DeepSeek-V3.2-Exp dorazil jako experimentální iterace, která se zaměřuje na efektivitu ve velkém měřítku a dlouhodobé kontexty s jasným odkazem na komunitu: open source, publikovaná jádra a levnější API.
Kromě humbuku kolem něj je klíčové to, že tento model, založený na V3.1-Terminus , debutuje s jemnozrnným mechanismem řídké pozornosti s názvem DeepSeek Sparse Attention (DSA), který urychluje trénování a inferenci a zároveň zachovává kvalitu. Společnost jej již implementovala do svých aplikací, webu a API a snížila ceny za používání o více než 50 % , což je agresivní krok, který, upřímně řečeno, vyvíjí tlak na konkurenci.
Klíčové nové funkce DeepSeek-V3.2-Exp
Vlajkovou inovací je DSA, která umožňuje selektivní pozornost věnovat relevantním částem kontextu bez vyčerpávajícího skenování celé sekvence. Podle společnosti je dopad na kvalitu minimální, zatímco zisk v efektivitě dlouhodobého kontextu je významný.
Co se týče dostupnosti, model je funkční napříč aplikacemi, webem a API od prvního dne, a to s výrazným snížením ceny (o více než 50 %) pro usnadnění testování a přijetí. Pro ty, kteří chtějí porovnat, DeepSeek udržuje dočasný koncový bod pro V3.1-Terminus do 15. října 2025 do 15:59 UTC.
Výkon a benchmarky DeepSeek-V3.2-Exp: parita s V3.1-Terminus
DeepSeek se snažil o srovnání s V3.1-Terminus v široké škále testů, konkrétně za účelem izolace efektu rozptýlené pozornosti. V praxi se to promítá do srovnatelných metrik v uvažování, kódování a používání nástrojů podobných agentům.
Různé zdroje poukazují na čísla, která pomáhají stabilizovat očekávání: V3.2-Exp je popisován jako model s 685 miliardami parametrů a podobným nebo mírně se lišícím výkonem v závislosti na doméně. V beznástrojovém uvažování se uvádějí skóre jako 85.0 v MMLU-Pro a 89.3 v AIME 2025 ; ve scénářích založených na agentech se objevují skóre 40.1 v BrowseComp a 67.8 v SWE Verified . Tyto výsledky jsou v souladu s oficiálním narativem o upřednostňování efektivity před významným skokem v přesnosti.
Existují dokonce i jemná srovnání: v kódovacích úlohách se uvádí nárůst na 2121 v Codeforces ve srovnání s rokem 2046, zatímco v testech zaměřených spíše na humanitní vědy jsou pozorovány mírné poklesy (např. 19.8 oproti 21.7 v Humanity's Last Exam). Celkově graf naznačuje rovnováhu : občasná vylepšení a drobné ústupky, přičemž klíčovým faktorem je rychlost.
DSA: Jemně rozptýlená pozornost, řečeno jasně
Tradiční pozornost se v širokých kontextech stává nákladnou; DSA minimalizuje práci tam, kde přispívá jen málo. Aplikací řídkosti s jemným řízením model koncentruje výpočet tam, kde skutečně najde signál, čímž se zlepšuje latence a snižuje spotřeba, aniž by se zkresloval výstup.
V reálném světě je to nejpatrnější u úkolů náročných na kontext : shrnování dlouhých dokumentů, analýza protokolů, agenti zapojení do dlouhých dialogů nebo procesy, které kombinují vyhledávání a generování dat. V těchto situacích není efektivita luxusem; je to rozdíl mezi tím, zda je něco použitelné ve velkém měřítku, nebo ne.
Dostupnost, ceny a srovnání DeepSeek-V3.2-Exp
Společnost DeepSeek oznámila, že verze 3.2-Exp je nyní k dispozici pro aplikace, web a API . Dále s okamžitou platností snížila cenu API o více než 50 % , což je krok zaměřený na rozšíření jejího využívání a podporu benchmarkového testování.
Pro ty, kteří si přejí porovnat s předchozím modelem, zůstává V3.1-Terminus dočasným koncovým bodem do 15. 10. 2025 15:59 (UTC). Společnost také vybízí k zpětné vazbě prostřednictvím veřejného formuláře, čímž posiluje dynamiku neustálého zlepšování s komunitou.
