大規模なコードベースやマルチドキュメントワークフローを管理する開発者は、従来のTransformerモデルを使用する際に、高い計算コスト、不安定な長文脈パフォーマンス、一貫性のないコード理解といった持続的な課題に直面しています。これらの制約は反復効率を制限し、リポジトリ規模の分析を妨げ、運用コストを増加させます。DeepSeek V3.2 の導入は、アテンションのオーバーヘッドを削減し、文脈推論を高速化し、コード生成を安定化するように設計されたメカニズムである DeepSeek Sparse Attention (DSA) を統合することで、これらの問題点に対処します。
この記事では、DeepSeek V3.2がどのようにコスト効率、長文脈処理、コードに特化した機能を向上させるかを検証します。また、Novita AIおよびClaude Codeを通じてDeepSeek V3.2をデプロイするための運用ガイダンスを提供します。
注目！Novita AIは「Build Month」キャンペーンを開始し、開発者を対象に全主要製品が最大20%オフとなる特別インセンティブを提供しています！
DeepSeek V3.2の新しいコーディング機能とは？
DSAは、モデルが情報を処理する方法を根本的に変革する革新的なアテンションメカニズムです。従来のTransformerではすべてのトークンが他のすべてのトークンにアテンションする必要があり、二次的な計算コスト（O(n²)）が発生していましたが、DSAはきめ細かくコンテンツを認識する選択メカニズムを導入します。
- インテリジェントフィルタリング：トレーニング中に、モデルは特定のタスクにとってどのトークン関係が本当に重要かを識別することを学習します。
- 動的接続：入力コンテンツに基づいて、必要なアテンション接続をリアルタイムで選択します。
- タスク最適化：コードを処理する場合と法務文書を処理する場合とで、異なる構造パターンに焦点を当てます。
DSAが実現する3つの中核的改善点
直接自己適応（Direct Self-Adaptation）は、コアアーキテクチャを変更せずにモデル全体のパフォーマンスを向上させる補助メカニズムとして採用されています。このアプローチにより、モデルはv3.1と同等のコード生成・分析品質を維持しながら、より経済的な推論を可能にすることで、大幅なコスト効率を達成し、頻繁なテストと迅速な反復をサポートします。
また、DSAは最大128Kトークンのコンテキストウィンドウを効果的に活用することで長文脈利用を強化し、同時マルチファイル分析、クロスファイル依存関係の理解、複雑な技術文書の処理を改善します。
さらに、DSAはコード関連機能の向上にも貢献し、より高速な推論応答、より正確なコード理解、より安定したコード生成品質を実現し、大規模ソフトウェア開発シナリオにおけるモデルの信頼性と効率を総合的に高めます。
スケーラブルな強化学習フレームワーク
堅牢な強化学習プロトコルを採用し、ポストトレーニングの計算量を拡大することで、DeepSeek-V3.2はGPT-5に匹敵するパフォーマンスを達成しています。特に、高計算量バリアントであるDeepSeek-V3.2-Specialeは、一貫してGPT-5を上回り、Gemini-3.0-Proと同等の推論能力を示しています。
| ベンチマーク | 指標 | DeepSeek-V3.2-Speciale | DeepSeek-V3.2-Thinking | GPT-5-High | Claude-4.5-Sonnet | Gemini-3.0-Pro |
|---|---|---|---|---|---|---|
| AIME 2025 | Pass@1 (%) | 96.0 | 93.1 | 94.6 | 87.0 | 95.0 |
| HMMT 2025 | Pass@1 (%) | 99.2 | 90.2 | 88.3 | 79.2 | 97.5 |
| HLE | Pass@1 (%) | 30.6 | 25.1 | 26.3 | 13.7 | 37.7 |
| Codeforces | レーティング | 2701 | 2386 | 2537 | 1480 | 2708 |
| SWE Verified | 解決率 (%) | – | 73.1 | 74.9 | 77.2 | 76.2 |
| Terminal Bench 2.0 | 精度 (%) | – | 46.4 | 35.2 | 42.8 | 54.2 |
| τ² Bench | Pass@1 (%) | – | 80.3 | 80.2 | 84.7 | 85.4 |
| Tool Decathlon | Pass@1 (%) | – | 35.2 | 29.0 | 38.6 | 36.4 |
DeepSeek V3.2：開発者との連携を強化するために行われたこと
ツール利用シナリオに推論をより良く統合するために、DeepSeekはV3.2のポストトレーニング段階で 大規模エージェント型タスク合成パイプライン を導入しました。核となるアイデアは、手作業によるプロンプトや限られた人間によるデモンストレーションに頼るのではなく、エージェント型のトレーニングデータを大規模に体系的に生成することです。
