deepseek-ai/deepseek-v3.2

LLM

DeepSeek V3.2 API by DeepSeek

deepseek-ai/deepseek-v3.2

Deepseek-v3.2

DeepSeek V3.2 is a state-of-the-art large language model combining efficient sparse attention, strong reasoning, and integrated agent capabilities for robust long-context understanding and versatile AI applications.

DeepSeek V3.2 dikembangkan oleh DeepSeek. Atlas Cloud (dioperasikan oleh Atlas Cloud AI LLC) menyediakan akses ke model ini dan tidak memilikinya. Semua merek dagang adalah milik pemiliknya masing-masing.

Parameter

Contoh kode
import os
from openai import OpenAI

client = OpenAI(
    api_key=os.getenv("ATLASCLOUD_API_KEY"),
    base_url="https://api.atlascloud.ai/v1"
)

response = client.chat.completions.create(
    model="deepseek-ai/deepseek-v3.2",
    messages=[
        {
            "role": "user",
            "content": "what is difference between http and https"
        }
    ],
    max_tokens=81920,
    temperature=0.7
)

print(response.choices[0].message.content)

Instalasi

Instal paket dependensi yang diperlukan.

pip install requests

Autentikasi

Semua permintaan API memerlukan autentikasi melalui API key. Anda bisa mendapatkan API key dari dasbor Atlas Cloud.

export ATLASCLOUD_API_KEY="your-api-key-here"

HTTP Headers

import os

API_KEY = os.environ.get("ATLASCLOUD_API_KEY")
headers = {
    "Content-Type": "application/json",
    "Authorization": f"Bearer {API_KEY}"
}

Jaga keamanan API key Anda

Jangan pernah mengekspos API key Anda di kode sisi klien atau repositori publik. Gunakan variabel lingkungan atau proxy backend sebagai gantinya.

Kirim permintaan

import requests

url = "https://api.atlascloud.ai/v1/chat/completions"
headers = {
    "Content-Type": "application/json",
    "Authorization": "Bearer $ATLASCLOUD_API_KEY"
}
data = {
    "model": "deepseek-ai/deepseek-v3.2",
    "messages": [
        {
            "role": "user",
            "content": "what is difference between http and https"
        }
    ],
    "max_tokens": 81920,
    "temperature": 0.7,
    "stream": False
}

response = requests.post(url, headers=headers, json=data)
print(response.json())

Input Schema

Parameter berikut diterima di isi permintaan.

Total: 14Wajib: 2Opsional: 12

modelstringrequired

The model ID to use for the completion.

Example: "deepseek-ai/deepseek-v3.2"

messagesarray[object]required

A list of messages comprising the conversation so far.

rolestringrequired

The role of the message author.

systemuserassistant

contentstringrequired

The content of the message.

temperaturenumber

Controls the variety of the model's responses. Lower values make output more predictable and deterministic, higher values more diverse and random.

Default: 1Min: 0Max: 2

top_pnumber

Nucleus sampling: limits the model's choices to the smallest set of tokens whose cumulative probability reaches top_p. It is recommended to adjust either this or temperature, not both.

Default: 1Min: 0Max: 1

top_kinteger

Limits the model's choice to the k most likely tokens at each step. Set to 0 or omit to disable.

Default: 0Min: 0

min_pnumber

Minimum probability threshold for a token to be considered, measured relative to the probability of the most likely token. Tokens below this threshold are filtered out.

Default: 0Min: 0Max: 1

frequency_penaltynumber

Penalizes tokens based on how frequently they have appeared in the text so far, reducing verbatim repetition. Negative values encourage token reuse.

Default: 0Min: -2Max: 2

presence_penaltynumber

Penalizes tokens that have already appeared in the text regardless of frequency, encouraging the model to introduce new topics.

Default: 0Min: -2Max: 2

repetition_penaltynumber

Multiplicative penalty applied to previously generated tokens. Values greater than 1 discourage repetition; 1 disables it.

Default: 1Min: 0Max: 2

stopstring | array[string]

One or more sequences where the API will stop generating further tokens. The returned text will not contain the stop sequence.

seedinteger

Random seed for deterministic sampling. Repeated requests with the same seed and parameters should return the same result.

max_tokensinteger

The maximum number of tokens to generate in the completion. The maximum value is the model's context length minus the prompt length.