Stav open source: váhy, technická zpráva a jádra
Společnost DeepSeek zveřejnila model na Hugging Face spolu s technickou zprávou dokumentující změny a výsledky. Existuje jasný závazek k transparentnosti a podpoře dlouhodobého aplikovaného výzkumu za nižší náklady.
Na úrovni jádra existují dvě cesty: TileLang pro dostupnější čtení a prototypování a CUDA pro maximální výkon. Jádra logitových indexů (včetně stránkovaných variant) jsou publikována v DeepGEMM , zatímco jádra s řídkou pozorností jsou publikována ve FlashMLA . Toto oddělení usnadňuje výzkumné a produkční komunitě najít si své uplatnění.
Lokální spuštění DeepSeek-V3.2-Exp a inferenčních ukázek
DeepSeek nabízí inferenční repozitář s aktualizovanou ukázkou pro rychlý začátek a kontrolu architektury. Prvním krokem je převod vah Hugging Face do formátu očekávaného ukázkou, definování počtu expertů a paralelismu modelu.
Příklady příkazů pro interaktivní převod a generování (nastavte EXPERTS=256 a MP na počet GPU): lze použít tak, jak jsou, v připraveném prostředí.
cd inference export EXPERTS=256 python convert.py --hf-ckpt-path ${HF_CKPT_PATH} --save-path ${SAVE_PATH} --n-experts ${EXPERTS} --model-parallel ${MP} export CONFIG=config_671B_v3.2.json torchrun --nproc-per-node ${MP} generate.py --ckpt-path ${SAVE_PATH} --config ${CONFIG} --interactive
Pro ty, kteří dávají přednost SGLangu , jsou k dispozici předpřipravené obrazy a bootovací příkaz. Kompatibilita zahrnuje grafické procesory NVIDIA (H200), AMD (MI350) a některé NPU se specifickými tagy.
# H200 docker pull lmsysorg/sglang:dsv32 # MI350 docker pull lmsysorg/sglang:dsv32-rocm # NPU docker pull lmsysorg/sglang:dsv32-a2 docker pull lmsysorg/sglang:dsv32-a3 python -m sglang.launch_server --model deepseek-ai/DeepSeek-V3.2-Exp --tp 8 --dp 8 --page-size 64
Pokud dáváte přednost vLLM , má podporu od prvního dne. Doporučuje se prostudovat si oficiální recepty pro aktuální parametry a optimalizaci hardwaru .
API: Koncové body, kompatibilita a expirace
Rozhraní DeepSeek API se řídí standardními konvencemi a je kompatibilní s oblíbenými SDK. Ve výchozím nastavení základní URL adresa https://api.deepseek.com odkazuje na verzi V3.2-Exp, což zjednodušuje počáteční integraci a přístup ke snížené sazbě.
Pro benchmarking existuje dočasný koncový bod pro V3.1-Terminus: https://api.deepseek.com/v3.1_terminus_expires_on_20251015 . Při plánování benchmarků mějte na paměti datum a čas vypršení platnosti (15. října 2025, 15:59 UTC).
Dále je zajištěna kompatibilita s ekosystémem Anthropic . Pro interakce ve stylu Claude můžete použít základní https://api.deepseek.com/anthropic nebo variantu spojenou s dočasným koncovým bodem, pokud potřebujete porovnat s předchozím modelem.
Autentizace a správa klíčů
Požadavky jsou ověřovány pomocí `Bearer` v hlavičce Authorization. Vygenerujte si klíč z řídicího panelu DeepSeek a bezpečně jej uložte, například do proměnných prostředí nebo správců tajných kódů , jako je AWS Secrets Manager.
Na řídicím panelu se zobrazují data o využití a fakturaci, aby bylo možné sledovat spotřebu tokenů . Přestože ceny klesly, je vhodné zavést na počítačích limity sazeb a pravidelnou rotaci klíčů a také neprodleně zrušit všechny kompromitované klíče .
