
DeepSeek: DeepSeek V3.2
deepseek/deepseek-v3.2
Poids du modèleDeepSeek-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
Fournisseurs
Différentes entreprises hébergent le même modèle. OpenRouter achemine votre requête vers l’une d’elles selon le mode de routage que vous choisissez : Équilibré (prix + vitesse), Nitro (le plus rapide) ou Floor (le moins cher).
28% off | 0,29 $US0,2088 $US | 0,43 $US0,3096 $US | 0,03 $US0,0216 $US | 1,18s | 53 tok/s | |
|---|---|---|---|---|---|---|
| 0,2600 $US | 0,3800 $US | 0,1300 $US | 1,05s | 21 tok/s | ||
| 0,2590 $US | 0,8000 $US | 0,1400 $US | 2,13s | 17 tok/s | ||
| 0,2600 $US | 0,3800 $US | 0,1300 $US | 3,58s | 24 tok/s | ||
| 0,2800 $US | 0,4200 $US | 0,0280 $US | -- | -- | ||
| 0,3000 $US | 0,9600 $US | 0,0900 $US | 3,59s | 11 tok/s |
- Entrée 0,2088 $US / Sortie 0,3096 $US28% off53 tok/s100,00 % de disponibilité
Entrée 0,26 $US / Sortie 0,38 $US21 tok/s99,78 % de disponibilité- Entrée 0,259 $US / Sortie 0,80 $US17 tok/s100,00 % de disponibilité
- Entrée 0,26 $US / Sortie 0,38 $US24 tok/s100,00 % de disponibilité
- Entrée 0,28 $US / Sortie 0,42 $US-- tok/s99,64 % de disponibilité
- Entrée 0,30 $US / Sortie 0,96 $US11 tok/s98,19 % de disponibilité
Tarification
Le prix moyen que les clients paient réellement pour ce modèle, à côté des prix affichés par les fournisseurs. Grâce à la mise en cache et aux remises, le prix réellement payé est souvent bien inférieur au prix affiché.
Moyenne pondérée
DeepSeek V3.2 — Historique des prix
| 0,127 $US | 0,309 $US | 43,6 % | 5,3 % | ||
| 0,171 $US | 0,799 $US | 73,6 % | 31,2 % | ||
| 0,177 $US | 0,378 $US | 63,9 % | 50,3 % | ||
| 0,187 $US | 0,959 $US | 53,9 % | 2,7 % | ||
| 0,215 $US | 0,379 $US | 34,3 % | 10,6 % | ||
| — | — | — | — |
- Prix effectif en entrée 0,127 $US / Sortie effective 0,309 $USPart des jetons5,3 %
- Prix effectif en entrée 0,171 $US / Sortie effective 0,799 $USPart des jetons31,2 %
- Prix effectif en entrée 0,177 $US / Sortie effective 0,378 $USPart des jetons50,3 %
- Prix effectif en entrée 0,187 $US / Sortie effective 0,959 $USPart des jetons2,7 %
- Prix effectif en entrée 0,215 $US / Sortie effective 0,379 $USPart des jetons10,6 %
- Prix effectif en entrée — / Sortie effective —Part des jetons —
Performances
Le débit est la vitesse à laquelle le modèle écrit (jetons par seconde — plus il est élevé, mieux c’est). La latence est le temps total d’aller-retour (plus il est faible, mieux c’est). Le TTFT est le délai avant le premier jeton — le temps avant de voir quelque chose apparaître (plus il est faible, mieux c’est).
P50, meilleur résultat tous fournisseurs confondus
P50, meilleur fournisseur
Disponibilité
La disponibilité correspond au pourcentage des 3 derniers jours pendant lequel au moins un fournisseur répondait aux requêtes. La disponibilité du service correspond au pourcentage de temps pendant lequel l’inférence a été assurée avec succès. OpenRouter surveille en continu les fournisseurs et utilise le meilleur fournisseur suivant lorsque l’un d’eux renvoie une erreur.
Disponibilité au cours des 3 derniers jours
72 dernières heuresDisponibilité au cours des dernières 24 heures
Lorsqu’une erreur survient chez un fournisseur en amont, nous pouvons rétablir le service en routant la requête vers un autre fournisseur opérationnel, si les filtres de votre requête le permettent. Vous pouvez accéder par programmation aux données de disponibilité de chaque fournisseur via l’ API des points de terminaison. Découvrez nos options d’ équilibrage de charge et de routage des fournisseurs.
Évaluations comparatives
Scores aux évaluations standardisées et réponses de ce modèle aux prompts communs des tests de référence. Des pourcentages plus élevés sont meilleurs — et chaque rang indique la position de ce modèle parmi les modèles évalués sur cette source.
| Source | Test de performance | Score |
|---|---|---|
| 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 | 1066 |
| 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 | 1137 |
| 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% |
Applications
Applications publiques qui envoient le plus de trafic à ce modèle. Un bon indicateur des charges de travail réelles en production — et un aperçu des cas d’usage auxquels ce modèle convient le mieux.
Activité
Volume de jetons et trafic des requêtes vers ce modèle au fil du temps.
API
Code prêt à l’emploi pour appeler ce modèle. L’API d’OpenRouter est compatible avec OpenAI — la plupart des SDK fonctionnent en remplaçant simplement l’URL de base. Seul le slug du modèle ci-dessous change d’un modèle à l’autre.
Actuellement indisponible via le routage dans la région UE. Documentation sur le routage intrarégional
Questions fréquentes
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 coûte 0,2088 $US/M de jetons d’entrée et 0,3096 $US/M de jetons de sortie, avec des tarifs distincts pour Cache Read à 0,0216 $US/M tokens.
DeepSeek V3.2 dispose d’une fenêtre de contexte de 163 840 jetons.
Oui. DeepSeek V3.2 accepte tools et tool_choice pour les appels de fonctions chez 4 des 6 fournisseurs qui le proposent, et les requêtes qui envoient des outils sont acheminées vers ces fournisseurs. Il prend également en charge les sorties structurées via un schéma JSON dans response_format.
DeepSeek V3.2 est servi par 6 fournisseurs sur OpenRouter : GMICloud, SiliconFlow, DeepInfra, AtlasCloud, Baidu Qianfan et DigitalOcean. Les requêtes sont acheminées vers le meilleur fournisseur disponible, avec un basculement automatique vers les autres, et vous pouvez épingler ou exclure des fournisseurs grâce au routage des fournisseurs.
DeepSeek V3.2 est sorti le 1 décembre 2025.