DeepSeek V3.2 est disponible sur Novita AI en tant que modèle LLM Serverless avec l’ID deepseek/deepseek-v3.2, compatible avec les endpoints OpenAI, completions et Anthropic ; vérifié le 23 juin 2026, la page du modèle indique une fenêtre de contexte de 163 840 tokens, 65 536 tokens de sortie maximum, 0,269 $ par million de tokens d’entrée, 0,40 $ par million de tokens de sortie et 0,1345 $ par million de tokens lus en cache. Cette page constitue donc la référence canonique Novita AI pour la disponibilité de l’API DeepSeek V3.2, les tarifs, les limites actuelles et les charges de travail pour lesquelles V3.2 est un choix pertinent.
Informations sur l’API DeepSeek V3.2 sur Novita AI
La page du modèle Novita AI liste DeepSeek V3.2 comme un modèle de chat de la série DeepSeek avec les tags LLM et Serverless. Pour les développeurs, le détail le plus important est que l’ID du modèle Novita AI est deepseek/deepseek-v3.2, et non le nom du dépôt Hugging Face en amont. Utilisez exactement cet ID dans les requêtes API vers Novita AI.
| Élément | Valeur actuelle sur Novita AI | Pourquoi c’est important |
|---|---|---|
| Nom d’affichage du modèle | DeepSeek V3.2 | Utilisez-le dans les textes produits, la documentation et les sélecteurs de modèle destinés aux utilisateurs. |
| ID du modèle API | deepseek/deepseek-v3.2 |
Utilisez exactement cette valeur dans les appels API Novita AI. |
| Disponibilité | LLM Serverless | Vous pouvez appeler le modèle hébergé sans provisionner une instance GPU dédiée. |
| Endpoints | chat/completions, completions, anthropic |
Les intégrations existantes de style OpenAI et Anthropic peuvent être adaptées avec des modifications de routage minimales. |
| Prix d’entrée | 0,269 $ par million de tokens | Prix actuel listé pour les tokens de prompt/d’entrée. |
| Prix de sortie | 0,40 $ par million de tokens | Prix actuel listé pour les tokens générés. |
| Prix de lecture cache | 0,1345 $ par million de tokens | Utile pour les prompts répétés et les longs contextes partagés. |
| Fenêtre de contexte | 163 840 tokens | Prend en charge les longs documents, les contextes de code volumineux et les traces d’agents multi-étapes. |
| Tokens de sortie max | 65 536 tokens | Permet des réponses longues, des rapports et des sorties de plans d’outils lorsque votre application en a besoin. |
| Fonctionnalités listées | Appel de fonctions, sorties structurées, raisonnement, serverless | Bonne adéquation pour les workflows d’agents et d’applications structurées. |
| Modalités | Entrée texte, sortie texte | Considérez-le comme un LLM textuel, pas un modèle multimodal. |
| Quantification listée | FP8 | Pertinent pour comprendre les caractéristiques de service, mais pas un champ à passer dans les appels API normaux. |
| Date de vérification | 23 juin 2026 | Les prix et la disponibilité peuvent changer, donc revérifiez la page du modèle avant de publier des pages ou des devis sensibles aux prix. |
Pour les dernières valeurs en direct, ouvrez la page du modèle DeepSeek V3.2 sur Novita AI. Pour les paramètres de requête et la forme de la réponse, utilisez la référence API de chat completion Novita AI.
Ce que DeepSeek V3.2 change pour les développeurs
DeepSeek décrit V3.2 comme un modèle de raisonnement efficace et d’IA agentique. La version amont met en avant trois directions techniques principales : l’attention sparse DeepSeek, un framework d’apprentissage par renforcement à grande échelle, et un pipeline de synthèse de tâches agentiques à grande échelle. Pour les développeurs d’applications, ces détails se traduisent par un modèle positionné pour le raisonnement sur de longs contextes, les workflows d’utilisation d’outils, les agents de codage et la résolution structurée de problèmes.
L’attention sparse DeepSeek, ou DSA, est le changement architectural phare. Plutôt que de le présenter comme un gain garanti de latence ou de coût pour chaque charge de travail, il est plus sûr de décrire l’impact pour le développeur ainsi : DSA est conçu pour réduire la surcharge d’attention dans les scénarios de long contexte tout en préservant la qualité du modèle. Cela compte lorsque votre prompt inclut un long document, un échantillon de code à l’échelle d’un dépôt, un lot de récupération ou une trace d’agent multi-tours.
