DeepSeek V3.2
8488°
Запустить модель
Предложения / Реклама
DeepSeek | контекст 163,840 токенов | $0.26/М вход, $0.80/М выход. DeepSeek-V3.2 — крупная языковая модель, разработанная для сочетания высокой вычислительной эффективности с мощными возможностями рассуждений и использования инструментов агентами. Вводит DeepSeek Sparse Attention (DSA) — тонко настроенный механизм разреженного внимания, снижающий затраты на обучение и вывод при сохранении качества в сценариях с длинным контекстом. Масштабируемая система обучения с подкреплением после тренировки дополнительно улучшает рассуждения, с заявленной производительностью в классе GPT-5, и модель…DeepSeek | контекст 163,840 токенов | $0.26/М вход, $0.80/М выход. DeepSeek-V3.2 — крупная языковая модель, разработанная для сочетания высокой вычислительной эффективности с мощными возможностями рассуждений и использования инструментов агентами. Вводит DeepSeek Sparse Attention (DSA) — тонко настроенный механизм разреженного внимания, снижающий затраты на обучение и вывод при сохранении качества в сценариях с длинным контекстом. Масштабируемая система обучения с подкреплением после тренировки дополнительно улучшает рассуждения, с заявленной производительностью в классе GPT-5, и модель показала золотые медали на IMO и IOI 2025 года. V3.2 также использует крупномасштабный конвейер синтеза агентских задач для лучшей интеграции рассуждений в использование инструментов, повышая соответствие и обобщаемость в интерактивных средах. Пользователи могут управлять поведением рассуждений с помощью булева параметра reasoning enabled. Подробнее в нашей документацииOpens in new tab
Руководства по этой модели
Лучшие локальные LLM по задачам (октябрь 2026): подходящая открытая модель для каждой работы
Сколько VRAM мне действительно нужно для локального ИИ?
Что такое файл GGUF? Объяснение квантизированных моделей (Q4, Q8, fp8, NF4)
Заметки капитана
Заметки от 2026-10-13
DeepSeek V3.2 — крупная модель с открытыми весами от DeepSeek, построенная на трёх технических принципах: разреженный механизм внимания, снижающий вычислительные затраты при работе с длинным контекстом; масштабируемая система дообучения с подкреплением; и агентская конвейерная система синтеза задач, которая интегрирует рассуждения в использование инструментов. Производитель заявляет производительность на уровне GPT-5, с золотыми медалями на IMO и IOI 2025 года. При цене менее одного доллара за миллион выходных токенов это серьёзный вариант, если вам нужны передовые рассуждения без передовых счетов.
Известен
- Золотая медаль на математических и программных соревнованиях IMO и IOI 2025 года.
- Разреженное внимание DeepSeek снижает стоимость вывода при сохранении качества на длинных контекстах.
- Возможность включать или отключать рассуждения одним булевым параметром.
- Улучшенное агентское использование инструментов благодаря масштабному синтетическому обучающему набору.
- Открытые веса доступны на Hugging Face для самостоятельного развёртывания.
Остерегайтесь
- Отсутствует шаблон чата Jinja; необходимо использовать собственные скрипты кодирования на Python от производителя, что усложняет интеграцию.
- Запуск модели такого масштаба локально требует серьёзного железа — проверьте объём VRAM перед загрузкой.
- Высокопроизводительный вариант DeepSeek-V3.2-Speciale описан отдельно; стандартная версия V3.2 — это версия с доступом через API.
Лучше всего подходит для
Подсказки для проб
Сложная задача по математике для соревнований
Последовательность задана условиями a₁ = 1, a₂ = 1 и aₙ = aₙ₋₁ + aₙ₋₂ + n для n ≥ 3. Найдите закрытую формулу или рекуррентное соотношение для общего члена и докажите свой ответ. Покажите каждый шаг рассуждений.
Многошаговый агентский план
У вас есть доступ к инструменту веб-поиска, интерпретатору Python и инструменту записи файлов. Пользователь хочет еженедельный отчёт о пяти лучших релизах открытых LLM, сохранённый в markdown-файл. Напишите полный план вызова инструментов: какие инструменты вызываете, в каком порядке, с какими входными данными и как обрабатываете неудачный результат поиска.
Задача по соревновательному программированию
Дан массив из n целых чисел. Найдите длину самой длинной подмассива, сумма элементов которого делится на k. Напишите решение на Python с временной сложностью O(n), объясните, почему оно работает, и приведите два тестовых примера с ожидаемыми результатами.
Сравнить с
- DeepSeek V4.1 FlashМодель с открытыми весамиконтекст из 1,048,576 токенов · $0.04/M вход, $0.68/M выход
- DeepSeek V4 Flash 0731Модель с открытыми весамиконтекст из 1,048,576 токенов · $0.01/M вход, $1.28/M выход
- DeepSeek V4 Flash 0423Модель с открытыми весамиконтекст из 1,048,576 токенов · $0.09/M вход, $0.18/M выход
- DeepSeek V4 Pro 0813Модель с открытыми весамиконтекст из 1,048,576 токенов · $1.32/M вход, $3.96/M выход
Больше текстовых моделей от deepseek
Часто задаваемые вопросы
- Доступны ли веса и можно ли запускать DeepSeek V3.2 локально?
