Resposta direta: o DeepSeek V3.2-Exp foi lançado em 29 de setembro de 2025 como uma versão experimental construída sobre o DeepSeek-V3.1-Terminus. Sua principal contribuição foi o DeepSeek Sparse Attention (DSA), um mecanismo de atenção esparsa criado para reduzir o trabalho computacional em sequências longas com impacto mínimo na qualidade medida pela DeepSeek.
O V3.2-Exp esteve disponível no aplicativo, na web e na API oficial no lançamento, mas não é um ID da API hospedada da DeepSeek na verificação de 19 de julho de 2026. O V3.2 final o sucedeu em dezembro de 2025, e os IDs hospedados listados para novas integrações são deepseek-v4-flash e deepseek-v4-pro. Os pesos e o código de referência do V3.2-Exp continuam publicados.
Status verificado do DeepSeek V3.2-Exp
- Lançamento: 29 de setembro de 2025.
- Classificação: versão experimental e etapa intermediária de pesquisa.
- Base: DeepSeek-V3.1-Terminus.
- Inovação central: DeepSeek Sparse Attention para treinamento e inferência mais eficientes em contexto longo.
- Sucessor oficial: DeepSeek-V3.2, lançado em 1º de dezembro de 2025.
- API em 19 de julho de 2026: V3.2-Exp não aparece como ID hospedado; os IDs listados são
deepseek-v4-flashedeepseek-v4-pro. - Distribuição técnica: pesos e repositório do modelo publicados sob licença MIT; os kernels vinculados devem ser conferidos em seus próprios repositórios.
Este conteúdo é independente e educacional. O site não representa a DeepSeek e não oferece suporte oficial para a API ou para o modelo.
O que é o DeepSeek V3.2-Exp?
DeepSeek-V3.2-Exp é um checkpoint experimental da família V3. Ele preservou a base de capacidades do V3.1-Terminus e alterou o mecanismo de atenção para testar o DSA em condições comparáveis. A DeepSeek descreveu o lançamento como uma etapa intermediária rumo a uma arquitetura de próxima geração, não como uma versão final destinada a permanecer indefinidamente na API.
“Experimental” é uma característica importante do nome. O objetivo declarado era validar eficiência de treinamento e inferência em sequências extensas, mantendo resultados próximos aos do V3.1-Terminus. Isso é diferente de afirmar que o modelo seria melhor em todas as tarefas.
| Item | Informação verificada | Leitura correta |
|---|---|---|
| Nome | DeepSeek-V3.2-Exp | Checkpoint experimental, não o V3.2 final. |
| Base | DeepSeek-V3.1-Terminus | O experimento parte da revisão do V3.1. |
| Mecanismo novo | DeepSeek Sparse Attention | Atenção esparsa de granularidade fina para contexto longo. |
| Distribuição no lançamento | App, web e API | É um fato histórico; não prova disponibilidade hospedada posterior. |
| Pesos e repositório | Licença MIT | A licença se aplica aos componentes publicados, não a todos os produtos DeepSeek. |
| Sucessão | V3.2 final em 1º de dezembro de 2025 | O V3.2-Exp deixou de ser a etapa hospedada principal. |
O que é DeepSeek Sparse Attention?
Em uma atenção densa tradicional, cada posição pode exigir comparação com um grande número de posições anteriores. O custo cresce rapidamente à medida que a sequência aumenta. O DSA reduz esse trabalho ao identificar, em granularidade de token, quais partes do histórico são mais relevantes para cada consulta e executar a atenção principal sobre um subconjunto selecionado.
- Um indexador leve atribui pontuações de relevância aos tokens anteriores.
- O mecanismo seleciona os candidatos de maior pontuação para a consulta.
- A camada de atenção esparsa processa os tokens selecionados, em vez de aplicar o mesmo cálculo denso a todo o histórico.
O arquivo de configuração do checkpoint declara 64 cabeças no indexador e index_topk: 2048. Esses valores descrevem a implementação publicada do modelo; não devem ser tratados como parâmetros de API que o usuário altera em uma chamada comum.
O DSA não resume o documento, não apaga deliberadamente todos os tokens fora de um bloco fixo e não torna o contexto ilimitado. Ele é uma mudança na forma de selecionar o conteúdo atendido pelas camadas esparsas. A precisão ainda depende do treinamento, da implementação dos kernels e do comportamento do indexador.
Qual problema o DSA tentou resolver?
O objetivo declarado foi melhorar a eficiência computacional de treinamento e inferência em contexto longo. Quanto maior a sequência, mais relevante se torna evitar cálculos densos que pouco contribuem para a resposta. A DeepSeek informou ganhos substanciais de eficiência com impacto mínimo na qualidade das saídas durante seus testes.