Min: 1

logit_biasobject

A map of token IDs to bias values from -100 to 100 that adjust the likelihood of those tokens appearing in the output.

streamboolean

If set to true, partial message deltas will be sent as server-sent events.

Default: false

Contoh Isi Permintaan

{
  "model": "deepseek-ai/deepseek-v3.2",
  "messages": [
    {
      "role": "user",
      "content": "what is difference between http and https"
    }
  ],
  "max_tokens": 81920,
  "temperature": 0.7,
  "stream": false
}

Output Schema

API mengembalikan respons yang kompatibel dengan ChatCompletion.

idstringrequired

Unique identifier for the completion.

objectstringrequired

Object type, always "chat.completion".

Default: "chat.completion"

createdintegerrequired

Unix timestamp of when the completion was created.

modelstringrequired

The model used for the completion.

choicesarray[object]required

List of completion choices.

indexintegerrequired

Index of the choice.

messageobjectrequired

The generated message.

finish_reasonstringrequired

The reason generation stopped.

stoplengthcontent_filter

usageobjectrequired

Token usage statistics.

prompt_tokensintegerrequired

Number of tokens in the prompt.

completion_tokensintegerrequired

Number of tokens in the completion.

total_tokensintegerrequired

Total tokens used.

Contoh Respons

{
  "id": "chatcmpl-abc123",
  "object": "chat.completion",
  "created": 1700000000,
  "model": "model-name",
  "choices": [
    {
      "index": 0,
      "message": {
        "role": "assistant",
        "content": "Hello! How can I assist you today?"
      },
      "finish_reason": "stop"
    }
  ],
  "usage": {
    "prompt_tokens": 10,
    "completion_tokens": 20,
    "total_tokens": 30
  }
}

Atlas Cloud Skills

Atlas Cloud Skills mengintegrasikan 400+ model AI langsung ke asisten pengkodean AI Anda. Satu perintah untuk menginstal, lalu gunakan bahasa alami untuk menghasilkan gambar, video, dan mengobrol dengan LLM.

Klien yang Didukung

Claude Code

OpenAI Codex

Gemini CLI

Cursor

Windsurf

VS Code

Trae

GitHub Copilot

Cline

Roo Code

Amp

Goose

Replit

40+ klien yang didukung

Instalasi

npx skills add AtlasCloudAI/atlas-cloud-skills

Atur API Key

Dapatkan API key dari dasbor Atlas Cloud dan atur sebagai variabel lingkungan.

export ATLASCLOUD_API_KEY="your-api-key-here"

Kemampuan

Setelah diinstal, Anda dapat menggunakan bahasa alami di asisten AI Anda untuk mengakses semua model Atlas Cloud.

Pembuatan GambarBuat gambar dengan model seperti Nano Banana 2, Z-Image, dan lainnya.

Pembuatan VideoBuat video dari teks atau gambar dengan Kling, Vidu, Veo, dll.

Obrolan LLMMengobrol dengan Qwen, DeepSeek, dan model bahasa besar lainnya.

Unggah MediaUnggah file lokal untuk pengeditan gambar dan alur kerja gambar-ke-video.

Pelajari lebih lanjut

github.com/AtlasCloudAI/atlas-cloud-skills

MCP Server

Atlas Cloud MCP Server menghubungkan IDE Anda dengan 400+ model AI melalui Model Context Protocol. Berfungsi dengan klien apa pun yang kompatibel dengan MCP.

Klien yang Didukung

Cursor

VS Code

Windsurf

Claude Code

OpenAI Codex

Gemini CLI

Cline

Roo Code

100+ klien yang didukung

Instalasi

npx -y atlascloud-mcp

Konfigurasi

Tambahkan konfigurasi berikut ke file pengaturan MCP di IDE Anda.

