> 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 опробовать сервис **DeepSeek V3.2**——Флагманская модель Sparse Attention MoE от DeepSeek, выпущенная 1 декабря 2025 года; впервые нативно интегрирует «мышление» в вызов инструментов и является идеальным выбором для продвинутых агентных 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 разреженного внимания, который при сохранении сверхкрупного общего числа параметров значительно снижает стоимость вывода на длинном контексте.
* Архитектура: MoE + DeepSeek Sparse Attention (DSA) + Multi-Head Latent Attention (MLA)
* Общее число параметров: 685B
* Активируемых параметров на токен: около 37B
* Количество экспертов: 256 экспертов на слой
* Лицензия с открытым кодом: MIT
* Дата выпуска: 1 декабря 2025 года (V3.2-Exp был выпущен 29 сентября 2025 года)
Вместе с V3.2 был также выпущен ориентированный на API **DeepSeek-V3.2-Speciale** версия, показавшая золотой уровень на сложных задачах рассуждения на IMO, CMO, ICPC World Finals и IOI 2025.
***
## 📚 Продолжая солидный процесс обучения и выравнивания
DeepSeek V3.2 унаследовала зрелый обучающий пайплайн серии V3 и внесла ключевые расширения для сценариев Agent:
1. **Масштабное предварительное обучение**：базовое обучение было проведено на огромном количестве высококачественных многоязычных корпусов, охватывающих код, математику и научные знания.
2. **Внедрение разреженного внимания**：основная модель и lightning indexer обучались при длине последовательности 128K, при этом для каждого query-токена выбирались 2048 key-value токенов для участия во внимании.
3. **Масштабная синтезировка данных для Agent**：новый метод синтеза обучающих данных для Agent, охватывающий более 1 800 сред и более 85 000 сложных инструкций.
4. **Интеграция мышления и вызова инструментов**：V3.2 — первая модель DeepSeek, которая нативно интегрирует «мышление» в вызов инструментов и поддерживает использование инструментов как в «режиме мышления», так и в «без режима мышления».
***
## ⚙️ Ключевые возможности флагманского уровня
DeepSeek V3.2 делает ставку на комплексные возможности «на уровне GPT-5» и значительно усилен в Agent-сценариях и сложном рассуждении:
* ✅ **Нативное мышление + вызов инструментов**：первая модель DeepSeek, нативно интегрирующая «мышление» в использование инструментов
* ✅ **Топовый уровень рассуждения**：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 длинного контекста**：возможности анализа длинных документов и целых кодовых баз, обеспеченные DSA
* ✅ **Структурированный вызов инструментов**：подходит для создания Agent с многошаговым планированием и выполнением
***
## 💡 DeepSeek Sparse Attention: длиннее, экономичнее
DSA — ключевое технологическое обновление V3.2, посредством **lightning indexer + тонкогранулярного выбора токенов** реализует:
* Впервые реализует тонкогранулярное разреженное внимание в крупной модели
* Снижает основную сложность внимания с O(L²)
* и заметно ускоряет обучение и вывод на длинном контексте, при этом сохраняя качество вывода почти таким же, как у плотного внимания
| Сценарий | Рекомендуемое использование | Пример |
| ---------------------------------------- | ----------------------------- | ------------------------------------------------------------------------ |
| Короткий диалог / простые вопросы-ответы | Прямой вызов | Повседневные вопросы-ответы, резюмирование |
| Задачи средней сложности | Включить вызов инструментов | Анализ данных, рефакторинг кода |
| Сложные Agent-задачи | Мышление + вызов инструментов | Многошаговое планирование, анализ кодовой базы, обзор длинных документов |
***
## 🌟 Открытость, доступность, дружелюбность к экосистеме
* ⚡ Ускорение рассуждений на длинном контексте благодаря DSA
* 💰 Через CherryIN в Cherry Studio**Бесплатное использование**
* 🖥️ Открытые веса, лицензия MIT, поддержка с первого дня основных фреймворков инференса, таких как vLLM и SGLang
***
## 🧠 Фокус на практических возможностях: код и Agent
DeepSeek V3.2 особенно хорошо показывает себя в реальных рабочих процессах разработки:
* Многоязычная генерация и рефакторинг кода
* Понимание контекста на уровне репозитория и генерация патчей
* Инструменты Agent: стабильный вызов внешних инструментов, поиск, выполнение кода
* Математика и сложное рассуждение: поддержка задач соревновательного уровня
***
## 🧭 Как использовать в Cherry Studio?
1. Откройте Cherry Studio, перейдите в **Настройки → Сервис моделей**。
2. Найдите **CherryIN** поставщика услуг и включите.
3. В списке моделей выберите **DeepSeek V3.2**。
4. Вернитесь в чат, в верхнем выборе модели переключитесь на **DeepSeek V3.2** и можно начинать разговор.
> 💡 Подсказка: бесплатный лимит моделей, предоставляемый CherryIN, покрывается официальной командой Cherry Studio и подходит для повседневного ознакомления и оценки; для production-среды рекомендуется использовать его вместе с официальным API DeepSeek.
***
📘 **Немедленно попробуйте DeepSeek V3.2 и начните путешествие в мир флагманского рассуждения и Agent!**
***
### 💡 Получить помощь и отправить отзыв
Если вы в процессе настройки или использования столкнётесь с любыми вопросами, багами или предложениями по улучшению функций, пожалуйста, обратитесь к [Обратная связь 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.