DeepSeek-V3.2-Exp 現在在 SiliconFlow 上：高效長上下文推理，成本降低 50%

摘要: DeepSeek-V3.2-Exp，DeepSeek系列的最新實驗模型，現在在SiliconFlow上線。它具備DeepSeek 稀疏注意力 (DSA)，可提升細粒度效率，並在維持密集級別品質的情況下，提供更快更優的長上下文推理、編碼和代理搜尋表現，具有164K上下文窗口，並可透過SiliconFlow的產品級API服務無縫整合。

我們很高興地宣布，DeepSeek-V3.2-Exp，DeepSeek系列的最新實驗模型，現已在SiliconFlow上可以使用。此版本提供未來有效率長上下文推理的願景。作為通向DeepSeek下一代架構的橋樑，DeepSeek-V3.2-Exp引入了DeepSeek 稀疏注意力 (DSA)——一種細粒度機制，顯著提升在擴展文本、代碼和推理任務中的訓練和推斷效率。

使用SiliconFlow API，您可以期待：

• 具成本效益的定價：DeepSeek-V3.2-Exp $0.27/M tokens (輸入)和$0.41/M tokens (輸出)。

• 更長的上下文，減少開銷：164K上下文窗口讓您可以分析或生成更長的文檔、對話或腳本而不需昂貴的截斷。

• 無縫整合：可通過SiliconFlow的OpenAI/Anthropic兼容API立即部署，或透過Claude Code, Gen-CLi和Cline等整合至現有堆棧。

憑藉強大的模型、無縫整合以及具成本效益的定價，SiliconFlow 轉變開發者的構建方式——讓您更快發佈、更聰明擴展。

為什麼這次發佈很重要

DeepSeek-V3.2-Exp 建立在DeepSeek-V3.1-Terminus之上，標誌著DeepSeek在更高效的變壓器架構研究方面的一大步。

其新的DeepSeek 稀疏注意力機制首次實現了細粒度稀疏性，在長上下文訓練和推斷中提供顯著的速度和記憶體收益——同時保持與密集注意力相同的輸出質量。

為確保嚴謹的評估，DeepSeek-V3.2-Exp 在與DeepSeek-V3.1-Terminus相同的設置下進行訓練，並在多個公共基準上展示出相似的性能和穩定性，驗證稀疏注意力是邁向更高效率的可靠途徑。

訪問 SiliconFlow 的 DeepSeek-V3.2-Exp API 服務

讓我們從SiliconFlow Playground中檢查DeepSeek-V3.2-Exp的表現開始。

在經典的「兩列火車」問題中測試時，DeepSeek-V3.2-Exp高效地推理過各個步驟——識別關鍵變量，建立方程式，並驗證結果。最重要的是，最終答案——171 ¹⁄₉ 公里——是正確且推理明確的。

除了互動的遊樂場，SiliconFlow還提供即時兼容於您的現有開發生態系統：

• Anthropic 生態系統支持：完全兼容Anthropic的生態系統，用於使用DeepSeek-V3.2-Exp在Claude Code中進行綜合代碼審查、錯誤跟蹤和架構重構。

• 開發者工具整合：與Cline、Qwen Code、Gen-CLI和其他OpenAI標準開發工具的無縫整合——只需使用您的SiliconFlow API即可訪問DeepSeek-V3.2-Exp的功能。

• 其他支持的平台：即用的整合包括Dify、Sider、MindSearch、DB-GPT、ChatHub和Chatbox，利用DeepSeek-V3.2-Exp及其他強大模型。

憑藉強大的模型、無縫整合及具成本效益的定價，SiliconFlow徹底改變您的構建方式——讓您更快發佈、更聰明擴展。

立即開始

準備好深入探索了嗎？以下是如何開始：

1. 1. 探索：在SiliconFlow 遊樂場嘗試 DeepSeek-V3.2-Exp。

2. 2. 整合：使用我們的OpenAI兼容API。查看完整API規範，請參閱SiliconFlow API 文檔。

import requestsurl = "https://api.siliconflow.com/v1/chat/completions"payload = {    "model": "deepseek-ai/DeepSeek-V3.2-Exp",    "messages": [        {            "role": "user",            "content": "Tell me a story"        }    ],    "stream": False,    "max_tokens": 4096,    "enable_thinking": False,    "thinking_budget": 4096,    "min_p": 0.05,    "stop": None,    "temperature": 0.7,    "top_p": 0.7,    "top_k": 50,    "frequency_penalty": 0.5,    "n": 1,    "response_format": { "type": "text" },    "tools": [        {            "type": "function",            "function": {                "description": "<string>",                "name": "<string>",                "parameters": {},                "strict": False            }        }    ]}headers = {    "Authorization": "Bearer <token>",    "Content-Type": "application/json"}response = requests.post(url, json=payload, headers=headers)print(response.json())

立即在SiliconFlow上使用DeepSeek-V3.2-Exp進行構建——為您的應用程序提供更快速、更智能、更具成本效益的人工智能。

業務或銷售詢問 →

立即加入我們的Discord社區 →

在X上關注我們以獲得最新更新 →

探索SiliconFlow上的所有可用模型 →