DeepSeek-V3.2-Exp TPS-rekenmachine
Elke kaart hieronder wordt beoordeeld op basis van dit model met de contextlengte en minimale kwaliteit die je kiest. Snelheid is een schatting voor een enkele aanvraag, berekend op basis van de geheugendoorvoer van de kaart en de grootte van het model eenmaal gecomprimeerd..
Bereken voor dit model
818 kaarten die we hebben specificaties voor
Welke GPU's kunnen draaien DeepSeek-V3.2-Exp?
Stel de invoer in, lees het antwoord
Een langere conversatie heeft meer geheugen nodig, wat dit model van kleinere kaarten kan duwen..
Verbergt kaarten die alleen in het model passen door het onder dit punt te comprimeren.
0 kaarten passen
Berekenen| Heeft | Kwantificatie | Past | |||||
|---|---|---|---|---|---|---|---|
|
Geen kaart in onze catalogus kan dit model met deze instellingen draaien.. |
|||||||
Snelheden zijn schattingen voor een enkele aanvraag — één gesprek tegelijk — berekend vanuit geheugendebandbreedte, modelgrootte en kwantisatie. De werkelijke doorvoer varieert met de inferentietijd en de versie ervan. Cijfers gepubliceerd door hardwareleveranciers meten veel gelijktijdige aanvragen en zijn veel hoger.
Op record
Volledige specificatie
Alles wat geregistreerd is voor dit model. Het merendeel beschrijft hoe het getraind werd 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..
Oorsprong
Wie heeft dit model gebouwd, waar, en wanneer het gepubliceerd werd.
- Organisatie
- DeepSeek
- Organisatietype
- Industry
- Land
- China
- Gepubliceerd
- 29 September 2025
Wat het doet
De probleemgebieden waarvoor het model is gebouwd. Een model kan meerdere van elk bevatten.
- Domein
- Language
- Taak
- Language modeling/generation, Code generation, Quantitative reasoning, Question answering, Search, System control, Instruction interpretation
- Basis model
- DeepSeek-V3.1-Terminus
Grootte
Hoe groot het model is en hoeveel data het is getraind. Parameters zijn het cijfer dat bepaalt of het past op een gegeven grafische kaart.
- parameters
- 671B
- Training gegevens
- 943,700,000,000 tokens
671B total, 37B active (assuming same as in the base model)
"We train both the main model and the indexer for 15000 steps, with each step consisting of 480 sequences of 128K tokens, resulting in a total of 943.7B tokens."
Training rekenen
De berekeningen uitgevoerd om het model te trainen, gemeten in drijvende-komma-operaties. Het is een maat voor wat de trainingsrun kostte, niet voor hoe snel het voltooide model je beantwoordt.
- Training rekenen
- 4.2 × 10²⁴ FLOP
- Hoe het werd opgericht
- Operation counting
- Fijn-tuning compute
- 5.9 × 10²³ FLOP
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
Continued pretraining compute: 6 * 37B * 943.7B = 2.095e23 FLOP. In addition, V3.2 states post-training compute budget exceeds 10% of total pretraining cost, implying additional post-training FLOPs > 3.8e23 (so finetune total beyond V3.1-Terminus is >5.9e23 FLOP).
Beschikbaarheid
Of je het model kunt verkrijgen en het op je eigen hardware kunt draaien, wat bepaalt of een van de grafische kaartcijfers op deze pagina van toepassing is.
- Gewichten
- Open — downloadable
- Toegang tot model
- Open weights (unrestricted)
- Training code
- Unreleased
- Hugging Face
- deepseek-ai
MIT license https://huggingface.co/deepseek-ai/DeepSeek-V3.2-Exp
Hoe het is geclassificeerd
Labels van de brondataset die worden toegepast bij het volgen van opmerkelijke modellen, en hoe zeker het is van de invoer.
- Record vertrouwen
- Confident
Bronnen
Waar deze record vandaan kwam en wanneer deze voor het laatst is gecontroleerd.
