deepseek-ai/deepseek-v3.2-speciale

LLM

Fastest, most cost-effective model from DeepSeek Ai.

พารามิเตอร์

ตัวอย่างโค้ด
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-speciale",
    messages=[
    {
        "role": "user",
        "content": "hello"
    }
],
    max_tokens=1024,
    temperature=0.7
)

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

ติดตั้ง

ติดตั้งแพ็คเกจที่จำเป็นสำหรับภาษาของคุณ

bash

pip install requests

การยืนยันตัวตน

คำขอ API ทั้งหมดต้องมีการยืนยันตัวตนผ่าน API key คุณสามารถรับ API key ได้จากแดชบอร์ด Atlas Cloud

bash

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

HTTP Headers

python

import os

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

รักษา API key ของคุณให้ปลอดภัย

อย่าเปิดเผย API key ของคุณในโค้ดฝั่งไคลเอนต์หรือที่เก็บข้อมูลสาธารณะ ให้ใช้ตัวแปรสภาพแวดล้อมหรือพร็อกซีฝั่งเซิร์ฟเวอร์แทน

ส่งคำขอ

import requests

url = "https://api.atlascloud.ai/v1/chat/completions"
headers = {
    "Content-Type": "application/json",
    "Authorization": "Bearer $ATLASCLOUD_API_KEY"
}
data = {
    "model": "your-model",
    "messages": [{"role": "user", "content": "Hello"}],
    "max_tokens": 1024
}

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

Input Schema

พารามิเตอร์ต่อไปนี้ยอมรับในเนื้อหาคำขอ

ทั้งหมด: 9จำเป็น: 2ไม่บังคับ: 7

modelstringrequired

The model ID to use for the completion.

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

messagesarray[object]required

A list of messages comprising the conversation so far.

rolestringrequired

The role of the message author. One of "system", "user", or "assistant".

systemuserassistant

contentstringrequired

The content of the message.

max_tokensinteger

The maximum number of tokens to generate in the completion.

Default: 1024Min: 1

temperaturenumber

Sampling temperature between 0 and 2. Higher values make output more random, lower values more focused and deterministic.

Default: 0.7Min: 0Max: 2

top_pnumber

Nucleus sampling parameter. The model considers the tokens with top_p probability mass.

Default: 1Min: 0Max: 1

streamboolean

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

Default: false

stoparray[string]

Up to 4 sequences where the API will stop generating further tokens.

frequency_penaltynumber

Penalizes new tokens based on their existing frequency in the text so far. Between -2.0 and 2.0.

Default: 0Min: -2Max: 2

presence_penaltynumber

Penalizes new tokens based on whether they appear in the text so far. Between -2.0 and 2.0.

Default: 0Min: -2Max: 2

ตัวอย่างเนื้อหาคำขอ

json

{
  "model": "deepseek-ai/deepseek-v3.2-speciale",
  "messages": [
    {
      "role": "user",
      "content": "Hello"
    }
  ],
  "max_tokens": 1024,
  "temperature": 0.7,
  "stream": false
}

Output Schema

API จะส่งคืนการตอบกลับที่เข้ากันได้กับ 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.

ตัวอย่างการตอบกลับ

json

{
  "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 เชื่อมต่อโมเดล AI กว่า 300+ เข้ากับผู้ช่วยเขียนโค้ด AI ของคุณโดยตรง ติดตั้งด้วยคำสั่งเดียว จากนั้นใช้ภาษาธรรมชาติเพื่อสร้างรูปภาพ วิดีโอ และสนทนากับ LLM

