DeepSeek: DeepSeek V3.2 Exp

DeepSeek-V3.2-Exp ist ein experimentelles großes Sprachmodell von DeepSeek, das als Zwischenschritt zu zukünftigen Architekturen dient. Es führt DeepSeek Sparse Attention (DSA) ein, einen neuartigen, feingranularen Sparse-Attention-Mechanismus. DSA wurde entwickelt, um die Trainings- und Inferenz-Effizienz, insbesondere in Langkontext-Szenarien, erheblich zu verbessern, ohne die Ausgabequalität zu beeinträchtigen. Benutzer können das Argumentationsverhalten mit dem booleschen Parameter `reasoning` `enabled` steuern. Dieses Modell ist ideal für die Erforschung effizienter Transformer-Designs und fortgeschrittener KI-Forschung. Entwickelt unter Bedingungen, die mit V3.1-Terminus übereinstimmen, ermöglicht DeepSeek-V3.2-Exp direkte Leistungsvergleiche. Benchmarking zeigt eine Leistung, die im Allgemeinen mit V3.1 in kritischen Bereichen wie Argumentation, Codierung und Agenten-Tool-Nutzung vergleichbar ist, mit geringfügigen Abweichungen. Sein Hauptaugenmerk liegt auf der Validierung architektonischer Optimierungen für erweiterte Kontextlängen und nicht auf der reinen Aufgabenpräzision, was es zu einem wertvollen Werkzeug für Forscher macht. Zu den wichtigsten Spezifikationen gehören ein beträchtliches Kontextfenster von 163K Token und eine maximale Ausgabe von 4K Token. Es unterstützt Funktionen, Code-Generierung und Streaming und zeichnet sich bei Code-, Argumentations- und Mathematikaufgaben aus. Die Preisgestaltung ist wettbewerbsfähig: $0.21/$0.32 pro 1M Eingabe-/Ausgabe-Token. Der Zugang ist über den STARTER-Tier verfügbar.