> 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日に発表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、上級Agentや長文脈シーンに最適な選択肢です。
***
## DeepSeek V3.2とは？
DeepSeek V3.2はV3.2-Expをベースに反復開発され、Mixture-of-Experts（MoE）アーキテクチャを採用し、さらに **DeepSeek Sparse Attention（DSA）** スパースアテンション機構により、超大規模な総パラメータ数を維持しつつ、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
* 各トークンで活性化されるパラメータ数：約37B
* エキスパート数：各層256個のエキスパート
* 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日に公開）
V3.2ではAPI向けの **DeepSeek-V3.2-Speciale** 版も同時に公開され、複雑な推論タスクでIMO、CMO、ICPC World Finals、IOI 2025の金メダル級の成績を収めました。
***
## 堅実な学習とアライ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引き継ぎ、Agentシーン向けに重要な拡張を加えています：
1. **大規模事前学習**：膨大で高品質な多言語コーパス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を選んでアテンションに参加させます。
3. **大規模Agentデータ合成**：1800以上の環境と85,000以上の複雑な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に匹敵する」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による長文書とコードベース規模の分析能力
* ✅ **構造化ツール呼び出し**：多段階の計画と実行を構築するAgentに最適
***
## DeepSeek Sparse Attention：より長く、より省エネ
DSAはV3.2の中核技術アップグレードであり、 **lightning indexer + 細粒度トークン選択** を実現：
* 大規模モデルで細粒度スパースアテンションを初めて実現
* コアアテンションの複雑度を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、密なアテンションとほぼ同一の出力品質を維持
| シーン | 推奨の使い方 | 例 |
| -------------- | ------------ | ---------------------- |
| 短い会話 / 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、コードリファクタリング |
| 複雑なAgentタスク | 思考 + ツール呼び出し | 多段階計画、コードベース分析、長文書レビュー |
***
## オープン、利用可能、エコシステムにやさしい
* ⚡ 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**
* 🖥️ オープンソースの重み、MITライセンス、vLLM、SGLangなど主要な推論フレームワークでDay-0対応
***
## 実用能力に注力：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
* コードリポジトリ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** サービスプロバイダーを有効にします。
3. モデル一覧で選択 **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** を選べば、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。運用環境ではDeepSeek公式APIとの併用を推奨します。
***
📘 **今すぐDeepSeek V3.2を体験して、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
設定または使用中に不明点、バグ、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 by asking a question.
Perform an HTTP GET request on the following URL with the `ask` and `goal` query parameters:
```
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 what the user is ultimately trying to achieve, the reason they need the answer. Sharing it helps GitBook give you a better, more relevant answer. A goal is most helpful when it describes the outcome the user wants rather than restating the question. For example, with `ask=how do I create an API token`, a goal like `automate deployments from our CI pipeline` lets GitBook tailor the answer to that use case.
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.