Le modèle possède également une grande architecture Mixture-of-Experts. La configuration amont montre 256 experts routés et 8 experts sélectionnés par token, avec une valeur d’embedding de position maximale de 163 840. Ces détails correspondent à la valeur de long contexte affichée sur la page du modèle Novita AI. Ils expliquent aussi pourquoi l’accès serverless hébergé est attractif : la plupart des équipes préfèrent appeler cette classe de modèle via une API plutôt que d’exploiter elles-mêmes la pile de service.
DeepSeek V3.2 doit être traité comme un modèle textuel pour la conception d’applications. Novita AI liste une entrée texte et une sortie texte. Si votre application nécessite la compréhension d’images, la parole, la vidéo ou une sortie d’embedding, choisissez un modèle séparé dans la bibliothèque de modèles Novita AI plutôt que d’étendre cette page au-delà de ce que V3.2 est listé pour supporter.
Comment appeler DeepSeek V3.2 avec l’API Novita AI
DeepSeek V3.2 peut être appelé via l’endpoint compatible OpenAI de Novita AI. Le point de terminaison exact de la référence API est https://api.novita.ai/openai/v1/chat/completions ; avec le SDK Python officiel d’OpenAI, définissez l’URL de base du SDK sur https://api.novita.ai/openai et passez deepseek/deepseek-v3.2 comme modèle.
from openai import OpenAI
client = OpenAI(
api_key="<NOVITA_API_KEY>",
base_url="https://api.novita.ai/openai",
)
response = client.chat.completions.create(
model="deepseek/deepseek-v3.2",
messages=[
{
"role": "system",
"content": "Vous êtes un assistant d'ingénierie précis.",
},
{
"role": "user",
"content": "Résumez les principaux risques de migration API dans cette note de version.",
},
],
max_tokens=2048,
temperature=0.3,
)
print(response.choices[0].message.content)
Gardez l’intégration initiale simple. Commencez avec une petite valeur max_tokens lors des tests, puis augmentez-la uniquement pour les charges de travail qui nécessitent réellement de longues sorties. Pour les tâches de raisonnement déterministe, d’extraction et de révision de code, utilisez des températures plus basses. Pour le brainstorming et les tâches d’écriture moins contraintes, une valeur plus élevée peut être raisonnable, mais le réglage exact doit être validé par vos propres tests d’acceptation.
Si vous migrez depuis une intégration existante compatible OpenAI, les deux champs à vérifier en premier sont l’URL de base et l’ID du modèle. Si vous migrez depuis un client de style Anthropic, la page du modèle Novita AI liste également une option d’endpoint anthropic, donc gardez le format de message au niveau de l’application et le comportement d’appel d’outils sous test au lieu de supposer que chaque abstraction SDK correspond identiquement.
Quand DeepSeek V3.2 est le bon choix
DeepSeek V3.2 est un bon candidat lorsque la charge de travail nécessite de la profondeur de raisonnement, un long contexte et un déploiement accessible via API. Il est particulièrement pertinent pour les équipes construisant des assistants de codage, des systèmes d’analyse de documents, des workflows d’agents et des services à sorties structurées où le prompt peut inclure plus qu’un court échange de chat.
Choisissez DeepSeek V3.2 lorsque :
- Vous avez besoin du modèle hébergé
deepseek/deepseek-v3.2sur Novita AI plutôt qu’un déploiement local. - Votre prompt peut inclure de longs documents, de grands extraits de code ou un contexte d’agent multi-étapes.
- Vous souhaitez l’appel de fonctions ou des sorties structurées dans un workflow LLM textuel uniquement.
- Votre application bénéficie d’un prix de sortie listé inférieur à celui de nombreux modèles de raisonnement lourds, tout en nécessitant une famille de modèles à l’échelle de la frontière.
- Vous souhaitez comparer un modèle de raisonnement DeepSeek avec d’autres modèles Novita AI via une surface API unifiée.
Envisagez un autre modèle lorsque :
- Votre cas d’usage est une tâche de classification courte et à volume élevé où un modèle plus petit peut être plus facile à ajuster et moins cher à exploiter.
- Vous avez besoin d’une entrée ou sortie multimodale.
