DeepSeek V3.2vsDeepSeek-V3.1
在 9 个共同 benchmark 中，DeepSeek V3.2 整体领先：DeepSeek V3.2 领先 8 项，DeepSeek-V3.1 领先 1 项，持平 0 项，平均分差 +17.48。
DeepSeek V3.2
DeepSeek-AI · 2025-12-01 · 推理大模型
DeepSeek-V3.1
DeepSeek-AI · 2025-08-20 · 聊天大模型
DeepSeek V3.28 项(89%)(11%)1 项DeepSeek-V3.1
评测分数
按能力类目分组，每组内按分差大小排列；共 9 项。
Agent Level Benchmark
DeepSeek V3.2 领先 2/2| 评测项 | DeepSeek V3.2 | DeepSeek-V3.1 | 分差 |
|---|---|---|---|
| τ²-Bench - Telecom | 78.90117 / 264Normal (With Tools) | 34.80197 / 264Normal (With Tools) | +44.10 |
| Terminal Bench Hard | 32.6093 / 244Normal (With Tools) | 24.20134 / 244Normal (With Tools) | +8.40 |
Coding and Software Engineer
DeepSeek V3.2 领先 1/1| 评测项 | DeepSeek V3.2 | DeepSeek-V3.1 | 分差 |
|---|---|---|---|
| LiveCodeBench | 59.30133 / 250Normal (No Tools) | 56.40145 / 250Normal (No Tools) | +2.90 |
General Knowledge
DeepSeek V3.2 领先 1/1| 评测项 | DeepSeek V3.2 | DeepSeek-V3.1 | 分差 |
|---|---|---|---|
| HLE | 11.20375 / 563Normal (No Tools) · Text only | 6.70449 / 563Normal (No Tools) · Text only | +4.50 |
Instruction Following
DeepSeek V3.2 领先 1/1| 评测项 | DeepSeek V3.2 | DeepSeek-V3.1 | 分差 |
|---|---|---|---|
| IF Bench | 49161 / 282Normal (No Tools) | 37.80232 / 282Normal (No Tools) | +11.20 |
Long Context
DeepSeek-V3.1 领先 1/1| 评测项 | DeepSeek V3.2 | DeepSeek-V3.1 | 分差 |
|---|---|---|---|
| AA-LCR | 45.70144 / 170Normal (No Tools) | 47140 / 170Normal (No Tools) | -1.30 |
Math and Reasoning
DeepSeek V3.2 领先 1/1| 评测项 | DeepSeek V3.2 | DeepSeek-V3.1 | 分差 |
|---|---|---|---|
| AIME2025 | 59139 / 215Normal (No Tools) | 49.70154 / 215Normal (No Tools) | +9.30 |
Writing and Creative Capabilities
DeepSeek V3.2 领先 1/1| 评测项 | DeepSeek V3.2 | DeepSeek-V3.1 | 分差 |
|---|---|---|---|
| Creative Writing | 1,51149 / 106Normal (No Tools) | 1,43357 / 106Normal (No Tools) | +78 |
科学与综合推理
DeepSeek V3.2 领先 1/1| 评测项 | DeepSeek V3.2 | DeepSeek-V3.1 | 分差 |
|---|---|---|---|
| GPQA Diamond | 75.10279 / 462Normal (No Tools) | 74.90283 / 462Normal (No Tools) | +0.20 |
规格对比
| 字段 | DeepSeek V3.2 | DeepSeek-V3.1 |
|---|---|---|
| 发布机构 | DeepSeek-AI | DeepSeek-AI |
| 发布时间 | 2025-12-01 | 2025-08-20 |
| 模型类型 | 推理大模型 | 聊天大模型 |
| 架构 | MoE 架构 | MoE 架构 |
| 参数规模 | 6710亿 | 6710亿 |
| 上下文长度 | 128K | 128K |
| 最大输出 | 8K | 8K |
API 调用价格
价格优先使用 DataLearner 配置的 API 记录；缺失项不做推测。
| 价格项 | DeepSeek V3.2 | DeepSeek-V3.1 |
|---|---|---|
| 文本输入 | $0.28 / 1M tokens | $0.56 / 1M tokens |
| 文本输出 | $0.42 / 1M tokens | $1.68 / 1M tokens |
| 缓存读取 | $0.028 / 1M tokens | $0.28 / 1M tokens |
| 缓存写入 | $0.28 / 1M tokens | $0.56 / 1M tokens |
小结
- DeepSeek V3.2在以下类目领先:Agent Level Benchmark (2/2)、Coding and Software Engineer (1/1)、General Knowledge (1/1)、Instruction Following (1/1)、Math and Reasoning (1/1)、Writing and Creative Capabilities (1/1)、科学与综合推理 (1/1)
- DeepSeek-V3.1在以下类目领先:Long Context (1/1)
9 个共同 benchmark 上，DeepSeek V3.2 平均高出 17.48 分。
单项差距最大的 benchmark：Creative Writing — DeepSeek V3.2 1,511，DeepSeek-V3.1 1,433（分差 +78）。
本页正文由结构化模型、价格与 benchmark 数据生成，不使用实时 LLM 撰写。