このパイプラインは、モデルが推論、決定、ツールの呼び出し、中間結果の観察、それに応じた動作の調整を必要とするタスクをプログラム的に構築します。多様な構造化インタラクションにモデルをさらすことで、DeepSeekはスケーラブルなエージェント型ポストトレーニングを可能にし、検索、コーディング、ツール拡張ワークフローなどの複雑でマルチステップの対話環境において、行動コンプライアンスと汎化の両方を大幅に向上させます。
最も重要な2つのアップデートは次のとおりです。
改訂されたツール呼び出し形式：マルチステップのインタラクションにおいて、より明示的で安定した設計になりました。
「ツールによる思考」のネイティブサポート：推論とツールの使用が疎結合ではなく、構造的に統合されました。
コミュニティがこの新しいテンプレートを理解し採用するのを支援するために、DeepSeekは専用の encoding フォルダを提供しています。このフォルダには、OpenAI互換のメッセージをDeepSeek-V3.2が期待する単一の入力文字列にエンコードする方法と、モデルのテキスト出力を構造化メッセージに解析する方法を示すPythonスクリプトとテストケースが含まれています。
import transformers
# encoding/encoding_dsv32.py
from encoding_dsv32 import encode_messages, parse_message_from_completion_text
tokenizer = transformers.AutoTokenizer.from_pretrained("deepseek-ai/DeepSeek-V3.2")
messages = [
{"role": "user", "content": "hello"},
{"role": "assistant", "content": "Hello! I am DeepSeek.", "reasoning_content": "thinking..."},
{"role": "user", "content": "1+1=?"}
]
encode_config = dict(thinking_mode="thinking", drop_thinking=True, add_default_bos_token=True)
prompt = encode_messages(messages, **encode_config)
tokens = tokenizer.encode(prompt)
このリリースにはJinjaベースのチャットテンプレートは含まれていないことに注意してください。提供されているPython実装が信頼できるリファレンスです。また、出力解析関数は、適切にフォーマットされたモデル出力を前提としており、追加のエラーハンドリングなしでの本番環境での直接使用ではなく、デモンストレーションおよび実験を目的としています。
開発者ロール（developer）が必要な理由
実際のエージェントシナリオでは、モデルはしばしば3つの異なるタイプの情報を同時に処理する必要があります。
- ユーザーの実際の意図やタスクの目的
- モデル自身の推論と意思決定プロセス
- システムまたは開発者によって提供される検索戦略、ツール制約、実行ルール
以前のバージョンでは、これらのシグナルは通常、ユーザープロンプトやシステムプロンプトに混在していました。時間の経過とともに、これにより2つの主要な問題が発生しました。第一に、モデルがユーザーの意図と必須の行動制約を区別するのに苦労する可能性がありました。第二に、ツールチェーンがより複雑になるにつれて、ツール呼び出しの安定性と信頼性が著しく低下しました。
DeepSeek-V3.2で導入されたdeveloperロールは、基本的に検索エージェントやツール指向エージェントのための専用の 制御チャネル として機能します。これは、検索範囲、ツールの使用順序、ポリシー制約など、エージェントの動作に厳密に関連する指示を伝達するために設計されており、通常の会話セマンティクスには関与しません。この明示的な分離により、より明確なコンテキスト理解が可能になり、よりスケーラブルで堅牢なエージェント型トレーニングのための構造的基盤が確立されます。
Claude CodeでDeepSeek V3.2にアクセスする方法？
Novita AIは現在、最も手頃な価格でフルコンテキストのDeepSeek V3.2 APIを提供しています。
Novita AIは 65Kコンテキスト ** のAPIを提供し、コストは ** 入力$0.269、* 出力$0.4** で、構造化出力と関数呼び出しをサポートしており、DeepSeek V3.2のコードエージェントの可能性を最大限に引き出すための強力なサポートを提供します。*
Cache Read: $0.1345 / M Token は、キャッシュヒット時にキャッシュされたトークンの読み取りコストを示します。これらのトークンは以前に計算され保存されているため、追加のモデル推論は必要ありません。多くのリクエストが同じプロンプトプレフィックスを共有するシステム、会話履歴、ツール指示、固定ルールテキストを再利用する場合、またはRAG検索結果が非常に反復的である場合、高いキャッシュヒット率を達成でき、全体的な推論コストを大幅に削減できます。
