Favicon für deepseek

DeepSeek: DeepSeek V3.2 Exp

deepseek/deepseek-v3.2-exp

Modellgewichte

DeepSeek-V3.2-Exp is an experimental large language model released by DeepSeek as an intermediate step between V3.1 and future architectures. It introduces DeepSeek Sparse Attention (DSA), a fine-grained sparse attention mechanism designed to improve training and inference efficiency in long-context scenarios while maintaining output quality. Users can control the reasoning behaviour with the reasoning enabled boolean. Learn more in our docs

The model was trained under conditions aligned with V3.1-Terminus to enable direct comparison. Benchmarking shows performance roughly on par with V3.1 across reasoning, coding, and agentic tool-use tasks, with minor tradeoffs and gains depending on the domain. This release focuses on validating architectural optimizations for extended context lengths rather than advancing raw task accuracy, making it primarily a research-oriented model for exploring efficient transformer designs.

Modalitäten
Eingabe- / Ausgabepreis
0,27 $ / 0,41 $pro 1 Mio.
Kontext
164K
Veröffentlicht
29. Sept. 2025
Wissensstand
Juli 2025

Anbieter

Dieses Modell wird von einem Anbieter gehostet. OpenRouter leitet jede Anfrage ohne Routing weiter.

Preise

Der durchschnittliche Preis, den Kunden tatsächlich für dieses Modell zahlen, neben den von Anbietern veröffentlichten Preisen. Durch Caching und Rabatte liegt der tatsächlich gezahlte Preis oft deutlich unter dem Listenpreis.

Gewichteter Durchschnitt

Eingabe
0,27 $/Mio. Token
Ausgabe
0,4096 $/Mio. Token
Preisverlauf
Keine effektiven Preisdaten für diese Auswahl

Leistung

Der Durchsatz gibt an, wie schnell das Modell schreibt (Token pro Sekunde – höher ist besser). Die Latenz ist die gesamte Umlaufzeit (niedriger ist besser). TTFT ist die Zeit bis zum ersten Token – also die Wartezeit, bis etwas angezeigt wird (niedriger ist besser).

Durchsatz
17Token/s

P50, bester Wert über alle Anbieter hinweg

Latenz
2,32s

P50, bester Anbieter

Verfügbarkeit

Verfügbarkeit ist der prozentuale Anteil der letzten 3 Tage, in dem mindestens ein Anbieter auf Anfragen reagiert hat. Die Verfügbarkeit der Inferenz ist der prozentuale Anteil der Zeit, in der Inferenz erfolgreich bereitgestellt wurde. OpenRouter überwacht dies kontinuierlich und verwendet den nächstbesten Anbieter, wenn ein Anbieter einen Fehler zurückgibt.

Verfügbarkeit (3 Tage)Das Modell war erreichbar. Die Anfrage wurde an einen Anbieter weitergeleitet.
100,00 %
Verfügbarkeit (3 Tage)Das Modell hat über einen beliebigen Anbieter ein Inferenzergebnis zurückgegeben. Fehler und leere Antworten wirken sich negativ darauf aus.
99,13 %

Verfügbarkeit in den letzten 3 Tagen

Letzte 72 Stunden
Verfügbarkeit 99,13 %
Vor 3 TagenVor 2 TagenGesternJetzt

Verfügbarkeit in den letzten 24 Stunden

OpenRouter Availability
99,01 %

Wenn bei einem vorgelagerten Anbieter ein Fehler auftritt, können wir diesen durch die Weiterleitung an einen anderen funktionsfähigen Anbieter beheben, sofern Ihre Anfragefilter dies zulassen. Sie können programmgesteuert auf die Verfügbarkeitsdaten pro Anbieter zugreifen, und zwar über die Endpunkt-API. Erfahren Sie mehr über unsere Optionen für Lastverteilung und Anbieter-Routing.

Leistungsvergleiche

Ergebnisse standardisierter Bewertungen und eigene Ausgaben dieses Modells zu gemeinsamen Vergleichstest-Prompts. Höhere Prozentwerte sind besser – und jeder Rang zeigt, wo dieses Modell unter den anhand dieser Quelle bewerteten Modellen liegt.