ไคลเอนต์ที่รองรับ

Claude Code

OpenAI Codex

Gemini CLI

Cursor

Windsurf

VS Code

Trae

GitHub Copilot

Cline

Roo Code

Amp

Goose

Replit

40+ ไคลเอนต์ที่รองรับ

ติดตั้ง

bash

npx skills add AtlasCloudAI/atlas-cloud-skills

ตั้งค่า API Key

รับ API key จากแดชบอร์ด Atlas Cloud และตั้งค่าเป็นตัวแปรสภาพแวดล้อม

bash

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

ความสามารถ

เมื่อติดตั้งแล้ว คุณสามารถใช้ภาษาธรรมชาติในผู้ช่วย AI ของคุณเพื่อเข้าถึงโมเดล Atlas Cloud ทั้งหมด

สร้างรูปภาพสร้างรูปภาพด้วยโมเดลเช่น Nano Banana 2, Z-Image และอื่นๆ

สร้างวิดีโอสร้างวิดีโอจากข้อความหรือรูปภาพด้วย Kling, Vidu, Veo เป็นต้น

สนทนา LLMสนทนากับ Qwen, DeepSeek และโมเดลภาษาขนาดใหญ่อื่นๆ

อัปโหลดสื่ออัปโหลดไฟล์จากเครื่องสำหรับการแก้ไขรูปภาพและเวิร์กโฟลว์รูปภาพเป็นวิดีโอ

เรียนรู้เพิ่มเติม

github.com/AtlasCloudAI/atlas-cloud-skills

MCP Server

Atlas Cloud MCP Server เชื่อมต่อ IDE ของคุณกับโมเดล AI กว่า 300+ ผ่าน Model Context Protocol ใช้งานได้กับไคลเอนต์ที่รองรับ MCP ทุกตัว

ไคลเอนต์ที่รองรับ

Cursor

VS Code

Windsurf

Claude Code

OpenAI Codex

Gemini CLI

Cline

Roo Code

100+ ไคลเอนต์ที่รองรับ

ติดตั้ง

bash

npx -y atlascloud-mcp

การกำหนดค่า

เพิ่มการกำหนดค่าต่อไปนี้ลงในไฟล์ตั้งค่า MCP ของ IDE ของคุณ

json

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

เครื่องมือที่ใช้ได้

atlas_generate_imageสร้างรูปภาพจากข้อความ prompt

atlas_generate_videoสร้างวิดีโอจากข้อความหรือรูปภาพ

atlas_chatสนทนากับโมเดลภาษาขนาดใหญ่

atlas_list_modelsเรียกดูโมเดล AI กว่า 300+ ที่ใช้ได้

atlas_quick_generateสร้างเนื้อหาขั้นตอนเดียวพร้อมเลือกโมเดลอัตโนมัติ

atlas_upload_mediaอัปโหลดไฟล์จากเครื่องสำหรับเวิร์กโฟลว์ API

เรียนรู้เพิ่มเติม

github.com/AtlasCloudAI/mcp-server

DeepSeek-V3.2

โอเพนซอร์ส

โมเดลภาษาขนาดใหญ่โอเพนซอร์สชั้นนำ

DeepSeek-V3.2 เป็นโมเดล Mixture-of-Experts ที่ทันสมัยที่สุดด้วยพารามิเตอร์ 685B ที่บรรลุประสิทธิภาพระดับ GPT-5 ในขณะที่รักษาการอนุมานที่คุ้มค่าผ่านเทคโนโลยี DeepSeek Sparse Attention ที่เป็นนวัตกรรม

DeepSeek Sparse Attention (DSA)

ต้นทุนการอนุมานต่ำกว่า 50-75% ในขณะที่รักษาประสิทธิภาพ
Sparse attention ละเอียดสำหรับการประมวลผลบริบทยาวที่มีประสิทธิภาพ
รองรับความยาวบริบท 128K โทเค็น
คอมโพเนนต์ lightning indexer ที่เป็นนวัตกรรมสำหรับการกำหนดเส้นทาง attention แบบไดนามิก

ประสิทธิภาพระดับ GPT-5

ประสิทธิภาพเทียบเคียง GPT-5 ในหลาย benchmark การให้เหตุผล
ประสิทธิภาพระดับเหรียญทองใน IMO 2025 และ IOI 2025
ความสามารถ agentic ขั้นสูงพร้อมการบูรณาการการใช้เครื่องมือ
โมเดลแรกที่บูรณาการการคิดโดยตรงเข้ากับการใช้เครื่องมือ

