมือและการวิเคราะห์บริบทยาว สถาปัตยกรรม sparse-attention และรูปแบบบทสนทนาที่ปรับปรุงรองรับงานเขียนโค้ด ค้นหา และเอเจนต์หลายขั้นตอน มีบริบท 128K พร้อมเวิร์กโฟลว์แบบคิดและตอบตรงที่แยกกัน

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

เกี่ยวกับโมเดล

คำอธิบายนี้ครอบคลุมความสามารถของโมเดล อินพุต เอาต์พุต และตัวเลือกที่ใช้ได้ใน Ailoot แสดงด้านล่างตามเมธอดที่เลือก

DeepSeek V3.2 เป็นโมเดลข้อความของ DeepSeek สำหรับการให้เหตุผลและงานเอเจนต์ โดยเน้นการประมวลผลบริบทยาวอย่างมีประสิทธิภาพ ผู้ผลิตจัดการเปลี่ยนแปลงหลักไว้รอบ DeepSeek Sparse Attention เฟรมเวิร์กการเรียนรู้แบบเสริมกำลังที่ขยายขนาด และกระบวนการฝึกงานเอเจนต์ รับคำถามที่เขียนไว้พร้อมบริบท และสร้างข้อความ เช่น คำตอบ โค้ด หรือเนื้อหาการเรียกเครื่องมือ โมเดลนี้แยกจาก V3.2 Exp รุ่นก่อนและ Speciale ซึ่งเป็นรุ่นให้เหตุผลอีกตัวหนึ่ง

DeepSeek Sparse Attention เพิ่มตัวทำดัชนีและการเลือกโทเค็นแบบละเอียดให้สถาปัตยกรรม latent-attention สำหรับลำดับข้อมูลที่ยาว ตัวทำดัชนีจะเลือกข้อมูลโทเค็นก่อนหน้าที่ใช้ในการคำนวณ attention หลัก รายงานระบุว่านี่คือการเปลี่ยนแปลงสถาปัตยกรรมจาก V3.1 Terminus และใช้สถาปัตยกรรมเดียวกับ V3.2 Exp บริบทที่เผยแพร่คือ 128K โทเค็น รองรับเนื้อหาต้นทางจำนวนมากและงานที่ดำเนินต่อเนื่อง ขณะเดียวกันการให้เหตุผลที่สร้างและประวัติเครื่องมือก็ใช้พื้นที่บริบทที่มีอยู่เช่นกัน

การฝึกภายหลังครอบคลุมคำตอบทั้งแบบคิดและไม่คิดในคณิตศาสตร์ การเขียนโปรแกรม การให้เหตุผลเชิงตรรกะ งานเอเจนต์ทั่วไป การเขียนโค้ดแบบเอเจนต์ และการค้นหา ผู้เชี่ยวชาญเฉพาะด้านให้ข้อมูลที่รวบรวมเข้าสู่โมเดลสุดท้าย แล้วตามด้วยการเรียนรู้แบบเสริมกำลังแบบผสม สำหรับคำถามทั่วไป การตอบโดยตรงอาจเหมาะสม ส่วนปัญหายาก เวิร์กโฟลว์แบบคิดสามารถพัฒนาแนวทางแก้ก่อนนำเสนอผลลัพธ์สุดท้าย กำหนดคำตอบหรือชิ้นงานที่ต้องการแยกจากการให้เหตุผลระหว่างทาง

การเปลี่ยนแปลงสำคัญของรุ่นนี้คือการคิดร่วมกับเครื่องมือ รูปแบบแชตที่ปรับปรุงช่วยให้การให้เหตุผลดำเนินต่อผ่านงานเรียกเครื่องมือ แทนการแยกการวิเคราะห์และการกระทำเป็นขั้นตอนที่ไม่เกี่ยวข้อง แอปพลิเคชันเป็นผู้ดำเนินการตามที่โมเดลเลือก แล้วส่งผลกลับมาสำหรับขั้นตอนถัดไป กฎบริบทเครื่องมือของผู้ผลิตเก็บเหตุผลในประวัติไว้ตราบใดที่เพิ่มเฉพาะข้อความเกี่ยวกับเครื่องมือ เมื่อมีข้อความใหม่จากผู้ใช้ กฎจะทิ้งเหตุผลนั้นแต่เก็บการเรียกเครื่องมือและผลลัพธ์ไว้ การแยกบทบาทบทสนทนาอย่างถูกต้องมีผลต่อพฤติกรรมนี้