Dokončení chatu, šablony a základní požadavky
Centrálním koncovým bodem je /chat/completions , který zpracovává vícenásobné dialogy a udržuje kontext mezi hovory, což je ideální scénář pro silné stránky V3.2-Exp v oblasti dlouhodobého kontextu. Existují dva typické režimy modelu: deepseek-chat a deepseek-reasoner.
Jednoduché tělo požadavku by mohlo vypadat takto, s použitím JSON s escapovanými uvozovkami (zde pro přehlednost znázorněnými jako "): obsahuje systémový výzvu a uživatelský výzvu.
{ "model": "deepseek-chat", "messages": [ { "role": "system", "content": "Jste technický expert." }, { "role": "user", "content": "Vysvětlete řídkou pozornost." } ], "stream": false }
Pokud chcete odpovědi v reálném čase, povolte `stream=true` . Záhlaví musí obsahovat `Content-Type: application/json` a token v `Authorization: Bearer ${DEEPSEEK_API_KEY}`. Pokud pracujete s explicitním uvažováním, můžete toto chování ovládat pomocí příznaku `reasoning.enabled`.
Struktura odpovědi a streamování SSE
Nestreamované odpovědi zahrnují pole jako id , object, created, model, choices a usage. V choices najdete vygenerovaný obsah (role: „asistent“) a v usage podrobnosti o prompt_tokens , completion_tokens a total_tokens.
V režimu streamování odesílá API události odesílané serverem (Server-Sent Events ). Každý fragment přichází jako datová událost s delta hodnotou, kterou je nutné akumulovat. Toto je ideální volba pro interaktivní rozhraní nebo terminály s inkrementálním výstupem.
Volání funkcí a výstup v striktním JSON
Můžete definovat nástroje , aby model rozhodoval, kdy zavolat funkci, například pro načtení dat nebo provedení akcí. To se dobře hodí pro toky agentů a integrace backendu.
Pokud potřebujete strukturovaný výstup, vynuťte režim JSON pomocí `response_format`. To je užitečné pro extrakci dat nebo automatické ověřování v kanálech.
Příklady Pythonu s SDK ve stylu OpenAI
S Pythonem je křivka učení velmi hladká. Nakonfigurujte základní API tak, aby odpovídalo DeepSeeku, definujte klíč a odesílejte požadavky; v závislosti na případu použití můžete přepínat mezi standardním režimem a streamováním.
import openai openai.api_base = "https://api.deepseek.com" openai.api_key = "your_api_key_here" response = openai.ChatCompletion.create( model="deepseek-chat", messages=[ {"role": "system", "content": "Jste asistent kódování."}, {"role": "user", "content": "Napište funkci Pythonu pro výpočet Fibonacciho čísel."} ], stream=False ) print(response.choices[0].message.content) # Streamování stream = openai.ChatCompletion.create(model="deepseek-chat", messages=[...], stream=True) for chunk in stream: if chunk.choices[0].delta.content is not None: print(chunk.choices[0].delta.content, end="") # Volání funkce (definice nástroje) tools = [ { "type": "function", "function": { "name": "get_weather", "description": "Získání aktuálního počasí", "parameters": { "type": "object", "properties": { "location": {"type": "string"} }, "required": [ "location" ] } } } ]
Pro striktní JSON výstup nastavte response_format na {"type": "json_object"}. A pokud budete mít dlouhé dialogy, nezapomeňte omezit kontext , abyste zůstali v rámci možností a maximalizovali efektivitu.
Integrace s Apidogem
Apidog urychluje prototypování volání : importuje specifikace, ukládá proměnné prostředí (například klíč), vytváří POST požadavky a testuje za chodu. Jeho simulátor odpovědí usnadňuje testování okrajových případů bez použití tokenů.
Generuje také úryvky kódu v různých jazycích a nabízí zobrazení časové osy pro ladění ověřování nebo parametrů. Vzhledem k tomu, že V3.2-Exp zpracovává rozsáhlé kontexty, je Apidog ideální pro experimentování s dlouhými výzvami a testování výkonu.
Osvědčené postupy, jak z toho vytěžit maximum
Definujte jasné a stručné systémové pokyny , které popisují chování. U složitých problémů může být užitečný způsob uvažování, a to v kombinaci s technikami strukturování myšlení vhodnými pro vaši situaci.