Essa afirmação deve ser interpretada dentro do experimento publicado. Ela não garante menor latência em qualquer provedor, porque velocidade e custo também dependem de hardware, tamanho do lote, quantização, kernels, rede e configuração do servidor. Da mesma forma, eficiência arquitetural não equivale a um preço permanente de API.
V3.2-Exp vs V3.1-Terminus nos testes oficiais
A DeepSeek alinhou as configurações de treinamento dos dois modelos para observar o efeito da atenção esparsa. Os resultados não mostram vitória uniforme de um lado: algumas métricas subiram, outras caíram e outras ficaram praticamente iguais.
| Benchmark | V3.1-Terminus | V3.2-Exp |
|---|---|---|
| MMLU-Pro | 85,0 | 85,0 |
| GPQA-Diamond | 80,7 | 79,9 |
| LiveCodeBench | 74,9 | 74,1 |
| AIME 2025 | 88,4 | 89,3 |
| Codeforces | 2046 | 2121 |
| BrowseComp | 38,5 | 40,1 |
| SWE Verified | 68,4 | 67,8 |
| Terminal-bench | 36,7 | 37,7 |
Esses números foram publicados pelo desenvolvedor. Eles apoiam a conclusão limitada de que o V3.2-Exp manteve desempenho próximo ao Terminus no conjunto avaliado enquanto testava o DSA. Não provam equivalência em todos os idiomas, comprimentos de contexto, ferramentas ou ambientes de produção.
Onde o V3.2-Exp se encaixa na evolução da família?
| Data | Versão | O que mudou |
|---|---|---|
| 22 de setembro de 2025 | DeepSeek-V3.1-Terminus | Revisão do V3.1 com ajustes de consistência de idioma e agentes. |
| 29 de setembro de 2025 | DeepSeek-V3.2-Exp | Experimento que introduziu o DSA sobre o Terminus. |
| 1º de dezembro de 2025 | DeepSeek-V3.2 | Sucessor oficial do V3.2-Exp, com foco adicional em raciocínio e agentes. |
| 24 de abril de 2026 | DeepSeek V4 Preview | Flash e Pro passaram a ser os modelos hospedados documentados, com contexto de 1M. |
DeepSeek-V3.2-Speciale também foi apresentado com o V3.2 final, mas não é outro nome para o V3.2-Exp. O Speciale teve um endpoint temporário próprio, sem tool calls, encerrado em 15 de dezembro de 2025 às 15:59 UTC.
O DeepSeek V3.2-Exp ainda pode ser usado pela API oficial?
Não como um modelo hospedado identificado por DeepSeek-V3.2-Exp. O anúncio de setembro de 2025 registrou disponibilidade no App, Web e API, além de uma redução superior a 50% nos preços da API daquele momento. Também manteve o V3.1-Terminus em uma API temporária de comparação até 15 de outubro de 2025 às 15:59 UTC.
Esses dados são históricos. Na verificação de 19 de julho de 2026, a tabela oficial lista deepseek-v4-flash e deepseek-v4-pro. Portanto, não copie exemplos antigos com a expectativa de selecionar o V3.2-Exp no serviço oficial. Para um projeto novo, confirme o ID na documentação imediatamente antes de implantar.
Pesos, código e licença
A DeepSeek publicou o checkpoint, o repositório de referência, o relatório técnico e kernels relacionados ao DSA. O cartão oficial informa licença MIT para o repositório e os pesos. Os kernels publicados incluem implementações voltadas a pesquisa em TileLang e componentes de alto desempenho em CUDA por meio de projetos oficiais como DeepGEMM e FlashMLA.
A expressão mais precisa é modelo de pesos publicados sob MIT. Não conclua que o aplicativo, o serviço hospedado, os dados de treinamento, as marcas ou todos os componentes associados seguem automaticamente a mesma licença.
Cuidados para executar o V3.2-Exp
O repositório oficial fornece código de inferência e orientações para SGLang e vLLM. Isso demonstra que a execução própria é possível, mas não que seja simples ou adequada a hardware de consumo. O checkpoint é de grande porte, e os exemplos oficiais de serving usam paralelismo e aceleradores de data center.
Atenção ao código antigo: em 17 de novembro de 2025, a DeepSeek corrigiu uma discrepância na implementação de RoPE do módulo indexador no código de demonstração. A entrada do RoPE nesse módulo exige layout não intercalado, enquanto o módulo MLA espera layout intercalado. Use os arquivos atualizados do repositório; uma cópia anterior pode degradar o desempenho.
- Fixe o commit ou a versão exata do checkpoint, do runtime e dos kernels.
