> 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/russian/pre-basic/providers/cherryai/free-deepseek.md).
# DeepSeek V3.2
Пользователи Cherry Studio теперь могут через встроенный **CherryIN** бесплатно попробовать сервис **DeepSeek V3.2**——Флагманская модель MoE со sparse attention от DeepSeek, выпущенная 1 декабря 2025 года, впервые нативно интегрировала «мышление» в вызов инструментов и является идеальным выбором для продвинутых Agent-сценариев и длинного контекста.
***
## Что такое DeepSeek V3.2?
DeepSeek V3.2 развилась на основе V3.2-Exp, использует архитектуру Mixture-of-Experts (MoE) и внедряет **DeepSeek Sparse Attention（DSA）** механизм sparse attention, который значительно снижает стоимость вывода на длинном контексте, сохраняя при этом сверхкрупное общее число параметров.
* Архитектура: MoE + DeepSeek Sparse Attention（DSA）+ Multi-Head Latent Attention（MLA）
* Общее число параметров: 685B
* Активируемых параметров на токен: около 37B
* Число экспертов: 256 экспертов на слой
* Открытая лицензия: MIT
* Дата выпуска: 1 декабря 2025 года (V3.2-Exp выпущена 29 сентября 2025 года)
V3.2 также выпустила ориентированную на API **DeepSeek-V3.2-Speciale** версию, которая на сложных задачах рассуждения показала уровень золотой медали на IMO, CMO, ICPC World Finals и IOI 2025.
***
## Продолжая прочный процесс обучения и согласования
DeepSeek V3.2 унаследовала зрелую тренировочную pipeline серии V3 и внесла ключевые расширения для сценариев Agent:
1. **Масштабное предобучение**：базовое обучение выполнено на огромном объёме высококачественного многоязычного корпуса, охватывающего код, математику и научные знания.
2. **Введение sparse attention**：основная модель и lightning indexer обучались на длине последовательности 128K; для каждого query-токена выбираются 2048 key-value токенов для участия во внимании.
3. **Масштабный синтез данных для Agent**：новый метод синтеза обучающих данных для Agent, охватывающий более 1 800 сред и более 85 000 сложных инструкций.
4. **Объединение мышления и вызова инструментов**：V3.2 — первая модель DeepSeek, нативно интегрировавшая «мышление» в вызов инструментов; поддерживает вызов инструментов как в «режиме мышления», так и в «режиме без мышления».
***
## Флагманские ключевые возможности
DeepSeek V3.2 делает ставку на комплексные возможности «на уровне GPT-5» и значительно усилена в Agent-сценариях и сложных рассуждениях:
* ✅ **Нативное мышление + вызов инструментов**：первая модель DeepSeek, интегрировавшая мышление в использование инструментов
* ✅ **Топовые способности к рассуждению**：V3.2-Speciale достигла золотого уровня на IMO / CMO / ICPC World Finals / IOI 2025
* ✅ **Код и задачи разработки**：унаследовала сильные способности серии V3 в коде
* ✅ **Стабильность на длинном контексте**：возможности анализа длинных документов и целых кодовых баз благодаря DSA
* ✅ **Структурированный вызов инструментов**：подходит для построения Agent с многошаговым планированием и выполнением
***
## DeepSeek Sparse Attention: длиннее и экономичнее
DSA — ключевое технологическое обновление V3.2, посредством **lightning indexer + тонкогранулярного выбора токенов** реализует:
* Впервые реализует тонкую sparse attention в большой модели
* Снижает ключевую сложность внимания с O(L²)
* значительно ускоряя обучение и инференс на длинном контексте, при этом сохраняя почти такое же качество вывода, как у плотного внимания
| Сценарий | Рекомендуемое использование | Пример |
| ------------------------------------------- | ----------------------------- | ------------------------------------------------------------------------ |
| Короткие диалоги / простые вопросы и ответы | Прямой вызов | Повседневные вопросы и ответы, резюме |
| Задачи средней сложности | Включить вызов инструментов | Анализ данных, рефакторинг кода |
| Сложные задачи Agent | Мышление + вызов инструментов | Многошаговое планирование, анализ кодовой базы, обзор длинных документов |
***
## Открыто, доступно, дружественно к экосистеме
* ⚡ Ускорение вывода на длинном контексте благодаря DSA
* 💰 Через CherryIN в Cherry Studio **Бесплатное использование**
* 🖥️ Открытые веса, лицензия MIT, поддержка популярных фреймворков инференса, таких как vLLM, SGLang, с первого дня
***
## Фокус на практических возможностях: код и Agent
DeepSeek V3.2 особенно хорошо показывает себя в реальных рабочих процессах разработки:
* Генерация и рефакторинг кода на нескольких языках
* Понимание контекста на уровне репозитория и генерация патчей
* Инструментальная цепочка Agent: стабильный вызов внешних инструментов, поиск, выполнение кода
* Математика и сложные рассуждения: поддержка задач соревновательного уровня
***
## Как использовать в Cherry Studio?
1. Откройте Cherry Studio, перейдите в **Настройки → Сервисы моделей**.
2. Найдите **CherryIN** провайдера сервиса и включите его.
3. В списке моделей выберите **DeepSeek V3.2**.
4. Вернитесь в чат, в верхнем выборе модели переключитесь на **DeepSeek V3.2** и можно начинать диалог.
> 💡 Подсказка: бесплатная квота моделей, предоставляемая CherryIN, оплачивается официальной командой Cherry Studio; подходит для повседневного тестирования и оценки. Для production-среды рекомендуется использовать вместе с официальным API DeepSeek.
***
📘 **Попробуйте DeepSeek V3.2 прямо сейчас и начните путешествие в мир флагманских рассуждений и Agent!**
***
### Получить помощь и отправить отзыв
Если у вас в процессе настройки или использования возникнут какие-либо вопросы, баги или предложения по улучшению функций, пожалуйста, обратитесь к [Отзывы и предложения](/docs/russian/question-contact/suggestions.md) официальным каналам, указанным там.
---
# 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/russian/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.