{
  "mcpServers": {
    "atlascloud": {
      "command": "npx",
      "args": [
        "-y",
        "atlascloud-mcp"
      ],
      "env": {
        "ATLASCLOUD_API_KEY": "your-api-key-here"
      }
    }
  }
}

Alat yang Tersedia

atlas_generate_imageBuat gambar dari prompt teks.

atlas_generate_videoBuat video dari teks atau gambar.

atlas_chatMengobrol dengan model bahasa besar.

atlas_list_modelsJelajahi 400+ model AI yang tersedia.

atlas_quick_generatePembuatan konten satu langkah dengan pemilihan model terbaik otomatis.

atlas_upload_mediaUnggah file lokal untuk alur kerja API.

Pelajari lebih lanjut

github.com/AtlasCloudAI/mcp-server

DeepSeek Sparse Attention (DSA)

50-75% biaya inferensi lebih rendah sambil mempertahankan performa
Attention sparse berbutir halus untuk pemrosesan konteks panjang yang efisien
Dukungan panjang konteks 128K token
Komponen lightning indexer inovatif untuk routing attention dinamis

Performa Level GPT-5

Performa sebanding dengan GPT-5 di berbagai benchmark penalaran
Performa medali emas di IMO 2025 dan IOI 2025
Kemampuan agentic canggih dengan integrasi penggunaan alat
Model pertama yang mengintegrasikan pemikiran langsung ke dalam penggunaan alat

Medali Emas Kompetisi

DeepSeek-V3.2-Speciale mencapai performa level medali emas di kompetisi internasional bergengsi, mendemonstrasikan kemampuan penalaran kelas dunia.

IMO 2025

Olimpiade Matematika Internasional

83.3%Akurasi Masalah

IOI 2025

Olimpiade Informatika Internasional

EmasLevel Medali

AIME

Ujian Matematika Undangan Amerika

96%Pencapaian Skor

Sorotan Arsitektur Teknis

Arsitektur Mixture-of-Experts

Desain MoE canggih dengan routing ahli yang efisien, menampilkan 1 ahli bersama dan 256 ahli yang di-route per layer untuk keseimbangan performa-efisiensi optimal.

685BTotal Parameter

37BAktif per Token

Inovasi Attention Sparse

Mekanisme DeepSeek Sparse Attention revolusioner memungkinkan pemrosesan konteks panjang yang efisien dengan pola attention berbutir halus.

50-75%Pengurangan Biaya

128KPanjang Konteks

Pipeline Pelatihan Canggih

Pelopor pelatihan presisi campuran FP8 berskala besar dengan pasca-pelatihan canggih termasuk fine-tuning terawasi dan pembelajaran penguatan.

14.8TToken Pelatihan

FP8Presisi Campuran

Skenario Aplikasi

Penalaran Canggih

Pemecahan Masalah Matematika

Pemrograman Kompetitif

Aplikasi AI Agentic

Solusi Enterprise

Penelitian & Pengembangan

Spesifikasi Teknis

Total Parameter685B (671B dasar + 14B tambahan)

Parameter Aktif37B per token

Tipe ArsitekturTransformer dengan DeepSeek Sparse Attention MoE

Panjang Konteks128K token

Data Pelatihan14,8 triliun token berkualitas tinggi

Format PresisiFP8, BF16, F32, F8_E4M3

LisensiLisensi MIT (Open Source)

Tanggal RilisDesember 2025

Perbandingan Varian Model

Keluarga DeepSeek-V3.2 menawarkan dua varian yang dioptimalkan untuk berbagai kasus penggunaan, menyeimbangkan kecepatan dan kedalaman penalaran.

Standar

DeepSeek-V3.2

DeepSeek AI

Best For: Deployment produksi yang membutuhkan kecepatan dan efisiensi

Performa level GPT-5 di berbagai benchmark
Kecepatan inferensi dioptimalkan dengan DSA
Kemampuan penggunaan alat dan agentic lengkap
Hemat biaya untuk deployment skala besar

Premium

DeepSeek-V3.2-Speciale

DeepSeek AI

Best For: Tugas penalaran mendalam yang membutuhkan kemampuan maksimal

Melampaui GPT-5, menyamai Gemini-3.0-Pro
Performa medali emas di IMO & IOI
Batasan panjang dilonggarkan untuk penalaran kompleks
Dioptimalkan untuk penelitian dan masalah menantang

Key Insight: Pilih DeepSeek-V3.2 untuk efisiensi produksi atau V3.2-Speciale untuk kemampuan penalaran maksimal. Kedua model mewakili garis depan AI open source.