- Да, веса публично доступны на Hugging Face под deepseek-ai/DeepSeek-V3.2. Учтите, что модель очень большая, поэтому локальное развёртывание требует серьёзного железа.
- Сколько стоит DeepSeek V3.2 и каков размер контекстного окна?
- Через API цена составляет $0.26 за миллион входных токенов и $0.80 за миллион выходных токенов, с контекстным окном в 163 840 токенов.
- Чем V3.2 отличается от предыдущих версий DeepSeek V3?
- В версии V3.2 добавлено разреженное внимание DeepSeek Sparse Attention для более дешёвого вывода на длинных контекстах, масштабируемая система дообучения с подкреплением, новая агентская конвейерная система синтеза задач и обновлённый шаблон чата с возможностью «мышления с инструментами», отсутствующей в предыдущих версиях.
Вердикт капитанаРедкое сочетание открытых весов, цены ниже доллара за миллион выходных токенов и настоящих передовых рассуждений — интеграционные сложности реальны, но оправданы.
Карточка модели на Hugging Face
Капитан пишет эти заметки на основе описания модели и карточки модели. Цены и размеры контекста указаны на момент написания и могут измениться.
Ranking badge
Updated Oct 22, 2026
Made this model? Show this badge on your page.
Paste it into your Hugging Face card or Civitai description.
Also ranked: #190 Hottest AI model · #56 Hottest Text / LLM model · #56 Hottest Text / LLM text model
Not this creator?
Get your own badge
Тренд популярности DeepSeek V3.2
Показатель популярности с 1 Dec 2025
Индекс популярности
8,488°
Эта неделя
▲
1.6%
8,485° тогда, 8,488° сейчас
Этот месяц
▲
7.4%
8,476° тогда, 8,488° сейчас
Прошлый год
n/a
Еще не выпущено/не отслеживается
7,000°
Базовый уровень
Шкала от 0° до 9 999°. Всё ниже 7,000° отведено моделям, по которым ещё нет данных от источников — им дают временное число, чтобы списки были полными. 7,000° — это начало измеренных данных: модель с реальными данными, но почти без скачиваний, стоит на этом уровне, а измерения добавляют градусы сверху. Базовый уровень ничего не говорит о модели; только градусы сверху её отличают.
+1,488°
Токены OpenRouter
914,260,079,186 токенов обработано этой моделью через OpenRouter за последние 30 дней, вместе с подсказками и ответами. Каждые 10,000,000 токенов считаются за одно скачивание в термине скачиваний, всего 91,426; токены последнего дня учитываются в коэффициенте роста. Источник: OpenRouter (openrouter.ai/rankings).
Показать подробности
Каждое число на этом сайте можно проверить. Рейтинг популярности этой модели — 8,488°, и здесь он построен по частям, с итогом после каждого шага: базовый уровень, градусы, добавляемые каждым источником, бонус за тип модели и вычет за возраст весов. Цвета соответствуют диапазонам на графике выше. В конце есть словарь, где объяснены все термины.
- 1Начинаем с базового уровня.Почему 7,000°, а не ноль: шкала от 0° до 9 999°, и часть ниже 7,000° отведена моделям без данных от источников — им дают временное число, чтобы списки были полными и они не обгоняли модели с данными. 7,000° — начало измеренных данных. Модель с реальными данными, но почти без скачиваний, стоит здесь; всё, что дальше, — измерения, а пространство выше базового уровня содержит десять десятикратных шагов скачиваний по 300° каждый. Базовый уровень одинаков для всех моделей, он ничего не решает; решают градусы сверху.7,000°текущий итог
- 2Добавь загрузки.91,426 эквивалентов загрузок всего, с Токены OpenRouter. Десятикратное увеличение загрузок добавляет те же 300°, так что размер важен, но не доминирует в оценке.+1,488°8,488°текущий итог
- =Итоговый показатель heat.Где эта модель находится в каждом списке на этом сайте. Ничто другое на него не влияет.8,488°
Глоссарий: используемые здесь термины
- Показатель heat
- Одно число, показывающее, насколько модель сейчас используется и востребована, от 0° до 9,999°. Все списки на сайте с пометкой hottest сортируются именно по нему.
- Минимум
- 7,000° — стартовая точка для каждой модели с реальными данными. Шкала от 0° до 9,999°; часть ниже минимума отведена для моделей без данных, чтобы модели с данными всегда были выше. Минимум одинаков для всех и ничего не решает; градусы выше него — это измерение.
