模型比較
DeepSeek-V3.2
對比
step3
2026年2月28日
定價
輸入
$
0.27
/ M Tokens
$
0.57
/ M Tokens
輸出
$
0.42
/ M Tokens
$
1.42
/ M Tokens
元數據
創建於
2025年12月1日
2025年7月28日
許可證
MIT LICENSE
APACHE LICENSE (VERSION 2.0)
供應商
DeepSeek
StepFun
規格
州
Available
Deprecated
架構
DeepSeek Sparse Attention (DSA), Scalable Reinforcement Learning Framework, Large-Scale Agentic Task Synthesis Pipeline
Mixture-of-Experts (MoE) architecture with Multi-Matrix Factorization Attention (MFA) and Attention-FFN Disaggregation (AFD)
經過校準的
不
不
專家混合
不
是
總參數
671B
321B
啟用的參數
671B
38B
推理
不
不
精確
FP8
FP8
上下文長度
164K
66K
最大輸出長度
164K
66K
支援的功能
無伺服器
支持
支持
無伺服器的 LoRA
不支持
不支持
微調
不支持
不支持
嵌入
不支持
不支持
重新排名者
不支持
不支持
支援圖片輸入
不支持
不支持
JSON 模式
支持
支持
結構化輸出
不支持
不支持
工具
支持
支持
完成最後一步
不支持
不支持
聊天前綴完成
支持
不支持
DeepSeek-V3.2在比較中
看看如何 DeepSeek-V3.2與其他熱門型號在關鍵層面上進行比較。
對戰
MiniMax-M2.5
對戰
GLM-5
對戰
Step-3.5-Flash
對戰
GLM-4.7
對戰
GLM-4.7
對戰
MiniMax-M2.1
對戰
GLM-4.6V
對戰
Kimi-K2-Thinking
對戰
MiniMax-M2
對戰
DeepSeek-V3.2-Exp
對戰
GLM-4.6
對戰
Qwen3-VL-235B-A22B-Instruct
對戰
Qwen3-VL-235B-A22B-Thinking
對戰
Ring-flash-2.0
對戰
Ling-flash-2.0
對戰
Kimi-K2-Instruct-0905
對戰
GLM-4.5V
對戰
gpt-oss-120b
對戰
step3
對戰
Qwen3-235B-A22B-Thinking-2507
