
DeepSeek: DeepSeek V3.2
deepseek/deepseek-v3.2
Pesos del modeloDeepSeek-V3.2 is a large language model designed to harmonize high computational efficiency with strong reasoning and agentic tool-use performance. It introduces DeepSeek Sparse Attention (DSA), a fine-grained sparse attention mechanism that reduces training and inference cost while preserving quality in long-context scenarios. A scalable reinforcement learning post-training framework further improves reasoning, with reported performance in the GPT-5 class, and the model has demonstrated gold-medal results on the 2025 IMO and IOI. V3.2 also uses a large-scale agentic task synthesis pipeline to better integrate reasoning into tool-use settings, boosting compliance and generalization in interactive environments.
Users can control the reasoning behaviour with the reasoning enabled boolean. Learn more in our docsOpens in new tab
Proveedores
Distintas empresas alojan el mismo modelo. OpenRouter enruta su solicitud a una de ellas según el modo de enrutamiento que elija: Balanced (precio + velocidad), Nitro (el más rápido) o Floor (el más económico).
| 0,2600 US$ | 0,3800 US$ | 0,1300 US$ | 1,23s | 19 tok/s | ||
| 0,2590 US$ | 0,8000 US$ | 0,1400 US$ | 2,12s | 16 tok/s | ||
28% off | 0,29 US$0,2088 US$ | 0,43 US$0,3096 US$ | 0,03 US$0,0216 US$ | 1,22s | 52 tok/s | |
| 0,2600 US$ | 0,3800 US$ | 0,1300 US$ | 3,38s | 22 tok/s | ||
| 0,2800 US$ | 0,4200 US$ | 0,0280 US$ | -- | -- | ||
| 0,3000 US$ | 0,9600 US$ | 0,0900 US$ | 3,01s | 11 tok/s |
Entrada 0,26 US$ / Salida 0,38 US$19 tok/s99,93 % de tiempo de actividad- Entrada 0,259 US$ / Salida 0,80 US$16 tok/s100,00 % de tiempo de actividad
- Entrada 0,2088 US$ / Salida 0,3096 US$28% off52 tok/s100,00 % de tiempo de actividad
- Entrada 0,26 US$ / Salida 0,38 US$22 tok/s100,00 % de tiempo de actividad
- Entrada 0,28 US$ / Salida 0,42 US$-- tok/s99,64 % de tiempo de actividad
- Entrada 0,30 US$ / Salida 0,96 US$11 tok/s98,40 % de tiempo de actividad
Precios
El precio medio que los clientes pagan realmente por este modelo, junto a los precios que publican los proveedores. El uso de caché y los descuentos hacen que el precio realmente pagado a menudo sea muy inferior al publicado.
Media ponderada
DeepSeek V3.2 — Historial de precios
| 0,130 US$ | 0,309 US$ | 42,3 % | 5,6 % | ||
| 0,172 US$ | 0,799 US$ | 72,9 % | 31,1 % | ||
| 0,178 US$ | 0,378 US$ | 63,3 % | 49,3 % | ||
| 0,184 US$ | 0,959 US$ | 55,2 % | 2,6 % | ||
| 0,211 US$ | 0,378 US$ | 37,5 % | 11,4 % | ||
| — | — | — | — |
- En vigor en 0,130 US$ / Salida efectiva 0,309 US$Proporción de tókenes5,6 %
- En vigor en 0,172 US$ / Salida efectiva 0,799 US$Proporción de tókenes31,1 %
- En vigor en 0,178 US$ / Salida efectiva 0,378 US$Proporción de tókenes49,3 %
- En vigor en 0,184 US$ / Salida efectiva 0,959 US$Proporción de tókenes2,6 %
- En vigor en 0,211 US$ / Salida efectiva 0,378 US$Proporción de tókenes11,4 %
- En vigor en — / Salida efectiva —Proporción de tókenes —
Rendimiento
La velocidad de generación indica lo rápido que escribe el modelo (tokens por segundo: cuanto mayor, mejor). La latencia es el tiempo total de ida y vuelta (cuanto menor, mejor). TTFT es el tiempo hasta el primer token: cuánto tarda en aparecer algo en pantalla (cuanto menor, mejor).
P50, el mejor entre los proveedores
P50, mejor proveedor
Tiempo de actividad
El tiempo de actividad es el porcentaje de los últimos 3 días en que al menos un proveedor respondía a las solicitudes. La disponibilidad es el porcentaje de tiempo en que la inferencia se sirvió correctamente. OpenRouter supervisa continuamente y utiliza el siguiente mejor proveedor cuando uno devuelve un error.
Disponibilidad durante los últimos 3 días
Últimas 72 horasDisponibilidad en las últimas 24 horas
Cuando se produce un error en un proveedor ascendente, podemos recuperarnos enrutando la solicitud a otro proveedor que funcione correctamente, si los filtros de su solicitud lo permiten. Puede acceder mediante programación a los datos de tiempo de actividad de cada proveedor a través de la API de endpoints. Obtenga más información sobre nuestras opciones de equilibrio de carga y enrutamiento de proveedores.