Mengapa Memilih Atlas Cloud untuk DeepSeek-V3.2?

Rasakan keandalan, keamanan, dan efisiensi biaya tingkat perusahaan dengan layanan API DeepSeek-V3.2 yang sepenuhnya dikelola.

Harga Kompetitif

Harga bayar sesuai pemakaian dengan biaya transparan. Tanpa biaya tersembunyi, tanpa komitmen minimum. Mulai gratis.

SLA Uptime 99,9%

Infrastruktur tingkat perusahaan dengan failover otomatis, load balancing, dan pemantauan 24/7 untuk keandalan maksimum.

Bersertifikat SOC 2 Type II

Keamanan tingkat perusahaan dengan sertifikasi SOC 2 Type II. Data Anda dienkripsi saat transit dan saat istirahat dengan standar keamanan terdepan di industri.

Respons Sangat Cepat

CDN global dengan lokasi edge di seluruh dunia. Infrastruktur inferensi yang dioptimalkan memberikan waktu respons di bawah satu detik.

Dukungan Ahli

Tim dukungan teknis khusus tersedia 24/7. Dapatkan bantuan dengan integrasi, optimisasi, dan pemecahan masalah.

Platform API Terpadu

Akses 400+ model AI (LLM, gambar, video, audio) melalui satu API yang konsisten. Integrasi tunggal untuk semua kebutuhan AI Anda.

Coba DeepSeek-V3.2 di Atlas Cloud

Deploy AI open source kelas dunia dengan infrastruktur tingkat enterprise, harga transparan, dan scaling mulus.

Akses API Instan

Harga Pay-as-you-go

Dukungan Enterprise

Jelajahi Model Serupa

NEW

HOT

DeepSeek V4 Pro is a state-of-the-art large language model combining efficient sparse attention, strong reasoning, and integrated agent capabilities for robust long-context understanding and versatile AI applications.

DeepSeek V3.2 API by DeepSeek

Parameter

Contoh kode

Instalasi

Autentikasi

HTTP Headers

Kirim permintaan

Input Schema

Contoh Isi Permintaan

Output Schema

Contoh Respons

Atlas Cloud Skills

Klien yang Didukung

Instalasi

Atur API Key

Kemampuan

MCP Server

Klien yang Didukung

Instalasi

Konfigurasi

Alat yang Tersedia

DeepSeek-V3.2

Medali Emas Kompetisi

IMO 2025

IOI 2025

AIME

Sorotan Arsitektur Teknis

Arsitektur Mixture-of-Experts

Inovasi Attention Sparse

Pipeline Pelatihan Canggih

Skenario Aplikasi

Spesifikasi Teknis

Perbandingan Varian Model

DeepSeek-V3.2

DeepSeek-V3.2-Speciale

Mengapa Memilih Atlas Cloud untuk DeepSeek-V3.2?

Harga Kompetitif

SLA Uptime 99,9%

Bersertifikat SOC 2 Type II

Respons Sangat Cepat

Dukungan Ahli

Platform API Terpadu

Coba DeepSeek-V3.2 di Atlas Cloud

Jelajahi Model Serupa

DeepSeek V4 Pro 0813

DeepSeek V4 Flash Vision Exp

DeepSeek V4 Flash 0731

DeepSeek V4 Pro

DeepSeek V4 Flash

DeepSeek V3.2 Exp

DeepSeek V3.1

DeepSeek OCR

DeepSeek V3.1 Terminus

Grok 4.6

Qwen3.8 27B

Qwen3.8 Max

Kimi K3

Grok 4.5

KAT Coder Pro V2.5

KAT Coder Air V2.5

Satu API untuk semua AI multimedia.

Parameter

Contoh kode

Instalasi

Autentikasi

HTTP Headers

Kirim permintaan

Input Schema

Contoh Isi Permintaan

Output Schema

Contoh Respons

Atlas Cloud Skills

Klien yang Didukung

Instalasi

Atur API Key

Kemampuan

MCP Server

Klien yang Didukung

Instalasi

Konfigurasi