Moudře spravujte kontext : ačkoli V3.2-Exp toleruje dlouhý kontext (uváděny jsou případy až do 128 tisíc), nadměrné množství historie může negativně ovlivnit efektivitu. V případě potřeby implementujte inteligentní zkracování, ukládání do mezipaměti pro časté dotazy a dávkové zpracování.
Z bezpečnostních důvodů dezinfikujte vstupy, abyste zabránili vkládání promptních dat, a zaznamenávejte interakce do protokolů pro audit . Upravte teplotu (temperature) a top_p podle svého cíle: nízké hodnoty pro determinismus, vysoké hodnoty pro kreativitu.
Proveďte A/B testy mezi deepseek-chat a deepseek-reasoner , abyste vybrali optimální režim. A nezapomeňte na limit rychlosti, abyste se vyhnuli překvapením při fakturaci.
Srovnání s V3.1-Terminus
Zavedení DSA přináší zlepšení latence , která se v některých scénářích blíží až trojnásobné rychlosti, aniž by byla obětována celková parita kvality. Jde o evoluci zaměřenou spíše na poměr výkonu a účinnosti než na rekordní přesnost.
Malý nárůst v kódování a mírný pokles v humanitních oblastech odráží jemné doladění, které je vlastní modelu, jenž je ze své podstaty experimentální . Časový endpoint V3.1 umožňuje přímé srovnání, které ukazuje nárůsty DSA za dlouhodobé období.
Pokročilé lokální nasazení
Pro nasazení citlivá na soukromí nebo offline je nejlepší cestou stáhnout váhy z Hugging Face a použít oficiální konverzní skripty. Nakonfigurujte počet expertů (například 256) a upravte paralelismus modelu tak, aby odpovídal vašim GPU.
Demoverze umožňuje interaktivní testování a jádra TileLang nebo CUDA vám pomohou maximalizovat výkon podle priorit: rychlost prototypování nebo maximální propustnost v produkčním prostředí.
Otevřená jádra a výkon
TileLang upřednostňuje čitelnost a design pro výzkum, takže můžete rychle iterovat s novými nápady. Je perfektní, pokud zkoumáte variace rozptýlené pozornosti nebo optimalizaci paměti.
Aby se co nejlépe využila každá milisekunda, vstupují do hry CUDA jádra: logitové indexy (s stránkovanými verzemi) se nacházejí v DeepGEMM , zatímco řídké indexy pozornosti (sparse attention indexs) se nacházejí ve FlashMLA . Tato segmentace umožňuje každému týmu vybrat si optimální stack bez nutnosti opakovat práci.
Licence, schůzka a kontakt DeepSeek-V3.2-Exp
Váhy repozitáře a modelu jsou publikovány pod licencí MIT. To otevírá dveře k vysoce flexibilnímu komerčnímu využití a podporuje přijetí a inovace v rámci ekosystému.
Pro odkazování na V3.2-Exp v publikacích uvádí DeepSeek citační položku @misc s názvem „DeepSeek-V3.2-Exp: Zvýšení efektivity dlouhodobého kontextu pomocí DeepSeek Sparse Attention“ a autorstvím „DeepSeek-AI“ (rok 2025). V případě dotazů nebo problémů se prosím obraťte na [email protected ]
Oficiální zdroje a užitečné odkazy o DeepSeek-V3.2-Exp
Pokud si chcete model stáhnout, najdete ho na Hugging Face . Technická zpráva je k dispozici na GitHubu spolu s podrobnostmi o implementaci a hodnocením.
Srovnávací testy mezi verzemi V3.2-Exp a V3.1-Terminus naleznete v oficiální příručce . A pokud byste chtěli odeslat návrhy, k dispozici je veřejný kanál pro zpětnou vazbu na adrese https://feedback.deepseek.com/dsa.
Ve verzi V3.2-Exp klade DeepSeek prioritu na jednoduchou myšlenku: efektivitu bez obětování kvality . DSA určuje směr pro modely, které podporují masivní kontexty za rozumnou cenu, zjednodušené API přináší tyto funkce více týmům a otevřený stack (váhy, jádra a dokumentace) usnadňuje komunitě bezproblémový výzkum, porovnávání a tvorbu reálných produktů.