สำหรับงานโค้ด ให้ส่งส่วนโค้ดหรือไฟล์ที่เกี่ยวข้อง ปัญหาที่สังเกต ผลลัพธ์ที่คาดหวัง และเงื่อนไขที่การเปลี่ยนแปลงต้องรักษา ตัวอย่างบรีฟคือ “ใช้โค้ดและผลจากเครื่องมือที่ให้มาเพื่อหาสาเหตุ เสนอการแก้ไขที่เล็กที่สุด และส่งแพตช์สุดท้ายพร้อมผลตรวจสอบที่รองรับ” สำหรับงานค้นหา ให้อธิบายคำถาม หลักฐานที่ต้องการ และเกณฑ์ว่าคำตอบใดถือว่าสมบูรณ์ แอปพลิเคชันที่ครอบอยู่เป็นผู้จัดหาเครื่องมือค้นหาและดำเนินการ ไม่ใช่ตัวข้อความเพียงอย่างเดียว

ผู้ผลิตแนะนำ temperature 1.0 และ top-p 0.95 สำหรับการใช้งานภายในเครื่อง V3.2 มีรูปแบบการเรียกเครื่องมือที่ปรับใหม่และตัวเข้ารหัสข้อความเฉพาะ บทบาท developer สงวนไว้สำหรับเทมเพลตเอเจนต์ค้นหาของผู้ผลิต และ API อย่างเป็นทางการไม่ยอมรับบทบาทนี้ ตัวแยกวิเคราะห์อ้างอิงคาดหวังเอาต์พุตที่มีรูปแบบถูกต้องและไม่ซ่อมผลลัพธ์ที่ผิดรูปแบบ เมื่อแอปพลิเคชันใช้ฟิลด์หรืออาร์กิวเมนต์เครื่องมือที่สร้างขึ้น ควรตรวจโครงสร้างก่อนดำเนินการ

รายงานทางเทคนิคระบุว่าลำดับการให้เหตุผลที่ยาวและการตรวจสอบตนเองซ้ำซ้อนเป็นข้อจำกัดในทางปฏิบัติ งานเอเจนต์อาจใช้พื้นที่จนถึงขีดจำกัด 128K แม้เนื้อหาต้นทางเดิมจะอยู่ภายในขีดจำกัด เพราะผลจากเครื่องมือและการให้เหตุผลซ้ำสะสมมากขึ้น เก็บบันทึกสิ่งที่สังเกตที่เกี่ยวข้องอย่างกระชับและระบุชิ้นงานสุดท้ายให้ชัด สำหรับงานที่ต้องอาศัยความรู้แม่นยำ ให้แนบข้อมูลที่เป็นทางการหรือจัดหาเครื่องมือค้นหาที่เหมาะสม แทนการคาดหวังว่าความรู้จากการฝึกจะระบุข้อเท็จจริงได้ทุกข้อ

DeepSeek V3.2 Speciale เป็นรุ่นแยกสำหรับการให้เหตุผลเชิงลึกที่ใช้การคำนวณสูง และตามการ์ดโมเดลไม่รองรับการเรียกเครื่องมือ จึงไม่ควรนำคุณสมบัติของรุ่นนี้มาใช้เป็นโปรไฟล์เครื่องมือของ V3.2 มาตรฐาน เช่นเดียวกัน V4 รุ่นถัดมาและรุ่นทดลองก่อนหน้ามีชื่อระบุและตัวเลือกการกำหนดค่าแยกกัน คงชื่อรุ่น V3.2 ที่ระบุไว้เมื่อเปรียบเทียบงานที่โมเดลและรูปแบบพรอมป์ต์มีความสำคัญ

สำหรับการวิเคราะห์เชิงปฏิบัติที่อ้างอิงแหล่งข้อมูล ให้ติดป้ายกำกับเนื้อหาและขอข้อสรุปที่มีข้อความเกี่ยวข้องรองรับ โดยแยกสมมติฐานและข้อมูลที่ขาดออกจากกัน สำหรับเอเจนต์ ให้ระบุฟังก์ชันที่อนุญาต ผลลัพธ์สุดท้ายที่คาดหวัง และเกณฑ์เสร็จงาน วิธีนี้จัดเวิร์กโฟลว์การให้เหตุผลร่วมกับเครื่องมือให้มุ่งสู่ชิ้นงานข้อความ โค้ด หรือบทวิเคราะห์ที่ตรวจทานได้และผูกกับหลักฐานที่ส่งให้