Pruebas de rendimiento
Puntuaciones en evaluaciones estandarizadas y respuestas de este modelo a instrucciones compartidas de las pruebas de referencia. Los porcentajes más altos son mejores, y cada posición indica dónde se sitúa este modelo entre los modelos evaluados en esa fuente.
| Fuente | Prueba de rendimiento | Puntuación |
|---|---|---|
| Artificial Analysis | DeepSeek V3.2 (Reasoning) Coding Index | 44,2 |
| Artificial Analysis | DeepSeek V3.2 (Reasoning) GPQA Diamond | 84.0% |
| Artificial Analysis | DeepSeek V3.2 (Reasoning) HLE | 24.6% |
| Artificial Analysis | DeepSeek V3.2 (Reasoning) IFBench | 60.7% |
| Artificial Analysis | DeepSeek V3.2 (Reasoning) τ²-Bench Telecom | 90.6% |
| Artificial Analysis | DeepSeek V3.2 (Reasoning) AA-LCR | 73.3% |
| Artificial Analysis | DeepSeek V3.2 (Reasoning) GDPval-AA | 10.0% |
| Artificial Analysis | DeepSeek V3.2 (Reasoning) CritPt | 2.9% |
| Artificial Analysis | DeepSeek V3.2 (Reasoning) LiveCodeBench | 86.2% |
| Artificial Analysis | DeepSeek V3.2 (Reasoning) Terminal-Bench Hard | 35.6% |
| Artificial Analysis | DeepSeek V3.2 (Reasoning) Terminal-Bench 2.1 | 46.8% |
| Artificial Analysis | DeepSeek V3.2 (Reasoning) MMLU-Pro | 86.2% |
| Artificial Analysis | DeepSeek V3.2 (Reasoning) AIME 2025 | 92.0% |
| Design Arena | DeepSeek-V3.2 Models Arena 3D Elo | 1112 |
| Design Arena | DeepSeek-V3.2 Models Arena Asciiart Elo | 1070 |
| Design Arena | DeepSeek-V3.2 Models Arena Code Categories Elo | 1153 |
| Design Arena | DeepSeek-V3.2 Models Arena Data Visualization Elo | 1155 |
| Design Arena | DeepSeek-V3.2 Models Arena Game Development Elo | 1121 |
| Design Arena | DeepSeek-V3.2 Models Arena SVG Elo | 1021 |
| Design Arena | DeepSeek-V3.2 Models Arena UI Component Elo | 1139 |
| Design Arena | DeepSeek-V3.2 Models Arena Website Elo | 1167 |
| Vals AI | DeepSeek V3.2 (Thinking) AIME | 84.6% |
| Vals AI | DeepSeek V3.2 (Thinking) CaseLaw v2 | 55.4% |
| Vals AI | DeepSeek V3.2 (Thinking) CorpFin v2 | 51.0% |
| Vals AI | DeepSeek V3.2 (Thinking) Finance Agent v1.1 | 2.3% |
| Vals AI | DeepSeek V3.2 (Thinking) GPQA Diamond | 80.3% |
| Vals AI | DeepSeek V3.2 (Thinking) IOI v1 | 10.7% |
| Vals AI | DeepSeek V3.2 (Thinking) LiveCodeBench | 80.7% |
| Vals AI | DeepSeek V3.2 (Thinking) LegalBench | 76.1% |
| Vals AI | DeepSeek V3.2 (Thinking) MedQA | 93.9% |
| Vals AI | DeepSeek V3.2 (Thinking) MGSM | 86.0% |
| Vals AI | DeepSeek V3.2 (Thinking) MMLU Pro | 84.9% |
| Vals AI | DeepSeek V3.2 (Thinking) ProofBench v1 | 4.0% |
| Vals AI | DeepSeek V3.2 (Thinking) SWE-bench | 67.6% |
| Vals AI | DeepSeek V3.2 (Thinking) TaxEval v2 | 68.2% |
| Vals AI | DeepSeek V3.2 (Thinking) Terminal-Bench 2.0 | 36.0% |
| Vals AI | DeepSeek V3.2 (Thinking) Vals Index | 26.3% |
| Vals AI | DeepSeek V3.2 (Thinking) Vibe Code Bench v1.1 | 5.1% |
Aplicaciones
Aplicaciones públicas que envían más tráfico a este modelo. Una buena señal de cómo son las cargas de trabajo reales en producción, y una pista sobre los casos de uso para los que este modelo es más adecuado.
Actividad
Volumen de tokens y tráfico de solicitudes a este modelo a lo largo del tiempo.
API
Código listo para usar para llamar a este modelo. La API de OpenRouter es compatible con OpenAI: la mayoría de los SDK funcionan con solo cambiar la URL base. Lo único que cambia entre modelos es el identificador del modelo que aparece a continuación.
Actualmente no está disponible mediante el enrutamiento dentro de la región de la UE. Documentación de enrutamiento dentro de la región
Preguntas frecuentes
DeepSeek-V3.2 is a large language model designed to harmonize high computational efficiency with strong reasoning and agentic tool-use performance. It introduces DeepSeek Sparse Attention (DSA), a fine-grained sparse attention mechanism that reduces training and inference cost while preserving quality in long-context scenarios.
DeepSeek V3.2 cuesta 0,2088 US$/M de tokens de entrada y 0,3096 US$/M de tókenes de salida, con tarifas independientes para Cache Read a 0,0216 US$/M tokens.
DeepSeek V3.2 tiene una ventana de contexto de 163.840 tókenes.
Sí. DeepSeek V3.2 acepta tools y tool_choice para llamadas a funciones en 4 de los 6 proveedores que lo ofrecen, y las solicitudes que envían herramientas se enrutan a esos proveedores. También admite salidas estructuradas mediante un esquema JSON en response_format.
DeepSeek V3.2 está disponible a través de 6 proveedores en OpenRouter: GMICloud, SiliconFlow, DeepInfra, AtlasCloud, Baidu Qianfan y DigitalOcean. Las solicitudes se enrutan al mejor proveedor disponible, con conmutación automática a los demás en caso de fallo, y puede fijar o excluir proveedores mediante el enrutamiento de proveedores.
DeepSeek V3.2 se lanzó el 1 de diciembre de 2025.