- Referentie
- Introducing DeepSeek-V3.2-Exp
- Laatst bijgewerkt
- 19 February 2026
Wat de cijfers betekenen
Wat je nodig hebt om het te draaien
DeepSeek-V3.2-Exp bereikt een parameter telling van 671B. Dat is meer dan wat enige enkele grafische kaart bevat. Het draaien ervan betekent ofwel het splitsen over meerdere kaarten of het huren van hardware die voor de klus is gebouwd, en elke kaart die het alleen kan vasthouden, is een datacenteronderdeel. Het aantal dat kan: 0.
Wat dit model is
DeepSeek-V3.2-Exp werd gepubliceerd door DeepSeek, in het land geregistreerd als China, tijdens September 2025. De publicerende organisatie is geclassificeerd als industry.
Het werkt in het domein van Language, en wordt geregistreerd als het uitvoeren van de taak van language modeling/generation, Code generation, Quantitative reasoning, Question answering, Search, System control, Instruction interpretation.
Het startpunt was een bestaand basismodel, DeepSeek-V3.1-Terminus. Dat is de gebruikelijke manier waarop een gespecialiseerd model wordt geproduceerd.
Het feit dat de gewichten open zijn, is wat deze pagina in de calculator plaatst in plaats van alleen in de catalogus: het is een model dat je daadwerkelijk kunt vasthouden. Op Hugging Face is het gepubliceerd onder de organisatie deepseek-ai.
Hoe het getraind werd
De training run verbruikte ongeveer 4.2 × 10²⁴ FLOP. Die figuur meet wat het produceren van het model heeft gekost en heeft geen invloed op hoe snel het antwoord geeft.
Het is getraind op een corpus van ongeveer 943,700,000,000 tekstokens
Stap voor stap
Hoe een GPU te kiezen voor DeepSeek-V3.2-Exp
De tabel hierboven heeft elke kaart die we specificaties voor hebben al vergeleken met dit model. Het bereiken van uw antwoord kost zes stappen..
-
01
Lees eerst de geheugenfiguur
De tabel vermeldt elke kaart die in staat is om te bevatten. DeepSeek-V3.2-Exp. Die figuur, niet de hoofdtitelprestaties van een kaart, is wat bepaalt of het draait.
-
02
Bepaal hoe lang je gesprekken duren
Stel de context in op wat je daadwerkelijk gaat gebruiken. De cache groeit met het gesprek, en het is de gebruikelijke reden dat een CARD die in eerste instantie prima leek, niet meer past. DeepSeek-V3.2-Exp.
-
03
Stel een kwaliteitsvloer in
Elke kaart draait de minst-gecomprimeerde kopie die hij kan vasthouden.. Het instellen van een minimumkwaliteit laat de kaarten vallen die het alleen maar beheersen door verder te persen dan je zou willen, en houdt de vergelijking op één niveau.
-
04
Rangschik op doorvoer in plaats van specificatielijst
Ranking op basis van tokens per seconde volgt geheugenbandbreedte in plaats van kernaantal, voor DeepSeek-V3.2-Exp. Het zal niet passen bij een gaming bestelling, omdat generatie gebonden is aan geheugenbandbreedte.
-
05
Controleer het geschiktheidsadvies voordat je koopt
Strak betekent dat het laadt en werkt zonder ruimte om de context later te verhogen, in het geval van DeepSeek-V3.2-Exp. Comfortabel betekent dat je de context later kunt vergroten. Dat verschil is belangrijker dan een paar tokens per seconde, dus koop voor comfortabel als je dat verwacht.
-
06
Controleer de kaart vanaf de andere kant
Elke kaartnaam linkt naar zijn eigen pagina, die dezelfde berekening door het hele modelcatalogus uitvoert. Een kaart wordt meestal gekocht voor meer dan één model, dus het is de moeite waard om te kijken voordat je koopt voor DeepSeek-V3.2-Exp.
Antwoorden
DeepSeek-V3.2-Exp — veelgestelde vragen
DeepSeek-V3.2-Exp— hoeveel parameters heeft het?