その1：APIキーを取得する
ステップ1：アカウントにログインし、「Model Library」ボタンをクリックします。
ステップ2：モデルを選択する
利用可能なオプションから、ニーズに合ったモデルを選択します。
ステップ3：無料トライアルを開始する
選択したモデルの機能を試すために、無料トライアルを開始します。
ステップ4：APIキーを取得する
APIで認証するために、新しいAPIキーを提供します。「Settings」ページに移動し、画像のようにAPIキーをコピーできます。
ステップ5：APIをインストールする
お使いのプログラミング言語に固有のパッケージマネージャーを使用してAPIをインストールします。
インストール後、必要なライブラリを開発環境にインポートします。APIキーを使用してAPIを初期化し、Novita AI LLMとの対話を開始します。以下は、Pythonユーザー向けのチャット補完APIの使用例です。
from openai import OpenAI
client = OpenAI(
api_key="<Your API Key>",
base_url="https://api.novita.ai/openai"
)
response = client.chat.completions.create(
model="deepseek/deepseek-v3.2",
messages=[
{"role": "system", "content": "You are a helpful assistant."},
{"role": "user", "content": "Hello, how are you?"}
],
max_tokens=65536,
temperature=0.7
)
print(response.choices[0].message.content)
DeepSeek V3.2をClaude Codeで使用する
ステップ1：Claude Codeのインストール
Claude Codeをインストールする前に、システムが最小要件を満たしていることを確認してください。Node.js 18以上がローカル環境にインストールされている必要があります。ターミナルでnode --versionを実行すると、Node.jsのバージョンを確認できます。
Windowsの場合
コマンドプロンプトを開き、次のコマンドを実行します。
npm install -g @anthropic-ai/claude-code
npx win-claude-code@latest
グローバルインストールにより、システム上の任意のディレクトリからClaude Codeにアクセスできるようになります。npx win-claude-code@latestコマンドは、最新のWindows固有バージョンをダウンロードして実行します。
MacおよびLinuxの場合
ターミナルを開き、次のコマンドを実行します。
npm install -g @anthropic-ai/claude-code
Macユーザーは、追加のプラットフォーム固有のコマンドを必要とせずに、グローバルインストールに直接進むことができます。インストールプロセスは、必要な依存関係とPATH変数を自動的に構成します。
ステップ2：環境変数の設定
環境変数は、Novita AIのAPIエンドポイントを介してDeepSeek V3.2を使用するようにClaude Codeを構成します。これらの変数は、Claude Codeにリクエストの送信先と認証方法を指示します。
Windowsの場合
コマンドプロンプトを開き、次の環境変数を設定します。
set ANTHROPIC_BASE_URL=https://api.novita.ai/anthropic
set ANTHROPIC_AUTH_TOKEN=<Novita API Key>
set ANTHROPIC_MODEL="deepseek/deepseek-v3.2"
set ANTHROPIC_SMALL_FAST_MODEL="deepseek/deepseek-v3.2"
<Novita API Key>を、Novita AIプラットフォームから取得した実際のAPIキーに置き換えてください。これらの変数は現在のセッションでのみ有効であり、コマンドプロンプトを閉じた場合は再設定する必要があります。
MacおよびLinuxの場合
ターミナルを開き、次の環境変数をエクスポートします。
export ANTHROPIC_BASE_URL="https://api.novita.ai/anthropic"
export ANTHROPIC_AUTH_TOKEN="<Novita API Key>"
export ANTHROPIC_MODEL="deepseek/deepseek-v3.2"
export ANTHROPIC_SMALL_FAST_MODEL="deepseek/deepseek-v3.2"
ステップ3：Claude Codeの起動
インストールと設定が完了したら、プロジェクトディレクトリでClaude Codeを起動できます。cdコマンドを使用して、目的のプロジェクトの場所に移動します。
cd <your-project-directory>
claude .
