İçeriğe atla
SinaptikLabAI KNOWLEDGE PLATFORM

MODEL VARLIĞI

DeepSeek-V3.2

1 Aralık 2025'te yayımlanan 685 milyar parametreli seyrek dikkat (sparse attention) modeli. DeepSeek'in duyurusunda 1.800'den fazla ortam ve 85 binden fazla karmaşık talimat üzerinde eğitildiği, düşünmeyi araç kullanımına gömen ilk model olduğu belirtiliyor. Yanında yalnızca API üzerinden ve geçici olarak sunulan, araç çağırmayı desteklemeyen DeepSeek-V3.2-Speciale akıl yürütme varyantı yayımlandı. Eski `deepseek-chat` ve `deepseek-reasoner` adları 24 Temmuz 2026'da API'den kaldırıldı; ağırlıklar Hugging Face'te MIT lisansıyla erişilebilir durumda.

Künye

Kapalı
Geliştirici
DeepSeek
Model tipi
Metin LLM
Modaliteler
metin
Açık ağırlık
Var
Lisans
MIT
Yönetilen API
Yok
Yayın
2025-12-01

Son doğrulama: 12 Eylül 2026

Yetenekler

  • 685B parametre ve DeepSeek Sparse Attention (DSA) seyrek dikkat mimarisi
  • Düşünme ile araç çağırmanın aynı akışta birleştirilmesi
  • Akıl yürütme modlarını destekleyen sohbet şablonu
  • BF16, FP8 (E4M3) ve FP32 tensör tipleriyle Safetensors ağırlıkları
  • Araç çağırmayı desteklemeyen, akıl yürütmesi azami V3.2-Speciale varyantı

Sınırlılıklar

  • API'den kaldırıldı: `deepseek-chat` ve `deepseek-reasoner` adları 24 Temmuz 2026'da emekliye ayrıldı, erişim yalnızca kendi altyapısında barındırma ile mümkün.
  • Yalnızca metin: görsel, ses veya video girdisi yok.
  • V3.2-Speciale araç çağırmayı desteklemiyordu ve uç noktası 15 Aralık 2025'te kapatıldı.
  • Aralık 2025 nesli: V4 ve V4.1 serisinin ajan başarımının belirgin biçimde gerisinde.
  • 685 milyar parametre kendi altyapısında barındırma için çok düğümlü kurulum gerektirir.

Tipik kullanım alanları

  • Açık ağırlıklı model üzerinde araştırma ve ince ayar
  • Veri ikametgâhı kısıtı olan kurumsal dağıtımlar
  • Seyrek dikkat mimarilerinin karşılaştırmalı incelenmesi

Benchmark politikası

Bu sayfada skor tablosu yer almaz. Sinaptik Lab, yalnızca test verisi, model sürümü, örnekleme ayarları ve örneklem sayısı yayımlanmış ölçümleri raporlar. Metodoloji

BUILD

Hangi modeli seçeceğinize karar veremiyor musunuz?

Kendi görev setiniz üzerinde kalite, gecikme, maliyet ve uyum kısıtlarını birlikte ölçüyoruz.