DeepSeek-V3.2 — это большая языковая модель, разработанная для гармоничного сочетания высокой вычислительной эффективности с мощными возможностями рассуждений и использования инструментов в качестве агента. Она представляет DeepSeek Sparse Attention (DSA), мелкозернистый механизм разреженного внимания, который снижает затраты на обучение и инференс, сохраняя при этом качество в сценариях с длинным контекстом. Масштабируемая структура пост-обучения с подкреплением дополнительно улучшает рассуждения, демонстрируя производительность класса GPT-5, и модель показала золотые результаты на IMO и IOI 2025 года. V3.2 также использует крупномасштабный конвейер синтеза агентских задач для лучшей интеграции рассуждений в настройки использования инструментов, повышая соответствие и обобщение в интерактивных средах.
Пользователи могут управлять поведением рассуждений с помощью булевого параметра reasoning enabled.
Провайдер для DeepSeek: DeepSeek V3.2
Hubris маршрутизирует запросы к лучшему доступному провайдеру с автоматическим fallback при сбоях.
Модальности
Провайдеры
Запросы обслуживает один из провайдеров ниже — маршрутизация автоматически выбирает оптимального по доступности и скорости в момент запроса. Итоговая стоимость зависит от того, какой провайдер обслужил запрос, и от попадания в кэш: при повторяющемся контексте вход тарифицируется по цене чтения кэша — до 60–80 % дешевле. Цены — в рублях за 1 млн токенов.
GMICloud−28 % | — | 97,4 % | < 0,1 % | |||
StreamLake−25 % | 22 т/с | 99,9 % | 9,8 % | |||
DigitalOcean | 31,59 ₽ | 101,09 ₽ | 9,48 ₽ | 33 т/с | 95,7 % | 3,7 % |
SiliconFlow | 32,73 ₽ | 53,07 ₽ | 17,06 ₽ | 30 т/с | 99,6 % | 4,5 % |
DeepInfra | 32,85 ₽ | 48,02 ₽ | 16,43 ₽ | — | 99,0 % | < 0,1 % |
AtlasCloud | 32,85 ₽ | 48,02 ₽ | 16,43 ₽ | 28 т/с | 99,9 % | 37,0 % |
Novita | 33,99 ₽ | 50,54 ₽ | 17,00 ₽ | 44 т/с | 100,0 % | 1,2 % |
Baidu | 35,38 ₽ | 53,07 ₽ | 3,54 ₽ | 16 т/с | 99,9 % | 38,0 % |
Venice | 41,70 ₽ | 60,65 ₽ | 20,22 ₽ | — | 92,7 % | < 0,1 % |
Alibaba | 46,82 ₽ | 140,45 ₽ | 9,36 ₽ | 21 т/с | 98,0 % | 1,2 % |
Friendli | 63,18 ₽ | 189,54 ₽ | 31,59 ₽ | 13 т/с | 99,9 % | 3,3 % |
Google | 70,76 ₽ | 212,29 ₽ | — | — | 99,4 % | < 0,1 % |
Phala | 126,36 ₽ | 126,36 ₽ | 63,18 ₽ | — | 99,0 % | < 0,1 % |
SambaNova | 379,08 ₽ | 568,62 ₽ | — | — | 97,7 % | < 0,1 % |
Доля запросов, скорость и латентность считаются по нашему трафику за 30 дней, в разрезе по провайдеру. У одного провайдера может быть несколько строк — разные регионы или тарифы с отдельными ценами; эти значения общие для провайдера, поэтому в таких строках они совпадают.
Поддерживаемые параметры
Другие модели от deepseek
DeepSeek: DeepSeek V4 Flash 0423
DeepSeek V4 Flash — это оптимизированная по эффективности модель Mixture-of-Experts от DeepSeek с общим количеством параметров 284B и 13B активированных параметров, поддерживающая контекстное окно в 1M токенов. Она разработана для быстрого инференса и высокопроизводительных рабочих нагрузок, сохраняя при этом высокую производительность в рассуждениях и кодировании. Модель включает гибридный механизм attention для эффективной обработки длинного контекста. Поддерживаются уровни рассуждений `high` и `xhigh`; `xhigh` соответствует максимальному уровню рассуждений. Она хорошо подходит для таких приложений, как помощники по кодированию, чат-системы и рабочие процессы агентов, где важны скорость отклика и экономическая эффективность.
DeepSeek: DeepSeek V4 Pro 0813
DeepSeek V4 Pro 0813 — это крупномасштабная модель Mixture-of-Experts от DeepSeek. Это общедоступная версия DeepSeek V4 Pro.
DeepSeek V4 Flash Latest
Эта модель всегда перенаправляется на последнюю модель семейства DeepSeek V4 Flash.
DeepSeek: DeepSeek V4 Flash 0731
DeepSeek V4 Flash 0731 — это разреженная модель mixture-of-experts от DeepSeek с 13 миллиардами активных параметров из 284 миллиардов общих. Эта переобученная версия подходит для кодирования, рассуждений и рабочих процессов агентов.
DeepSeek: DeepSeek V4 Pro 0423
DeepSeek V4 Pro — это крупномасштабная модель Mixture-of-Experts от DeepSeek с общим количеством параметров 1,6T и 49B активированных параметров, поддерживающая контекстное окно в 1M токенов. Она разработана для продвинутого рассуждения, кодирования и рабочих процессов агентов с длительным горизонтом, демонстрируя высокую производительность в тестах по знаниям, математике и разработке программного обеспечения. Построенная на той же архитектуре, что и DeepSeek V4 Flash, она представляет гибридную систему attention для эффективной обработки длинного контекста. Поддерживаются уровни рассуждения `high` и `xhigh`; `xhigh` соответствует максимальному уровню рассуждения. Модель хорошо подходит для сложных рабочих нагрузок, таких как анализ всей кодовой базы, многошаговая автоматизация и крупномасштабный синтез информации, где критически важны как возможности, так и эффективность.
DeepSeek: DeepSeek V3.2 Exp
DeepSeek-V3.2-Exp — это экспериментальная большая языковая модель, выпущенная DeepSeek в качестве промежуточного шага между V3.1 и будущими архитектурами. Она представляет DeepSeek Sparse Attention (DSA), механизм разреженного внимания с мелкой гранулярностью, разработанный для повышения эффективности обучения и инференса в сценариях с длинным контекстом при сохранении качества вывода. Пользователи могут управлять поведением рассуждений с помощью булевого параметра `reasoning` `enabled`. Модель обучалась в условиях, соответствующих V3.1-Terminus, чтобы обеспечить прямое сравнение. Бенчмаркинг показывает производительность примерно на уровне V3.1 в задачах рассуждения, кодирования и использования агентских инструментов, с незначительными компромиссами и улучшениями в зависимости от области. Этот выпуск сосредоточен на проверке архитектурных оптимизаций для расширенной длины контекста, а не на повышении точности выполнения задач, что делает его в первую очередь исследовательской моделью для изучения эффективных конструкций transformer.