DeepSeek-V3.2-Exp

Fiche modèle · DeepSeek · deepseek-v3.2-exp

DeepSeek-V3.2-Exp is an experimental iteration introducing DeepSeek Sparse Attention (DSA) to improve long-context training and inference efficiency while keeping output quality on par with V3.1. It explores fine-grained sparse attention for extended sequence processing.

Fiches modèles

Identité

OrganisationDeepSeek
Pays—
Famille—
Typellm
Date de sortie2025-09-29
Licencemit
Licence commercialeoui
Licence open sourceoui
Poids ouvertsoui
Auto-hébergement (DGX Spark)non — 685 Md > 107 Md
Modalitéstext
Fenêtre de contexte163 840
KV cache / token (Q8)874.5 ko/token
Paramètres totaux685 B
Paramètres actifs (session)37 B
Source des paramètres actifsweb : https://huggingface.co/deepseek-ai/DeepSeek-V3.2-Exp
Curation des paramètres actifs2026-11-04
Prix par session—
Tokens / tâche (Data Players)1.2 M
Tokens / tâche (Terminal-Bench)83.3 M (est.)
Ratio Terminal-Bench / Data Players69.4×
Coût / tâche (Terminal-Bench)—
Tokens d'entraînement—
Coupure de connaissance—
Créé le2026-05-07T16:53:28.376799Z
Mis à jour le2026-11-04T06:04:40.141788Z
SourceLLM Stats
URLhttps://llm-stats.com/models/deepseek-v3.2-exp
Tokens/tâche

Prix par fournisseur

Prix

Statut du modèle (offres + auto-hébergement) : non — hors DGX Spark (> 107 Md).

Toutes sources confondues : catalogue llm-stats, routeurs EUrouter/Cortecs et catalogues directs (OVHcloud, Scaleway, Infomaniak). Les prix sont convertis en USD pour la comparaison ; le prix publié et le taux BCE utilisé sont dans l'infobulle. Les prix inconnus restent indiqués « — ».

Aucune donnée.

Souveraineté qualifiée par offre (modèle × fournisseur) ; survolez le badge pour les critères.

Souveraineté

Scores par catégorie (top_scores)

CatégorieScore
language0.80
legal0.80
math0.70
physics0.80
reasoning0.60
search0.40
factuality1.00
finance0.80
frontend_development0.70
general0.70
healthcare0.80
agents0.40
biology0.80
chemistry0.80
code0.60
vision0.20

Scores par benchmark

BenchmarkCatégorieScoreMaxNormalisé (API)VérifiéAuto-déclaréDaté du
aider-polyglotgeneral0.741.000.74nonoui2026-11-04T06:04:40.200611Z
aime-2025math0.891.000.89nonoui2026-11-04T06:04:40.173209Z
browsecompreasoning0.401.000.40nonoui2026-11-04T06:04:40.213184Z
browsecomp-zhreasoning0.481.000.48nonoui2026-11-04T06:04:40.220564Z
codeforcesmath0.713 000.000.71nonoui2026-11-04T06:04:40.193136Z
gpqareasoning0.801.000.80nonoui2026-11-04T06:04:40.153144Z
hmmt-2025math0.841.000.84nonoui2026-11-04T06:04:40.183385Z
humanity's-last-examreasoning0.201.000.20nonoui2026-11-04T06:04:40.163099Z
livecodebenchreasoning0.741.000.74nonoui2026-11-04T06:04:40.169905Z
mmlu-prolanguage0.851.000.85nonoui2026-11-04T06:04:40.146436Z
simpleqafactuality0.971.000.97nonoui2026-11-04T06:04:40.229373Z
swe-bench-multilingualreasoning0.581.000.58nonoui2026-11-04T06:04:40.258655Z
swe-bench-verifiedreasoning0.681.000.68nonoui2026-11-04T06:04:40.239757Z
terminal-benchreasoning0.381.000.38nonoui2026-11-04T06:04:40.265945Z

Classements

CatégorieRangScoreNote conservatriceBenchmarks évaluésMéthodeDaté duProvenance
agents157—5.972trueskill2026-10-19model_history
code131—17.295trueskill2026-10-19model_history

Lecture : Note conservatrice = borne basse TrueSkill (niveau estimé − marge d’incertitude) ; Benchmarks évalués = nombre de benchmarks de la catégorie pris en compte. À performances égales, un modèle évalué sur moins de benchmarks obtient une note plus basse : la note ne se déduit pas d’un seul score. Provenance : rankings = top 50 de /rankings ; model_history = historique du modèle (/models/{id}/history), utilisé pour les rangs au-delà du top 50.

Données

Dates de curation (récupération depuis l'API) : models 2026-11-04 · benchmarks 2026-11-04 · scores 2026-11-04 · updates 2026-11-04 · account 2026-11-04 · model_history 2026-11-04 · rankings 2026-11-04