Het heeft een parameter telling van 671B. 671B total, 37B active (assuming same as in the base model). Dat cijfer is het totaal, en het bepaalt hoeveel MEMORY het MODEL nodig heeft - ongeveer een halve gigabyte per miljard bij de compressie die de meeste mensen gebruiken.
DeepSeek-V3.2-Exp— wie heeft het gemaakt?
Het werd gepubliceerd door DeepSeek, gebaseerd op China, een organisatie geclassificeerd als industry.
DeepSeek-V3.2-Exp— wanneer is het uitgebracht?
Het werd gepubliceerd in September 2025.
DeepSeek-V3.2-Exp— waarvoor wordt het gebruikt?
Het werkt in het domein van Language, en wordt geregistreerd als het afhandelen van language modeling/generation, Code generation, Quantitative reasoning, Question answering, Search, System control, Instruction interpretation. Een model kan er verschillende van elk dragen, dus dit zijn de gebieden waarvoor het is gebouwd in plaats van een limiet op wat het zal proberen.
DeepSeek-V3.2-Exp— waar kan ik het downloaden?
Zijn gewichten zijn gepubliceerd op Hugging Face, onder de organisatie deepseek-ai. Wij hosten geen modelbestanden - deze site berekent welke hardware nodig is om ze te draaien.
DeepSeek-V3.2-Exp— hoeveel rekencapaciteit is gebruikt om het te trainen?
Training verbruikte ongeveer 4.2 × 10²⁴ FLOP. Dat meet wat het kosten om het model te produceren en zegt niets over hoe snel het antwoord geeft zodra het getraind is — inferentie snelheid komt van geheugenbandbreedte, niet van het trainingsbudget.
DeepSeek-V3.2-Exp— kan ik het draaien als het niet in mijn GPU past?
Gedeeltelijk. Layers die niet passen, bevinden zich in system memory en draaien met een fractie van de snelheid, dus een grotendeels gedeactiveerd model is zelden de moeite waard om te gebruiken. De dichtstbijzijnde miscalculatie die we berekenen, komt tekort met 103.0 GB Elke figuur hier gaat ervan uit dat het hele model op de kaart staat.
DeepSeek-V3.2-Exp— Zouden twee GPU's het sneller draaien?
Een tweede kaart verdubbelt ruwweg het beschikbare geheugen, maar niet de generatie snelheid. Het aantal dat al in staat is om het alleen te draaien: 0. Dus een tweede card is zelden het antwoord hier.
DeepSeek-V3.2-Exp— waarom verschilt de quantisatie tussen kaarten?
Omdat de capaciteit varieert, varieert ook hoe hard het moet worden samengedrukt. Het aantal onderscheidende niveaus in de bovenstaande tabel: 1. Grotere CARDS krijgen de meer nauwkeurige versie, en de kwaliteitsvloer boven pins beperkt de vergelijking tot één niveau.
DeepSeek-V3.2-Exp— hoe nauwkeurig zijn deze snelheidsschattingen?
Dit zijn schattingen met echte foutmarges, en elk van hen zou redelijkerwijs ergens binnen zijn gepubliceerde bereik kunnen vallen, afhankelijk van welke runtime je gebruikt. Het snelste resultaat hier: de reeks onder elk cijfer. Hetzelfde model en kaart variëren met dertig tot vijftig procent, afhankelijk van de inferentiesoftware en de versie ervan.
DeepSeek-V3.2-Exp— is het open-source?
De gewichten zijn gepubliceerd, zodat ze kunnen worden gedownload en op je eigen hardware kunnen worden uitgevoerd. Houd er rekening mee dat OPEN WEIGHTS niet hetzelfde is als open source in de volle zin — het zegt niets over de trainingsdata, de trainingscode of de commerciële voorwaarden die eraan zijn verbonden.
De andere richting
Van de andere kant bekijken?
Deze pagina begint met het model. Als je al een kaart bezit en alles wilt weten wat het zal draaien, begin in plaats van de hardware.