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

deepseek-v3.2-thinking

DeepSeek /deepseek-v3.2-thinking

เริ่มต้น

อินพุตที่รองรับ: ข้อความ
ผลลัพธ์: ข้อความ

ใช้งานได้ใน Ailoot · อินพุตและเมธอด

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

ขาเข้า: text
ขาออก: text
รูปแบบเอาต์พุต: json หรือ SSE

ฟิลด์	ประเภท	ข้อกำหนด	ค่าและข้อจำกัด	ค่าเริ่มต้น
ฟิลด์`model`	ประเภท`string`	ข้อกำหนดจำเป็น	ค่าและข้อจำกัด deepseek-v3.2-thinking	ค่าเริ่มต้น—
ฟิลด์`messages`	ประเภท`message[]`	ข้อกำหนดจำเป็น	ค่าและข้อจำกัด จำนวนรายการขั้นต่ำ: 1	ค่าเริ่มต้น—
ฟิลด์`messages[].role`	ประเภท`string`	ข้อกำหนดจำเป็น	ค่าและข้อจำกัด ขึ้นอยู่กับโมเดล	ค่าเริ่มต้น—
ฟิลด์`messages[].content`	ประเภท`string`	ข้อกำหนดไม่บังคับ	ค่าและข้อจำกัด ใช้เมื่อ: บทสนทนาข้อความ	ค่าเริ่มต้น—
ฟิลด์`stream`	ประเภท`boolean`	ข้อกำหนดไม่บังคับ	ค่าและข้อจำกัด	ค่าเริ่มต้นfalse

ชุดผสมของสื่ออินพุต

ข้อความ · ข้อความ UTF8

messages[].content

พารามิเตอร์และวงจรการทำงานของเมธอด

พารามิเตอร์	ข้อกำหนด
พารามิเตอร์`content_type`	ข้อกำหนดapplication/json
พารามิเตอร์`required`	ข้อกำหนดmodel, messages
พารามิเตอร์`material_types`	ข้อกำหนดtext
พารามิเตอร์`messages`	ข้อกำหนดอาร์เรย์ข้อความที่มีโครงสร้าง role/content
พารามิเตอร์`file_material`	ข้อกำหนดแทรกเอกสาร UTF-8 จริงเป็นข้อความตามต้นฉบับ โดยไม่อนุมาน ID ไฟล์
พารามิเตอร์`optional_controls`	ข้อกำหนดstream
พารามิเตอร์`control_scope`	ข้อกำหนดบทสนทนาข้อความ โดย stream เป็นบูลีนและมีค่าเริ่มต้น false
พารามิเตอร์`output_modalities`	ข้อกำหนดtext
พารามิเตอร์`hosted_operations`	ข้อกำหนดfalse
พารามิเตอร์`multimodal_input_binding`	ข้อกำหนดnull

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

การตั้งค่า	ตารางอัตราค่าบริการ	ค่าบริการ
การตั้งค่าอัตราราคาพื้นฐานของโทเคน	ตารางอัตราค่าบริการอัตราพื้นฐาน	ค่าบริการ 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-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-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

ฟิลด์	ประเภท
ฟิลด์`choices[].index`	ประเภทinteger
ฟิลด์`choices[].message.content`	ประเภทstring\|null
ฟิลด์`choices[].message.tool_calls`	ประเภทtool_call[]
ฟิลด์`choices[].message.reasoning_content`	ประเภทstring
ฟิลด์`choices[].message.reasoning_details`	ประเภทobject\|array
ฟิลด์`choices[].finish_reason`	ประเภทstring\|null
ฟิลด์`usage`	ประเภทobject

ข้อผิดพลาดและขั้นตอนถัดไป

การตอบกลับ	เงื่อนไข	ขั้นตอนถัดไป
การตอบกลับ400 · `invalid_request_error`	เงื่อนไขฟิลด์จำเป็น รูปแบบการแทนข้อมูล หรือค่าพารามิเตอร์ไม่ถูกต้อง	ขั้นตอนถัดไปแก้ฟิลด์ที่ระบุก่อนส่งคำขอสร้างครั้งใหม่

ชื่ออื่น

ชื่ออื่นของโมเดล

Ailoot Ultra deepseek-v3.2-thinking

ชื่อพาธเมธอดอื่น

/chat/completions

ID ที่เกี่ยวข้องสำหรับเรียกใช้โมเดล

deepseek-v3.2-thinking

FAQ · DeepSeek: DeepSeek V3.2

มีอินพุตและผลลัพธ์ใดบ้าง?: POST /v1/chat/completions · deepseek-v3.2-thinking: text → text
คำขอใช้ฟิลด์ใดบ้าง?: POST /v1/chat/completions · deepseek-v3.2-thinking: model, messages, stream
มีข้อจำกัดใดบ้าง?: POST /v1/chat/completions · deepseek-v3.2-thinking: messages.min_items: 1

DeepSeek: DeepSeek V3.2