- Use o tokenizer, o template e a configuração pertencentes ao V3.2-Exp.
- Confirme que a implementação inclui a correção do indexador publicada em novembro de 2025.
- Meça tempo de preenchimento do contexto, velocidade de geração, uso de memória e qualidade em diferentes comprimentos.
- Registre quantização, paralelismo e hardware; sem isso, resultados de desempenho não são reproduzíveis.
Como testar o V3.2-Exp em português
As fontes oficiais não oferecem uma garantia específica para português brasileiro ou europeu. Se o objetivo é avaliar o efeito do DSA, use um teste controlado em vez de prompts escolhidos apenas depois de ver o resultado.
- Prepare documentos em PT-BR e PT-PT com respostas verificáveis.
- Repita os mesmos casos em vários comprimentos e posições da evidência.
- Compare com V3.1-Terminus usando a mesma configuração de geração.
- Meça acerto, omissão, citação do trecho correto, latência e consumo de memória.
- Publique hardware, runtime, commit, prompts e critérios se divulgar resultados.
Quando vale considerar o V3.2-Exp?
| Cenário | O V3.2-Exp faz sentido? | Justificativa |
|---|---|---|
| Nova integração na API oficial | Não como escolha padrão | Ele não é um ID hospedado atual; use os modelos documentados do serviço. |
| Pesquisa sobre atenção esparsa | Sim | O lançamento foi criado para explorar e validar o DSA. |
| Reprodução de resultados de 2025 | Sim | Pesos, relatório e código de referência estão publicados. |
| Aplicação que precisa de suporte gerenciado | Depende do provedor | Uma oferta externa pode ter SLA, limites e modificações próprios; não é a API oficial. |
| Computador pessoal comum | Não para o checkpoint completo | O tamanho e a arquitetura exigem infraestrutura especializada. |
| Aprender a usar o DeepSeek por chat | Não é necessário | O usuário comum deve escolher uma interface hospedada e verificar qual modelo ela oferece. |
Limitações e erros de interpretação
- Experimental não significa superior: os benchmarks oficiais variam para cima e para baixo em relação ao Terminus.
- Eficiência não garante preço: o desconto anunciado em 2025 não descreve os preços de uma API posterior.
- Pesos publicados não significam implantação barata: o modelo completo exige recursos de data center.
- Atenção esparsa não elimina falhas: o modelo ainda pode omitir evidências, alucinar e produzir código incorreto.
- Nome de checkpoint não é ID de API:
deepseek-ai/DeepSeek-V3.2-Expidentifica a distribuição de pesos, não um modelo selecionável no endpoint oficial atual. - Provedores não são equivalentes: contexto, template, quantização, filtros, preço e privacidade podem mudar entre serviços.
Perguntas frequentes
DeepSeek V3.2-Exp é o mesmo que DeepSeek V3.2?
Não. O V3.2-Exp foi a versão experimental de setembro de 2025. O V3.2 final, lançado em dezembro, foi apresentado como seu sucessor oficial.
V3.2-Exp é o mesmo que V3.2-Speciale?
Não. O Speciale foi uma variante anunciada com o V3.2 final e teve um endpoint temporário separado, encerrado em 15 de dezembro de 2025.
O que significa DSA?
DSA significa DeepSeek Sparse Attention. É o mecanismo de atenção esparsa de granularidade fina introduzido no V3.2-Exp para explorar maior eficiência em contexto longo.
O V3.2-Exp está disponível na API oficial?
Ele esteve disponível no lançamento, mas não aparece como ID hospedado em 19 de julho de 2026. Os IDs documentados são deepseek-v4-flash e deepseek-v4-pro.
Os pesos do V3.2-Exp ainda podem ser baixados?
Sim. A organização oficial da DeepSeek mantém o checkpoint e o repositório publicados. Use o código atualizado, especialmente por causa da correção de RoPE no indexador.
O modelo e o repositório usam qual licença?
O cartão oficial declara licença MIT para o repositório e os pesos. Serviços hospedados e outros ativos seguem seus próprios termos.
Conclusão
O valor histórico e técnico do DeepSeek V3.2-Exp está no teste do DeepSeek Sparse Attention sobre uma base comparável ao V3.1-Terminus. A experiência mostrou que a atenção esparsa podia reduzir o trabalho em contexto longo enquanto preservava resultados próximos nos benchmarks divulgados, mas não estabeleceu superioridade universal.
Use o V3.2-Exp para pesquisa, reprodução e estudo de DSA. Para uma integração hospedada nova, consulte os IDs oficiais e a página de modelos DeepSeek, sem transformar a disponibilidade histórica de 2025 em uma afirmação sobre a API de 2026.