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 Exp

deepseek-v3-2-exp

Ponderi deschise
Licență MIT
685.4B parametri
163,840 context
Lansat 2025-09-29(curatoriat)

General · LMArena: 1,422#117 din 396
Cea mai bună percentilă: 91.4MMLU-Pro (Artificial Analysis)
Poziția în cohortă: 64.6mediană 52.6

Ce spun datele

Evaluat pe 12 din 27 axe urmărite. Fiecare cifră de mai jos este rezultatul publicat al modelului pe acel clasament.

Cele mai puternice axe

91.4 pct — MMLU-Pro (Artificial Analysis) (85.0%)
89.7 pct — LiveCodeBench (Artificial Analysis) (78.9%)
86.7 pct — Halucinații HHEM (Vectara) (94.7%)

Neuniform: 75,6 puncte de percentilă între cea mai bună și cea mai slabă axă a sa — 91.4 pct pe MMLU-Pro (Artificial Analysis) față de 15.8 pct pe WebDev Arena.

MMLU-Pro (Artificial Analysis)91.4 pct85.0%Verifică →
LiveCodeBench (Artificial Analysis)89.7 pct78.9%Verifică →
Halucinații HHEM (Vectara)86.7 pct94.7%Verifică →
BFCL v4 (apelare de funcții)Clasament inactiv86.6 pct56.7%Verifică →
Prompturi dificile73 pct1,446Verifică →
Urmarea instrucțiunilor71.7 pct1,414Verifică →
General70.7 pct1,422Verifică →
Programare70.3 pct1,467Verifică →
IFBench (Artificial Analysis)62 pct54.1%Verifică →
LiveBench54.6 pct55.5%Verifică →
Factuality Arena47.1 pct1,436Verifică →
WebDev Arena15.8 pct1,272Verifică →
Vision ArenaNeevaluat
Search ArenaNeevaluat
Document ArenaNeevaluat
Agent ArenaNeevaluat
GPQA DiamondNeevaluat
AIME (matematică)Neevaluat
FrontierMathNeevaluat
SimpleQA VerifiedNeevaluat
ARC-AGI-2Neevaluat
Humanity's Last ExamNeevaluat
SimpleBenchNeevaluat
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-Exp

Parametri685.4B

ArhitecturăDeepseekV32ForCausalLM

LicențăMIT

Transformers

from transformers import AutoModelForCausalLM, AutoTokenizer

model_id = "deepseek-ai/DeepSeek-V3.2-Exp"
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-exp

Lungime context163,840 tokeni

Ieșire maximă147,456 tokeni

Preț intrare$0.27 per 1M tokeni

Preț ieșire$0.41 per 1M tokeni

Parametri API acceptați de acest endpoint

Frequency penaltyInclude reasoningMax tokensReasoningResponse formatStructured outputsTemperatureTool choiceTool callingTop-kTop-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-exp","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-exp stands at 64.6 (raw mean 68.3) — measured on 12 of 27 axes.
pozițieșablonVerifică →
deepseek-v3.2-exp stands at 64.6 versus a cohort median of 52.6 across 143 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 →