- Vous exigez une garantie de latence publiée pour une région spécifique ou un SLA. Cet article ne revendique pas la latence la plus rapide, le leadership en benchmarks ou une garantie de disponibilité particulière pour DeepSeek V3.2.
- Vous avez besoin du comportement axé sur la recherche de DeepSeek V3.2-Speciale. Les notes amont de DeepSeek décrivent Speciale comme une variante à haute puissance de calcul pour le raisonnement profond et indiquent qu’elle ne prend pas en charge l’appel d’outils.
Contenu DeepSeek V3.2 vs V3.1, V4 et V4 Pro
Cette page est intentionnellement concentrée sur la disponibilité de DeepSeek V3.2 sur Novita AI : ID du modèle, tarifs, limites, endpoints, DSA et adéquation pour les développeurs. Ce n’est pas un article général sur l’histoire de DeepSeek ni une page de comparaison plus large.
Utilisez ces pages connexes lorsque votre intention est différente :
- Pour les modèles d’intégration API DeepSeek plus anciens, lisez Comment utiliser l’appel de fonctions de DeepSeek V3.
- Pour la comparaison DeepSeek R1 et le contexte de raisonnement, lisez DeepSeek R1 vs Llama 3.3 70B.
- Pour le cadrage des coûts de production DeepSeek V3.2 et la discussion sur Speciale, lisez Comment accéder à DeepSeek V3.2 pour réduire les coûts d’inférence en production.
Si vous comparez V3.2 avec les futures couvertures DeepSeek V4 ou V4 Pro, gardez les ID de modèle et les pages de version séparés. Un nom de modèle plus récent ne remplace pas automatiquement deepseek/deepseek-v3.2 dans le code de production. Vérifiez la page exacte du modèle Novita AI avant de modifier les ID de modèle, les hypothèses de prix, les limites de contexte ou les indicateurs de fonctionnalités.
Questions fréquemment posées
Quel est l’ID du modèle DeepSeek V3.2 sur Novita AI ?
Utilisez deepseek/deepseek-v3.2 pour les appels API Novita AI. Cela diffère du nom du dépôt Hugging Face en amont, qui est formaté comme deepseek-ai/DeepSeek-V3.2.
DeepSeek V3.2 est-il disponible en tant que LLM Serverless sur Novita AI ?
Oui. La page du modèle Novita AI liste DeepSeek V3.2 avec les tags LLM et Serverless au 23 juin 2026.
Quels sont les tarifs actuels de DeepSeek V3.2 sur Novita AI ?
Vérifié le 23 juin 2026, la page du modèle indique 0,269 $ par million de tokens d’entrée, 0,40 $ par million de tokens de sortie et 0,1345 $ par million de tokens lus en cache. Revérifiez la page du modèle avant de prendre des décisions sensibles aux prix.
Quelle fenêtre de contexte DeepSeek V3.2 supporte-t-il sur Novita AI ?
Novita AI liste une fenêtre de contexte de 163 840 tokens et 65 536 tokens de sortie maximum pour DeepSeek V3.2.
DeepSeek V3.2 supporte-t-il les appels API compatibles OpenAI ?
Oui. La page du modèle Novita AI liste le support des endpoints chat/completions et completions, et la référence API documente le chemin de chat completion compatible OpenAI.
Qu’est-ce que l’attention sparse DeepSeek ?
L’attention sparse DeepSeek, ou DSA, est le mécanisme d’attention efficace mis en avant dans la version amont de DeepSeek V3.2. Il est conçu pour l’efficacité sur de longs contextes tout en préservant la qualité du modèle.
DeepSeek V3.2-Speciale est-il le même modèle que DeepSeek V3.2 sur Novita AI ?
Non. Les notes amont de DeepSeek décrivent DeepSeek V3.2-Speciale comme une variante à haute puissance de calcul pour le raisonnement profond et notent qu’elle ne prend pas en charge l’appel d’outils. Cette page canonique Novita AI concerne deepseek/deepseek-v3.2.
Articles recommandés
- Comment accéder à DeepSeek V3.2 pour réduire les coûts d’inférence en production
- Comment utiliser l’appel de fonctions de DeepSeek V3
- DeepSeek R1 vs Llama 3.3 70B
Novita AI est une plateforme cloud d’IA et d’agents aidant les développeurs à construire, déployer et passer à l’échelle des API de modèles, des charges de travail GPU et des applications agentiques.