เหรียญทองในการแข่งขัน

DeepSeek-V3.2-Speciale บรรลุประสิทธิภาพระดับเหรียญทองในการแข่งขันระดับนานาชาติที่มีชื่อเสียง แสดงให้เห็นความสามารถในการให้เหตุผลระดับโลก

IMO 2025

โอลิมปิกคณิตศาสตร์นานาชาติ

83.3%ความแม่นยำของปัญหา

IOI 2025

โอลิมปิกสารสนเทศนานาชาติ

ทองระดับเหรียญ

AIME

การสอบคณิตศาสตร์เชิญชวนอเมริกัน

96%ผลสัมฤทธิ์คะแนน

ไฮไลท์สถาปัตยกรรมทางเทคนิค

สถาปัตยกรรม Mixture-of-Experts

การออกแบบ MoE ขั้นสูงพร้อมการกำหนดเส้นทางผู้เชี่ยวชาญที่มีประสิทธิภาพ มีผู้เชี่ยวชาญที่แชร์ 1 คนและผู้เชี่ยวชาญที่กำหนดเส้นทาง 256 คนต่อชั้นเพื่อความสมดุลระหว่างประสิทธิภาพและประสิทธิผลที่เหมาะสม

685Bพารามิเตอร์ทั้งหมด

37Bใช้งานต่อโทเค็น

นวัตกรรม Sparse Attention

กลไก DeepSeek Sparse Attention ที่ปฏิวัติวงการช่วยให้สามารถประมวลผลบริบทยาวได้อย่างมีประสิทธิภาพด้วยรูปแบบ attention ที่ละเอียด

50-75%การลดต้นทุน

128Kความยาวบริบท

ไปป์ไลน์การฝึกอบรมขั้นสูง

ผู้บุกเบิกในการฝึกอบรมความแม่นยำผสม FP8 ในระดับใหญ่พร้อมการฝึกอบรมหลังที่ซับซ้อนรวมถึง supervised fine-tuning และ reinforcement learning

14.8Tโทเค็นการฝึกอบรม

FP8ความแม่นยำผสม

สถานการณ์การใช้งาน

การให้เหตุผลขั้นสูง

การแก้ปัญหาคณิตศาสตร์

การเขียนโปรแกรมแบบแข่งขัน

แอปพลิเคชัน AI แบบ Agentic

โซลูชันองค์กร

การวิจัยและพัฒนา

ข้อมูลจำเพาะทางเทคนิค

พารามิเตอร์ทั้งหมด685B (671B พื้นฐาน + 14B เพิ่มเติม)

พารามิเตอร์ที่ใช้งาน37B ต่อโทเค็น

ประเภทสถาปัตยกรรมTransformer พร้อม DeepSeek Sparse Attention MoE

ความยาวบริบท128K โทเค็น

ข้อมูลการฝึกอบรม14.8 ล้านล้านโทเค็นคุณภาพสูง

รูปแบบความแม่นยำFP8, BF16, F32, F8_E4M3

ใบอนุญาตใบอนุญาต MIT (โอเพนซอร์ส)

วันที่เปิดตัวธันวาคม 2025

การเปรียบเทียบตัวแปรของโมเดล

ครอบครัว DeepSeek-V3.2 นำเสนอสองตัวแปรที่ได้รับการปรับให้เหมาะสมสำหรับกรณีการใช้งานที่แตกต่างกัน ทำให้เกิดสมดุลระหว่างความเร็วและความลึกของการให้เหตุผล

มาตรฐาน

DeepSeek-V3.2

DeepSeek AI

Best For: การนำไปใช้งานจริงที่ต้องการความเร็วและประสิทธิภาพ

ประสิทธิภาพระดับ GPT-5 ใน benchmark
ความเร็วการอนุมานที่ได้รับการปรับปรุงด้วย DSA
ความสามารถในการใช้เครื่องมือและ agentic อย่างสมบูรณ์
คุ้มค่าสำหรับการนำไปใช้งานในระดับใหญ่