- Эквиваленты загрузок
- Всё, что считается как загрузка в оценке, сложенное вместе: сами загрузки, каждый сид торрента считается за 1,000, каждое изображение AI Horde и каждый запуск на сайте генерации считаются за один.
- Логарифмическая шкала
- Счёт по десяткам, а не по единицам: переход от 1,000 к 10,000 загрузок добавляет столько же градусов, сколько от 10,000 к 100,000. Это не даёт гигантам заглушать всё остальное.
- Лайки
- Одобрения и лайки со всех источников, каждый стоит половину загрузки на логарифмической шкале.
- Темп внедрения
- Сколько загрузок в день получает модель сейчас, по разнице между двумя замерами источника. Четверть веса от термина загрузки.
- Измерено и оценено
- Измерено значит, что есть два показания источника, и разница реальна. Оценено значит, что известна только сегодняшняя сумма, а прошлое распределено по жизни модели; сайт показывает, что именно отображается.
- Сидер
- Кто-то, кто хранит копию весов онлайн, чтобы другие могли скачать через торрент, или размещённое зеркало, делающие то же самое. Каждый такой считается за 1000 загрузок.
- AI Horde
- Волонтёрская сеть, которая бесплатно генерирует изображения на пожертвованных компьютерах. Количество изображений, созданных с моделью, публично, и каждое считается за одну загрузку.
- Сайты генерации
- Сайты, которые хранят свои копии модели и позволяют людям генерировать с ней, например PixAI, SeaArt и Yodayo. Их загрузки считаются как у Civitai, и каждый запуск генерации — за одну загрузку.
- Токены OpenRouter
- Текстовая модель, обслуживаемая через API, такая как Claude или GPT, не имеет весов для скачивания, поэтому её использование измеряется токенами: кусочками текста, которые она прочитала и написала через OpenRouter, шлюз, который используют многие приложения, за последние 30 дней. Каждые 10,000,000 токенов считаются за одно скачивание. Источник: OpenRouter (openrouter.ai/rankings), CC BY 4.0.
- Полная модель (чекпоинт)
- Сами веса, файл, который генерирует самостоятельно. Получает бонус, потому что от него зависят дополнения.
- LoRA и эмбеддинг
- Небольшие файлы-дополнения, которые направляют чужие веса в сторону стиля, персонажа или концепции. Они не могут работать сами по себе.
- Семейство и веса
- База, на которой построена модель, например SD 1.5, SDXL, Flux или Wan. Каждая модель наследует дату выпуска весов своего семейства.
- Возраст
- Градусы снимаются за то, как давно вышли веса семейства: 150° в год, максимум 750°. Старые загрузки, которые успели накопиться за годы, остаются вверху списка.
- Буст семейства
- Небольшой ограниченный толчок для LoRA из семейства, которое этот сайт сейчас продвигает, всегда указан в разбивке.
- Оценка-замена
- Стабильное число ниже минимального, даваемое модели, о которой ещё нет данных, чтобы списки были полными. Никогда не выше модели с данными.
- Новинка! (период ожидания)
- Модель младше 7 дней показывает Новинка! вместо оценки и не занимает место в рейтинге. Её оценка вычисляется с первого дня, но модель в один день растёт быстрее всего, поэтому без ожидания #1 недели всегда была бы модель, вышедшая вчера, а не та, что держалась неделю.
- Тренд
- Как рост модели за период сравнивается с типичным ростом модели за тот же период. Быстрее типичного — рост, медленнее — падение.
- Типичная модель
- Средина каталога: половина моделей с цифрой росли быстрее за период, половина медленнее.
Как менялась популярность этой модели по сравнению с остальным каталогом: её рост по загрузкам, лайкам и использованию за каждый период, измеренный относительно типичного роста моделей за тот же период, с учётом её текущего показателя heat score. Если выше типичного роста — значит рост, если ниже — спад. Прошлое восстанавливается по сегодняшним итогам, первому дню модели и скорости загрузок, если есть два замера; если модель не существовала в начале периода, показывается n/a.
DeepSeek V3.2 — это текстовая модель для семейства Text / LLM, представленная на ModelTrends.ai, каталоге открытых ИИ-моделей для изображений, видео и текста, доступном только для чтения. Сравните её с другими моделями Text / LLM и посмотрите индекс популярности, чтобы оценить тренд.
Другие модели Text / LLMДругие Текст / LLM Text / LLMllmdeepseekлогикаагентыматематикапрограммированиелокально
Обзор по семействам моделей
Модели Text / LLM
434
Модели Anima
528
Модели Chroma
19
Модели Fibo
2
Модели Flux
1,496
Модели Flux 2 / Klein
1,239
Модели Flux 3
3
Модели Moss
3
Модели Iris
1
Модели MiniMax H3
364
Модели Hunyuan
204
Модели Ideogram
20
Модели Krea2
717
Модели Qwen
20
Модели Qwen2
47
Модели Ltx2
153