> For the complete documentation index, see [llms.txt](https://docs.cherryai.com.cn/llms.txt). Markdown versions of documentation pages are available by appending `.md` to page URLs; this page is available as [Markdown](https://docs.cherryai.com.cn/docs/jp/pre-basic/providers/cherryai/free-deepseek.md).
# DeepSeek V3.2
Cherry Studio ユーザーは現在、内蔵の **CherryIN** サービスを無料で体験 **DeepSeek V3.2**——DeepSeek が 2025 年 12 月 1 日に公開したフラッグシップ級のスパースアテンション MoE モデルで、初めて「思考」をツール呼び出しにネイティブ統合し、上位エージェントや長文脈シナリオに最適な選択肢です。
***
## 🚀 DeepSeek V3.2 とは？
DeepSeek V3.2 は V3.2-Exp を基に反復開発され、Mixture-of-Experts（MoE）アーキテクチャを採用し、 **DeepSeek Sparse Attention（DSA）** のスパースアテンション機構を導入し、超大規模な総パラメータを維持しながら長文脈推論コストを大幅に削減します。
* アーキテクチャ：MoE + DeepSeek Sparse Attention（DSA）+ Multi-Head Latent Attention（MLA）
* 総パラメータ数：685B
* 1 Token あたりの活性化パラメータ数：約 37B
* 専門家数：各層 256 個の専門家
* オープンソースライセンス：MIT
* 公開日：2025 年 12 月 1 日（V3.2-Exp は 2025 年 9 月 29 日公開）
V3.2 では API 向けの **DeepSeek-V3.2-Speciale** 版も同時公開され、複雑な推論タスクで IMO、CMO、ICPC World Finals、IOI 2025 において金メダル級の成果を収めました。
***
## 📚 堅実な学習とアラインメントのプロセスを継承
DeepSeek V3.2 は V3 シリーズの成熟した学習パイプラインを継承し、Agent シナリオ向けに重要な拡張を行いました：
1. **大規模事前学習**：膨大で高品質な多言語コーパス上で基礎学習を完了し、コード、数学、科学知識をカバー。
2. **スパースアテンションの導入**：128K のシーケンス長でメインモデルと lightning indexer を学習し、各 query token は 2048 個の key-value token を注意機構に参加させます。
3. **大規模 Agent データ合成**：1,800+ の環境と 85,000+ の複雑指示をカバーする、新しい Agent 学習データ合成手法。
4. **思考とツール呼び出しの融合**：V3.2 は DeepSeek で初めて「思考」をツール呼び出しにネイティブ統合したモデルであり、「思考モード」と「非思考モード」の両方でツールを呼び出せます。
***
## ⚙️ フラッグシップ級のコア能力
DeepSeek V3.2 は「GPT-5 と同等の水準」の総合能力を打ち出し、Agent と複雑推論を大幅に強化しています：
* ✅ **ネイティブ思考 + ツール呼び出し**：thinking を tool-use に統合した初の DeepSeek モデル
* ✅ **トップクラスの推論能力**：V3.2-Speciale は IMO / CMO / ICPC World Finals / IOI 2025 で金メダル水準に到達
* ✅ **コードと開発タスク**：V3 シリーズの強力なコード能力を継承
* ✅ **長文脈の安定性**：DSA による長文書やコードベース規模の分析能力
* ✅ **構造化ツール呼び出し**：複数ステップの計画と実行を行う Agent の構築に適しています
***
## 💡 DeepSeek Sparse Attention：より長く、より省コスト
DSA は V3.2 の中核的な技術アップグレードであり、 **lightning indexer + 粒度の細かい token 選択** によって次を実現：
* 大規模モデルで初めて細粒度スパースアテンションを実現
* 中核となる attention 複雑度を O(L²) から低減
* 長文脈の学習と推論を大幅に高速化しつつ、密な attention とほぼ同等の出力品質を維持
| シナリオ | 推奨する使い方 | 例 |
| -------------- | ------------ | -------------------------- |
| 短い対話 / 簡単なQ\&A | 直接呼び出し | 日常のQ\&A、要約 |
| 中程度の複雑さのタスク | ツール呼び出しを有効化 | データ分析、コードのリファクタリング |
| 複雑な Agent タスク | 思考 + ツール呼び出し | 複数ステップの計画、コードベース分析、長文書レビュー |
***
## 🌟 オープン、使いやすく、エコシステムに優しい
* ⚡ DSA による長文脈推論の高速化
* 💰 CherryIN を通じて Cherry Studio で**無料で利用**
* 🖥️ オープンソース重み、MIT ライセンス、vLLM、SGLang など主要推論フレームワークが Day-0 対応
***
## 🧠 実用能力にフォーカス：コードと Agent
DeepSeek V3.2 は実際の開発ワークフローで特に優れた性能を発揮します：
* 多言語コード生成とリファクタリング
* コードベース規模の文脈理解とパッチ生成
* Agent ツールチェーン：外部ツール、検索、コード実行を安定して呼び出し
* 数学と複雑推論：コンテスト級の問題に対応
***
## 🧭 Cherry Studio での使い方は？
1. Cherry Studio を開き、 **設定 → モデルサービス**。
2. を見つけて **CherryIN** サービス提供元を有効にします。
3. モデル一覧で **DeepSeek V3.2**。
4. チャット画面に戻り、上部のモデル選択で **DeepSeek V3.2** に切り替えると、会話を開始できます。
> 💡 ヒント：CherryIN が提供する無料モデル枠は Cherry Studio 公式が負担しており、日常の体験や評価に適しています。商用環境では DeepSeek 公式 API の併用をおすすめします。
***
📘 **今すぐ DeepSeek V3.2 を体験し、フラッグシップ級の推論と Agent の旅を始めましょう！**
***
### 💡 ヘルプの取得とフィードバックの送信
設定や使用中に疑問、バグ、または機能改善の提案がある場合は、 [フィードバックと提案](/docs/jp/question-contact/suggestions.md) に記載の公式チャネルをご参照ください。
---
# Agent Instructions
This documentation is published with GitBook. GitBook is the documentation platform designed so that both humans and AI agents can read, navigate, and reason over technical content effectively. Learn more at gitbook.com.
## Querying This Documentation
If you need additional information that is not directly available in this page, you can query the documentation dynamically by asking a question.
Perform an HTTP GET request on the current page URL with the `ask` query parameter, and the optional `goal` query parameter:
```
GET https://docs.cherryai.com.cn/docs/jp/pre-basic/providers/cherryai/free-deepseek.md?ask=&goal=
```
`ask` is the immediate question: it should be specific, self-contained, and written in natural language.
`goal` is optional and describes the broader end goal you are ultimately trying to accomplish on behalf of the user. GitBook uses it to tailor the answer towards what is most useful for that goal.
The response will contain a direct answer to the question and relevant excerpts and sources from the documentation.
Use this mechanism when the answer is not explicitly present in the current page, you need clarification or additional context, or you want to retrieve related documentation sections.