DeepSeek-V3.2

Open gewichten DeepSeek December 2025

Geen schatting

Geen hardwarevereisten voor dit model

This model's weights are open, but no parameter count has been published for it. Every memory and speed figure starts from that number, so we would rather show nothing than a fabricated estimate.

Opname

Volledige specificatie

Alles op record voor dit model. Het meeste beschrijft hoe het is getraind in plaats van hoe het draait — nuttige context om te beoordelen hoeveel werk erin is gestoken en hoe het zich verhoudt tot modellen die op een andere schaal zijn gebouwd..

Origine

Wie heeft dit model gebouwd, waar, en wanneer het is gepubliceerd.

Organisatie
DeepSeek
Organisatietype
Industry
Land
China
Gepubliceerd
1 December 2025

Grootte

Hoe groot het model is en hoeveel data erop is getraind. Parameters zijn de cijfers die bepalen of het past op een bepaalde grafische kaart.

Training gegevens
tokens

Trainingsberekeningen

De rekensom die is uitgevoerd om het model te trainen, gemeten in drijvende-komma-bewerkingen. Het is een maat voor de kosten van de trainingsrun, niet voor hoe snel het voltooide model je antwoorden geeft.

Trainingsberekeningen
4.2 × 10²⁴ FLOP

Pre-trained base was DeepSeek-V3.1-Terminus 3.594058e+24 FLOP [base model] + 2.095014e+23 FLOP = 3.8035594e+24 FLOP for pre-training plus continued pre-training Then, "this framework allocates a post-training computational budget exceeding 10% of the pre-training cost", so 4.18e24

Beschikbaarheid

Of u het model kunt verkrijgen en het op uw eigen hardware kunt draaien, wat bepaalt of een van de specificaties van de GPU op deze pagina van toepassing is.

Gewichten
Open — downloadable
Model toegang
Open weights (unrestricted)

Hoe het is geclassificeerd

Labels die op de bron-dataset van toepassing zijn bij het volgen van opvallende modellen, en hoe zeker het is van de invoer.

Model/modellen past niet / past niet.
Likely

Bronnen

Waar deze registratie vandaan komt en wanneer deze voor het laatst is gecontroleerd.

Laatste update
8 April 2026

Wat de getallen betekenen

Wat dit model is

DeepSeek-V3.2 was published by DeepSeek, in China, in December 2025. industry is the category the publisher falls under.

Published weights mean the model runs on your machine rather than someone else's, which is what makes the hardware question below answerable at all.

Hoe het werd getraind

The training run consumed about 4.2 × 10²⁴ FLOP. That figure describes the cost of creating it and has no bearing on how quickly it generates text.

Antwoorden

DeepSeek-V3.2 — Voor veelgebruikte vragen

01

What GPU do I need to run DeepSeek-V3.2?

We cannot say. DeepSeek-V3.2 has open weights, but no parameter count has been published for it, and every memory and speed calculation starts from that number. We would rather show nothing than a fabricated estimate.

02

Is DeepSeek-V3.2 open source?

Its weights are published, so DeepSeek-V3.2 can be downloaded and run on your own hardware. Note that open weights is not the same as open source in the full sense — it says nothing about the training data, the training code, or the commercial terms attached.

03

How many parameters does DeepSeek-V3.2 have?

No parameter count has been published for DeepSeek-V3.2, which is why no memory or speed figure appears on this page.

04

Who created DeepSeek-V3.2?

DeepSeek-V3.2 was published by DeepSeek, based in China, categorised as industry.

05

When was DeepSeek-V3.2 released?

DeepSeek-V3.2 was published in December 2025.

06

Where can I download DeepSeek-V3.2?

The weights for DeepSeek-V3.2 are published, though we do not hold a repository link for it. This site calculates hardware requirements rather than hosting model files.

07

How much compute was used to train DeepSeek-V3.2?

Around 4.2 × 10²⁴ FLOP. That measures what producing the model cost and says nothing about how quickly it answers once trained — inference speed comes from memory bandwidth, not from the training budget.

Bron

originele publicatie

Model/modelen kunnen niet passen in de GPU VRAM. Tight = nauwelijks uitvoerbaar, comfortabel = draait gemakkelijk met ruimte. Welke AI model kan de GPU draaien? 8 April 2026

De andere richting

Kijk je er van de andere kant naar?

Deze pagina begint bij het model. Als je al een kaart hebt en alles wilt weten wat het kan draaien., model/modellen draait/draaien past niet/past niet goed strak = nauwelijks uitvoerbaar, comfortabel = draait gemakkelijk met speling.