Zusammenfassung der Benchmark-Ergebnisse für DeepSeek: DeepSeek V3.2 Exp (Artificial Analysis und Design Arena)
QuelleBenchmarkErgebnis
Artificial AnalysisDeepSeek V3.2 (Non-reasoning) GPQA Diamond75.1%
Artificial AnalysisDeepSeek V3.2 (Non-reasoning) HLE11.2%
Artificial AnalysisDeepSeek V3.2 (Non-reasoning) IFBench49.0%
Artificial AnalysisDeepSeek V3.2 (Non-reasoning) τ²-Bench Telecom78.9%
Artificial AnalysisDeepSeek V3.2 (Non-reasoning) AA-LCR45.7%
Artificial AnalysisDeepSeek V3.2 (Non-reasoning) CritPt0.9%
Artificial AnalysisDeepSeek V3.2 (Non-reasoning) LiveCodeBench59.3%
Artificial AnalysisDeepSeek V3.2 (Non-reasoning) Terminal-Bench Hard32.6%
Artificial AnalysisDeepSeek V3.2 (Non-reasoning) MMLU-Pro83.7%
Artificial AnalysisDeepSeek V3.2 (Non-reasoning) AIME 202559.0%
Artificial AnalysisDeepSeek V3.2 Exp (Non-reasoning) GPQA Diamond73.8%
Artificial AnalysisDeepSeek V3.2 Exp (Non-reasoning) HLE9.0%
Artificial AnalysisDeepSeek V3.2 Exp (Non-reasoning) IFBench43.1%
Artificial AnalysisDeepSeek V3.2 Exp (Non-reasoning) τ²-Bench Telecom33.9%
Artificial AnalysisDeepSeek V3.2 Exp (Non-reasoning) AA-LCR44.7%
Artificial AnalysisDeepSeek V3.2 Exp (Non-reasoning) CritPt1.4%
Artificial AnalysisDeepSeek V3.2 Exp (Non-reasoning) LiveCodeBench55.4%
Artificial AnalysisDeepSeek V3.2 Exp (Non-reasoning) Terminal-Bench Hard25.0%
Artificial AnalysisDeepSeek V3.2 Exp (Non-reasoning) MMLU-Pro83.6%
Artificial AnalysisDeepSeek V3.2 Exp (Non-reasoning) AIME 202557.7%
Artificial AnalysisDeepSeek V3.2 Exp (Reasoning) GPQA Diamond79.7%
Artificial AnalysisDeepSeek V3.2 Exp (Reasoning) HLE14.9%
Artificial AnalysisDeepSeek V3.2 Exp (Reasoning) IFBench54.1%
Artificial AnalysisDeepSeek V3.2 Exp (Reasoning) τ²-Bench Telecom33.9%
Artificial AnalysisDeepSeek V3.2 Exp (Reasoning) AA-LCR72.3%
Artificial AnalysisDeepSeek V3.2 Exp (Reasoning) CritPt1.4%
Artificial AnalysisDeepSeek V3.2 Exp (Reasoning) LiveCodeBench78.9%
Artificial AnalysisDeepSeek V3.2 Exp (Reasoning) Terminal-Bench Hard31.1%
Artificial AnalysisDeepSeek V3.2 Exp (Reasoning) MMLU-Pro85.0%
Artificial AnalysisDeepSeek V3.2 Exp (Reasoning) AIME 202587.7%
Design ArenaDeepSeek-V3.2-Exp Models Arena 3D Elo1128
Design ArenaDeepSeek-V3.2-Exp Models Arena Code Categories Elo1160
Design ArenaDeepSeek-V3.2-Exp Models Arena Data Visualization Elo1148
Design ArenaDeepSeek-V3.2-Exp Models Arena Game Development Elo1133
Design ArenaDeepSeek-V3.2-Exp Models Arena SVG Elo1020
Design ArenaDeepSeek-V3.2-Exp Models Arena UI Component Elo1156
Design ArenaDeepSeek-V3.2-Exp Models Arena Website Elo1171

Apps

Öffentliche Apps, die den meisten Datenverkehr an dieses Modell senden. Ein guter Anhaltspunkt dafür, wie echte Produktionsworkloads aussehen – und ein Hinweis darauf, für welche Anwendungsfälle dieses Modell am besten geeignet ist.

1.
Favicon für https://janitorai.com/
Janitor AI
8,39BToken
2.
Favicon für https://sillytavern.app/
SillyTavern
1,68BToken
3.
Favicon für https://chub.ai/
Chub AI
1,24BToken
4.
992MToken
5.
832MToken
Rest von OpenRouter
420M
Top 5 Apps
133M

Aktivität

Token-Volumen und Anfrageaufkommen für dieses Modell im Zeitverlauf.

API

Direkt einsetzbarer Code zum Aufrufen dieses Modells. Die API von OpenRouter ist OpenAI-kompatibel – bei den meisten SDKs genügt es, die Basis-URL auszutauschen. Zwischen den Modellen ändert sich nur der unten stehende Modell-Slug.

Derzeit nicht über EU-regionales Routing verfügbar. Dokumentation zum regionsinternen Routing

Häufig gestellte Fragen

Weitere Modelle entdecken