Română · beta. Traducerea a fost făcută automat și este încă în curs de revizuire. Citește pagina în engleză

DeepSeek · pașaport de model

DeepSeek: DeepSeek V3.2

deepseek-v3-2

Ponderi deschise
Licență MIT
685.4B parametri
163,840 context
Lansat 2025-12-01(repo HF creat)

General · LMArena: 1,425#111 din 396
Cea mai bună percentilă: 96.6LiveCodeBench (Artificial Analysis)
Poziția în cohortă: 65.9mediană 53.9

Ce spun datele

Evaluat pe 10 din 27 axe urmărite. Fiecare cifră de mai jos este rezultatul publicat al modelului pe acel clasament.

Cele mai puternice axe

96.6 pct — LiveCodeBench (Artificial Analysis) (86.2%)
95.1 pct — MMLU-Pro (Artificial Analysis) (86.2%)

Neuniform: 67,1 puncte de percentilă între cea mai bună și cea mai slabă axă a sa — 96.6 pct pe LiveCodeBench (Artificial Analysis) față de 29.5 pct pe WebDev Arena.

LiveCodeBench (Artificial Analysis)96.6 pct86.2%Verifică →
MMLU-Pro (Artificial Analysis)95.1 pct86.2%Verifică →
Urmarea instrucțiunilor75.3 pct1,420Verifică →
Halucinații HHEM (Vectara)75.2 pct93.7%Verifică →
Prompturi dificile73.7 pct1,447Verifică →
General72.2 pct1,425Verifică →
Programare70.8 pct1,469Verifică →
IFBench (Artificial Analysis)69.8 pct60.7%Verifică →
Factuality Arena48.3 pct1,437Verifică →
WebDev Arena29.5 pct1,363Verifică →
Vision ArenaNeevaluat
Search ArenaNeevaluat
Document ArenaNeevaluat
Agent ArenaNeevaluat
GPQA DiamondNeevaluat
AIME (matematică)Neevaluat
FrontierMathNeevaluat
SimpleQA VerifiedNeevaluat
ARC-AGI-2Neevaluat
Humanity's Last ExamNeevaluat
SimpleBenchNeevaluat
LiveBenchNeevaluat
BFCL v4 (apelare de funcții)Neevaluat
SWE-bench Verified (clasament live)Neevaluat
Terminal-Bench 4.0Neevaluat
SWE-bench VerifiedNeevaluat
Terminal-BenchNeevaluat

Percentilele reprezintă poziția modelului în populația proprie a fiecărui clasament. Axele marcate „neevaluat” nu au niciun rezultat publicat pentru acest model — este o absență a datelor, nu un scor mic.

Cum îl rulezi

Rulează-l singur

Repositorydeepseek-ai/DeepSeek-V3.2

Parametri685.4B

ArhitecturăDeepseekV32ForCausalLM

LicențăMIT

Transformers

from transformers import AutoModelForCausalLM, AutoTokenizer

model_id = "deepseek-ai/DeepSeek-V3.2"
tokenizer = AutoTokenizer.from_pretrained(model_id)
model = AutoModelForCausalLM.from_pretrained(model_id)

Ollama

Nu sincronizăm tag-urile Ollama, așa că nu afișăm o comandă pe care nu o putem verifica — una greșită ar descărca modelul greșit. Caută în biblioteca Ollama →

Rețetele de fine-tuning Unsloth sunt specifice fiecărui model și nu le derivăm aici. Documentația Unsloth →

Folosește-l găzduit

ID de model APIdeepseek/deepseek-v3.2

Lungime context163,840 tokeni

Ieșire maximă65,536 tokeni

Preț intrare$0.28 per 1M tokeni

Preț intrare din cache$0.03 per 1M tokeni

Preț ieșire$0.42 per 1M tokeni

Parametri API acceptați de acest endpoint

Frequency penaltyInclude reasoningLogit biasLogprobsMax tokensMin-pPresence penaltyReasoningRepetition penaltyResponse formatSeedStop sequencesStructured outputsTemperatureTool choiceTool callingTop-kTop logprobsTop-p

Exemplu de cerere

curl https://openrouter.ai/api/v1/chat/completions \
  -H "Authorization: Bearer $OPENROUTER_API_KEY" \
  -H "Content-Type: application/json" \
  -d '{"model":"deepseek/deepseek-v3.2","messages":[{"role":"user","content":"Hello"}]}'

Vezi pe OpenRouter →

Identificatorii, limitele și prețurile sunt sincronizate din sursa upstream afișată mai sus. Orice câmp nesincronizat este omis complet, nu ghicit.

deepseek-v3.2 stands at 65.9 (raw mean 70.6) — measured on 10 of 27 axes.
pozițieșablonVerifică →
deepseek-v3.2 stands at 65.9 versus a cohort median of 53.9 across 126 models released within 180 days — above the peer median.
cohortășablonVerifică →

Fiecare afirmație este un fapt calculat din datele actuale ale clasamentului, formulat de un apel de model la temperatură scăzută și respins de o poartă de validare dacă vreun număr nu se află în rândul sursă. Cum funcționează clasamentele →