Laster katalogen …
Laster katalogen …
DeepSeeks MoE-modell med åpne vekter, valgfri resonnering, et kontekstvindu på 164k token og solid verktøybruk. Utgitt under MIT-lisensen.
Oversikt. DeepSeek-V3.2 er en tekstmodell fra DeepSeek, utgitt i desember 2025 under MIT-lisensen. Det er en sparsom Mixture-of-Experts-modell med totalt 685 milliarder parametere, hvorav omtrent 37 milliarder er aktive per token. Den støtter et kontekstvindu på opptil 163 840 token og kan returnere opptil 65 536 token. Én modell dekker begge moduser: den svarer direkte, eller den resonnerer først når du velger et resonneringsnivå.
Viktigste styrker. - Sterk på referansetester for agentiske oppgaver og koding til å være en modell med åpne vekter - Resonnering ved behov, med justerbart resonneringsnivå - Verktøykall og strukturert utdata - Åpne vekter under MIT, slik at samme modell kan betjenes av flere leverandører
Når du bør bruke den. Bruk den til agentisk arbeid og koding der modellen må bruke verktøy, returnere strukturert utdata eller løse en oppgave over flere steg. Den egner seg også til analyse av lange dokumenter. Hvis en oppgave ikke krever bevisst resonnering, kan du sette resonneringsnivået til «none» for å få kortere svartid og lavere kostnad for utdata.
Begrensninger. Modellen tar bare tekst, uten støtte for bilder eller lyd som inndata. Resonnering gir flere utdatatoken og lengre svartid, så et høyere resonneringsnivå koster mer per forespørsel. Hvilke resonneringsnivåer hvert endepunkt støtter, kan variere.
Suverenitetsnotat. Modellen er utviklet av DeepSeek, som holder til i Kina, og er utgitt med åpne vekter. Vektene kan kjøres hvor som helst, så modellskaperen ser aldri promptene dine. Hvor dataene dine behandles, og hvilke vilkår som gjelder for oppbevaring og trening, avhenger av endepunktet som betjener forespørselen, ikke av modellen.
| Inferensleverandør | Suverenitet | Kjører i | Inn / ut per 1M | Status | Lås |
|---|---|---|---|---|---|
| L0 | 0,67 / 2,01€+3 priser | Tilkoblet |
13 bruksområder klassifisert av kuratoren. Notatet forklarer hvorfor.
Støtte for verktøykall er oppført som en kjerneegenskap, noe som gjør at den treffer behovene for applikasjoner med funksjonskall direkte.
Vinduet på 163 840 token gjør det mulig å sammenstille mange kilder i én kontekst, støttet av utvidet resonnering for analyse på tvers av dem.
Et kontekstvindu på 163 840 token gir plass til svært lange dokumenter i én runde, noe som er en klar fordel for spørsmål og svar fra dokumenter sammenlignet med alternativer med kortere kontekst.
Innebygd verktøykall kombinert med utvidet resonnering og et vindu på 163 840 token passer for orkestrering av flere verktøy, selv om det ennå ikke finnes publiserte referansetester for agenter for dette utkastet.
Verktøykall og utvidet resonnering er de relevante byggeklossene for agentiske kodingsløkker, men det er ikke registrert noen SWE-evaluering som bekrefter ytelsen.
Det store kontekstvinduet håndterer oppsummering av lange inndata, men oversikten har ingen referansetest for kvalitet som skiller den fra tilsvarende modeller.
Modusen for utvidet resonnering støtter planlegging med mange steg, men mangelen på referansetester og dokumenterte styrker gjør at påstanden om planleggingskvalitet ikke er verifisert.
Henting fra lange kontekster over store regelverkssamlinger støttes godt, og statusen som modell med åpne vekter tillater drift i egne lokaler, men utkastet mangler bevis for forankring eller nøyaktighet.
Verktøykall gir en mulighet for skjemabegrensede utdata, selv om ingen referansetest for uttrekking er registrert for denne varianten.
Ingen bildeforståelse er oppført, så modellen kan ikke utføre OCR på dokumentbilder.
Ingen bildeforståelse er oppført for denne varianten, så bilder som inndata støttes ikke.
Ingen lydutdata er oppført, så modellen kan ikke generere tale.
Ingen lydinndata er oppført, så modellen kan ikke behandle tale for transkripsjon.
Innhentede tall, ikke våre egne evalueringer. Persentilene er mot hele Stav-katalogen.
Beregnet fra aa-intelligence-index, gpqa-diamond, aa-engineering-index, aa-coding-index, livecodebench, terminal-bench-v4, ifbench, aa-multilingual-index, aa-lcr.
curl https://api.stav.ai/v1/chat/completions \
-H "Authorization: Bearer $STAV_API_KEY" \
-H "Content-Type: application/json" \
-d '{
"model": "deepseek-ai/deepseek-v3-2",
"reasoning_effort": "high",
"messages": [{"role": "user", "content": "Hello!"}]
}'→ X-Stav-Request-Id · X-Stav-Model · X-Stav-Provider → X-Stav-Sovereignty-Level – nivået forespørselen ble betjent på