ドット（.）パラメータは、Claude Codeに現在のディレクトリで動作するように指示します。起動時に、インタラクティブセッションでClaude Codeのプロンプトが表示されます。
これは、ツールが指示を受け取る準備ができていることを示しています。インターフェースは、自然言語プログラミングのインタラクションのためのクリーンで直感的な環境を提供します。
ステップ4：VSCodeまたはCursorでのClaude Codeの使用
Claude Codeは、一般的な開発環境とシームレスに統合されます。既存のワークフローを置き換えるのではなく、強化します。
VSCodeまたはCursor内のターミナルでClaude Codeを直接使用できます。これにより、AIアシスタンスを活用しながら、使い慣れた開発ツールへのアクセスを維持できます。
さらに、Claude CodeプラグインはVSCodeとCursorの両方で利用可能です。
Claude Codeで外部モデルを使用する方法？
開発ワークフローで異なる大規模言語モデル（例：AnthropicのClaude、ZhipuのGLM、MoonshotのKimi）を動的に切り替えたい場合、大規模なコード変更なしでそれを実現するための戦略があります。このセクションでは、統一APIと構成トグルを使用してモデルを迅速に交換する方法を説明します。
環境変数の使用（Claude Codeのアプローチ）：
Claude Codeや特定のAPIに結びついたSDKのようなツールで作業している場合、環境構成を調整するだけでモデルを切り替えることができます。Novita AIは、最適なものを見つけるために試すことができる複数のモデルオプションを提供しています。
DeepSeek V3.2は、DSAを標的型アーキテクチャアップグレードとして導入し、計算コストを大幅に削減し、長文脈の効果を高め、コード中心の精度を向上させながら、競争力のある推論パフォーマンスを維持します。このモデルは、大規模リポジトリや複雑な技術文書のスケーラブルな分析を可能にし、DeepSeek V3.1-Terminusやプロプライエタリな代替手段と比較して、効率と能力の好ましいバランスを示しています。これらの進歩により、DeepSeek V3.2は持続的な開発ワークフローと長文脈AIアプリケーションのための費用対効果の高いソリューションとして確立されました。
よくある質問
DeepSeek V3.2におけるDeepSeek Sparse Attention（DSA）の主な利点は何ですか？
DeepSeek V3.2はDSAを使用してアテンション接続を選択的に活性化し、二次的なアテンションコストを削減しながら、長いコンテキストにわたって正確なコード理解を維持します。
DeepSeek V3.2は、実用的なコーディングワークフローにおいてDeepSeek V3.1-Terminusとどのように異なりますか？
DeepSeek V3.2は、DeepSeek V3.1-Terminusと比較して、より低い運用コスト、128Kのコンテキストウィンドウ、より高速な推論安定性を提供し、その結果、より効率的なリポジトリ規模のコード分析を実現します。
DeepSeek V3.2は長文脈の技術文書処理を改善しますか？
はい。DeepSeek V3.2は、複雑な文書やファイル間の関係の同時分析をサポートし、マルチドキュメント推論タスクにおいてDeepSeek V3.1-Terminusを上回ります。
Novita AIは、AIの野心を実現するオールインワンのクラウドプラットフォームです。統合API、サーバーレス、GPUインスタンス — 必要なコスト効率の高いツール。インフラストラクチャを排除し、無料で開始し、AIのビジョンを現実のものにします。
おすすめの読み物
Claude CodeでKimi K2.7 Codeを使用する方法
