DeepSeek-V3.2-Speciale
Publié par DeepSeek le 1 décembre 2025, DeepSeek-V3.2-Speciale est un LLM open-weights de 685 milliards de paramètres, distribué sous licence MIT avec usage commercial autorisé. Cette variante de DeepSeek-V3.2 se concentre exclusivement sur les tâches de raisonnement profond.
Publié par DeepSeek le 1 décembre 2025, DeepSeek-V3.2-Speciale est un LLM open-weights de 685 milliards de paramètres, distribué sous licence MIT avec usage commercial autorisé. Cette variante de DeepSeek-V3.2 se concentre exclusivement sur les tâches de raisonnement profond.
Sa fenêtre de contexte atteint 131 072 tokens. Sa structure est identique à celle de DeepSeek-V3.2-Exp, tandis que la famille V3.2 introduit DeepSeek Sparse Attention, un mécanisme optimisé pour les contextes longs, ainsi qu’un cadre de renforcement et un pipeline de synthèse de tâches agentiques à grande échelle.
Caractéristiques
| Caractéristique | Valeur |
|---|---|
| Type | Grand modèle de langage (LLM) |
| Éditeur | DeepSeek |
| Poids | 🟢 Poids ouverts · usage commercial autorisé |
| Licence | MIT |
| Date de sortie | 1 décembre 2025 |
| Multimodal | non |
| Paramètres | 685 milliards |
| Fenêtre de contexte | 131 072 tokens |
| Modalités (entrée → sortie) | text → text |
Performances (benchmarks)
| Benchmark | Score | Rang (LLM) | Source | Fiabilité |
|---|---|---|---|---|
| HMMT 2025 | 99,2 % | 3ᵉ / 33 | llm-stats | Auto-déclaré |
| AIME 2025 | 96,0 % | 18ᵉ / 108 | llm-stats | Auto-déclaré |
| CodeForces | 90,0 % | 3ᵉ / 16 | llm-stats | Auto-déclaré |
| t2-bench | 80,3 % | 9ᵉ / 23 | llm-stats | Auto-déclaré |
| SWE-Bench Verified | 73,1 % | 45ᵉ / 102 | llm-stats | Auto-déclaré |
| Terminal-Bench 2.0 | 46,4 % | 38ᵉ / 49 | llm-stats | Auto-déclaré |
| Toolathlon | 35,2 % | 27ᵉ / 30 | llm-stats | Auto-déclaré |
| Humanity's Last Exam | 30,6 % | 41ᵉ / 89 | llm-stats | Auto-déclaré |
« Auto-déclaré » : score communiqué par l'éditeur, non rejoué indépendamment. « Mesuré » : évalué par un tiers (Epoch AI, LiveBench). Le rang est calculé parmi les LLM évalués sur le même benchmark.
Notre analyse
Forces. DeepSeek-V3.2-Speciale associe une très grande capacité en paramètres à une fenêtre de contexte étendue et à un mécanisme d’attention conçu pour traiter efficacement les contextes longs. Son orientation exclusive vers le raisonnement profond lui donne un positionnement spécialisé plutôt que généraliste. À sa sortie, il figurait dans le top 25% des 56 LLM de sa génération sur SWE-Bench Verified, un benchmark consacré à la résolution de problèmes réels de génie logiciel. Ce résultat le plaçait dans le haut du classement sur cet exercice précis.
Limites et points d'attention. La spécialisation de la variante Speciale réduit sa polyvalence fonctionnelle : elle ne prend pas en charge le tool-calling et ne peut donc pas déclencher directement des outils externes. Ses 685 milliards de paramètres impliquent également un modèle particulièrement volumineux. DeepSeek-V3.2-Speciale cible ainsi les usages centrés sur le raisonnement profond et les longs contextes, lorsque le tool-calling n’est pas requis.
Sources des données : LLM-Stats (llm-stats.com) · OpenRouter (openrouter.ai).