DeepSeek V3.2 是什么模型？
DeepSeek V3.2 是 DeepSeek 于2026年1月发布的通用旗舰模型，671B 参数，采用 DSA 稀疏注意力机制，结合大规模强化学习与 agent 任务合成训练，性能对标 GPT-5，支持工具调用与思考模式，MIT 协议开源。
DE
DeepSeek V3.2 (正式版)
发布时间: 2025-12-01更新于: 2026-07-17浏览量: 6,309
模型参数
6710亿
上下文长度
128K
多语言支持
支持
推理能力
4/5
DeepSeek V3.2 是 DeepSeek 于2026年1月发布的通用旗舰模型，671B 参数，采用 DSA 稀疏注意力机制，结合大规模强化学习与 agent 任务合成训练，性能对标 GPT-5，支持工具调用与思考模式，MIT 协议开源。
数据优先来自官方发布（GitHub、Hugging Face、论文），其次为评测基准官方结果，最后为第三方评测机构数据。 了解数据收集方法
DeepSeek V3.2
模型基本信息
推理过程
支持
思考模式
思考模式 (默认)常规模式
上下文长度
128K tokens
最大输出长度
8K tokens
模型类型
推理大模型
输入/输出模态
文本 → 文本
发布时间
2025-12-01
模型文件大小
1.34TB
MoE架构
是
总参数 / 激活参数
6710亿 / 370亿
知识截止
暂无数据
DeepSeek V3.2
开源和体验地址
预训练权重开源
DEEPSEEK LICENSE AGREEMENT- 免费商用授权
Hugging Face
DeepSeek V3.2
官方介绍与博客
DeepSeek V3.2
API接口信息
接口速度
3/5
💡默认单位：$/100万 tokens。若计费单位不同，则以供应商公开的原始标注为准。
标准模式
| 类型 | 适用条件 | 输入 | 输出 |
|---|---|---|---|
| 文本 | - | $0.280/ 1M tokens | $0.420/ 1M tokens |
缓存定价Prompt缓存
| 类型 | 有效期 | 写入 | 读取 |
|---|---|---|---|
| 文本 | - | $0.280/ 1M tokens | $0.028/ 1M tokens |
| 文本 | - | $0.280/ 1M tokens 缓存状态 = write | — |
| 文本 | - | — | $0.028/ 1M tokens 缓存状态 = hit |
表中「—」表示该模态在此方向不计费，或供应商未公开对应价格。
DeepSeek V3.2
评测结果
DeepSeek V3.2 当前已收录的代表性评测结果包括 LiveCodeBench（40 / 251，得分 83.30）、AIME2025（40 / 216，得分 93.10）、τ²-Bench - Telecom（63 / 264，得分 90.60）。 本页还汇总了参数规模、上下文长度与 API 价格，便于结合评测结果与部署约束一起判断模型适配度。
综合评估
共 9 项评测评测名称 / 模式
得分
排名/总数
编程与软件工程
共 6 项评测评测名称 / 模式
得分
排名/总数
数学推理
共 4 项评测评测名称 / 模式
得分
排名/总数
Agent能力评测
共 5 项评测评测名称 / 模式
得分
排名/总数
AI Agent - 工具使用
共 2 项评测评测名称 / 模式
得分
排名/总数
和其他模型对比
DeepSeek V3.2
发布机构
DeepSeek-AI
查看发布机构详情 DeepSeek V3.2 (正式版)
模型解读
DeepSeek V3.2 系列共包含三个版本：V3.2-Exp、V3.2 正式版和 V3.2-Speciale。V3.2-Exp 是2025年9月发布的实验版本，用于验证新架构；V3.2 正式版于2026年1月发布，是完成完整后训练流程的通用旗舰版本；V3.2-Speciale 是同期发布的高算力推理变体，专为极限推理场景设计。
DeepSeek V3.2 正式版于2026年1月10日发布，总参数 671B，每个 token 激活 37B 参数，上下文窗口 128K，知识截止日期为2025年5月，MIT 协议开源。架构上沿用了 V3.2-Exp 已验证的 DSA 稀疏注意力机制，但后训练部分做了大幅扩展，是 V3.2 系列中面向通用场景的完整产品版本。
后训练阶段，DeepSeek 在 V3.2 上做了两项较大的投入。一是大幅扩展强化学习的计算预算，后训练阶段消耗的算力超过预训练总量的 10%，通过规模化 RL 来提升模型的推理与规划能力，而不只是依赖预训练数据的堆砌。二是构建了大规模 agent 任务合成流水线，覆盖超过 1,800 个不同环境和 85,000 个 agent 任务，涵盖搜索、编程、工具调用等场景，为 RL 训练提供数据支撑。这批合成任务的难度足够高——即使是 frontier 闭源模型在这些任务上的准确率也不超过 62%，确保了 RL 训练的有效性。
V3.2 也是 DeepSeek 首个将思考链整合进工具调用流程的模型，同时支持思考模式和非思考模式下的工具调用。这使得模型在执行多步 agent 任务时，可以在调用外部工具之前先生成推理过程，而不是直接执行。
性能方面，V3.2 在多个推理 benchmark 上达到了与 GPT-5 和 Kimi K2-thinking 相近的水平，在 agent 场景下的表现也显著缩小了与闭源前沿模型的差距。
DeepSeek V3.2
常见问题
DeepSeek V3.2 支持哪些输入和输出模态？
当前官方资料记录其支持文本输入，并生成文本输出。
DeepSeek V3.2 的上下文窗口和最大输出是多少？
上下文窗口为 128K，最大输出为 8K。未公开或无法确认的规格不做推测。
DeepSeek V3.2 适合哪些任务？
根据已收录的官方能力标签，它适合推理大模型、多语言相关任务；实际效果应结合具体工作流验证。
DeepSeek V3.2 是否提供 API，价格如何查看？
页面已收录 DeepSeek-AI 的 6 条定价规则。价格可能随地域、上下文档位、缓存和时间变化，应以页面价格表及官方计费页为准。
DeepSeek V3.2 是否开源？
代码与模型权重按 DEEPSEEK LICENSE AGREEMENT 记录；使用前仍应核对官方许可原文。
DataLearner 官方微信
欢迎关注 DataLearner 官方微信，获得最新 AI 技术推送