พรีเมียม

DeepSeek-V3.2-Speciale

DeepSeek AI

Best For: งานการให้เหตุผลเชิงลึกที่ต้องการความสามารถสูงสุด

เหนือกว่า GPT-5 เทียบเท่า Gemini-3.0-Pro
ประสิทธิภาพเหรียญทองใน IMO & IOI
ข้อจำกัดความยาวที่ผ่อนคลายสำหรับการให้เหตุผลที่ซับซ้อน
ปรับให้เหมาะสมสำหรับการวิจัยและปัญหาที่ท้าทาย

Key Insight: เลือก DeepSeek-V3.2 เพื่อประสิทธิภาพการผลิต หรือ V3.2-Speciale เพื่อความสามารถในการให้เหตุผลสูงสุด ทั้งสองโมเดลแสดงถึงแนวหน้าของ AI โอเพนซอร์ส

ทำไมต้องเลือก Atlas Cloud สำหรับ DeepSeek-V3.2?

สัมผัสความน่าเชื่อถือ ความปลอดภัย และประสิทธิภาพด้านต้นทุนระดับองค์กรด้วยบริการ API DeepSeek-V3.2 ที่มีการจัดการอย่างครบถ้วนของเรา

ราคาที่แข่งขันได้

ราคาแบบจ่ายตามการใช้งานด้วยต้นทุนที่โปร่งใส ไม่มีค่าธรรมเนียมซ่อนเร้น ไม่มีข้อผูกมัดขั้นต่ำ เริ่มต้นใช้งานฟรี

SLA อัพไทม์ 99.9%

โครงสร้างพื้นฐานระดับองค์กรพร้อม failover อัตโนมัติ การกระจายโหลด และการตรวจสอบตลอด 24/7 เพื่อความน่าเชื่อถือสูงสุด

ได้รับการรับรอง SOC 2 Type II

ความปลอดภัยระดับองค์กรด้วยการรับรอง SOC 2 Type II ข้อมูลของคุณได้รับการเข้ารหัสทั้งขณะส่งและขณะพักด้วยมาตรฐานความปลอดภัยชั้นนำของอุตสาหกรรม

การตอบสนองที่รวดเร็วเหมือนสายฟ้าแลบ

CDN ทั่วโลกพร้อมตำแหน่ง edge ทั่วทุกมุมโลก โครงสร้างพื้นฐานการอนุมานที่ได้รับการปรับให้เหมาะสมให้เวลาตอบสนองต่ำกว่าหนึ่งวินาที

การสนับสนุนจากผู้เชี่ยวชาญ

ทีมสนับสนุนทางเทคนิคเฉพาะพร้อมให้บริการตลอด 24/7 รับความช่วยเหลือเกี่ยวกับการผสานรวม การปรับให้เหมาะสม และการแก้ไขปัญหา

แพลตฟอร์ม API แบบครบวงจร

เข้าถึงโมเดล AI มากกว่า 300 รายการ (LLMs, ภาพ, วิดีโอ, เสียง) ผ่าน API เดียวที่สอดคล้องกัน การผสานรวมครั้งเดียวสำหรับความต้องการ AI ทั้งหมดของคุณ

สัมผัสประสบการณ์ DeepSeek-V3.2 บน Atlas Cloud

ปรับใช้ AI โอเพนซอร์สระดับโลกด้วยโครงสร้างพื้นฐานระดับองค์กร ราคาที่โปร่งใส และการปรับขนาดที่ราบรื่น

การเข้าถึง API ทันที

ราคาแบบจ่ายตามการใช้งาน

การสนับสนุนองค์กร

สำรวจโมเดลที่คล้ายกัน

NEW

HOT

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.

LLM