DeepSeek • LLM
DeepSeek-V3.2 is a large language model designed to harmonize high computational efficiency with strong reasoning and agentic tool-use performance. It introduces DeepSeek Sparse Attention (DSA), a fine-grained sparse attention mechanism...
Context Window
164K tokens
Preço Input/1M
$0.28
Preço Output/1M
$0.42
Parâmetros
—
Max Output
66K tokens
Resultados do DeepSeek V3.2 nos principais benchmarks de avaliação de modelos de IA. Scores mais altos indicam melhor performance.
| Benchmark | Score | Máximo | Metodologia |
|---|---|---|---|
| Terminal-Bench Hard | 33.0 | 100.0 | — |
| Benchmark | Score | Máximo | Metodologia |
|---|---|---|---|
| LiveBench Coding | 75.7 | 100.0 | Contamination-free benchmark with objective ground-truth answers |
| LiveCodeBench | 59.0 | 100.0 | Artificial Analysis official API |
| AA Coding Index | 44.2 | 100.0 | Artificial Analysis official API |
| SciCode | 39.0 | 100.0 | — |
| Benchmark | Score | Máximo | Metodologia |
|---|---|---|---|
| LiveBench Data Analysis | 45.0 | 100.0 | Contamination-free benchmark with objective ground-truth answers |
| Benchmark | Score | Máximo | Metodologia |
|---|---|---|---|
| MMLU-Pro | 84.0 | 100.0 | — |
| Benchmark | Score | Máximo | Metodologia |
|---|---|---|---|
| LiveBench Language | 64.2 | 100.0 | Contamination-free benchmark with objective ground-truth answers |
| Benchmark | Score | Máximo | Metodologia |
|---|---|---|---|
| AA-LCR | 39.0 | 100.0 | — |
| Benchmark | Score | Máximo | Metodologia |
|---|---|---|---|
| LiveBench Math | 64.0 | 100.0 | Contamination-free benchmark with objective ground-truth answers |
| AA Math Index | 59.0 | 100.0 | Artificial Analysis official API |
| AIME 2025 | 59.0 | 100.0 | Artificial Analysis official API |
| Benchmark | Score | Máximo | Metodologia |
|---|---|---|---|
| LMArena Elo | 1425.0 | 2000.0 | Crowdsourced blind pairwise comparisons |
| LiveBench Global | 51.8 | 100.0 | Contamination-free benchmark with objective ground-truth answers |
| AA Intelligence Index | 24.7 | 100.0 | Artificial Analysis official API |
| Benchmark | Score | Máximo | Metodologia |
|---|---|---|---|
| MMLU Pro | 86.2 | 100.0 | Artificial Analysis official API |
| GPQA Diamond | 75.0 | 100.0 | Artificial Analysis official API |
| IFBench | 49.0 | 100.0 | — |
| LiveBench Reasoning | 44.3 | 100.0 | Contamination-free benchmark with objective ground-truth answers |
| HLE | 11.0 | 100.0 | — |
| Benchmark | Score | Máximo | Metodologia |
|---|---|---|---|
| Tau²-Bench | 79.0 | 100.0 | — |
O DeepSeek V3.2 é um modelo de inteligência artificial desenvolvido pela DeepSeek, classificado como modelo de linguagem (LLM). Focado em processamento de texto e geração de linguagem natural. Como modelo de código aberto, está disponível para download, personalização e deploy on-premises. Com uma janela de contexto de 164K tokens, é adequado para processamento de documentos longos como contratos, livros e bases de código completas.
O DeepSeek V3.2 é cobrado por uso, com preço de US$ 0.28/1M tokens de input e US$ 0.42/1M tokens de output. Para contextualizar: 1 milhão de tokens equivale a aproximadamente 750 mil palavras, ou cerca de 10 livros de tamanho médio. Com esse preço agressivo, é uma das opções mais econômicas do mercado, ideal para aplicações de alto volume como chatbots, análise de documentos em massa e automações.
Para o mercado brasileiro, é importante considerar o IOF de 6,38% sobre transações internacionais e a variação cambial do dólar. Com o câmbio atual, o custo do DeepSeek V3.2 em reais fica em torno de R$ 1.73/1M tokens de input (estimativa com IOF incluso).
O DeepSeek V3.2 foi avaliado em 21 benchmarks diferentes, cobrindo categorias como Agentic, Coding, Data Analysis, Knowledge, Language, Long Context, Math, overall, Reasoning, Tool Use. Os resultados mostram performance excepcional nas avaliações disponíveis.
É importante notar que benchmarks medem aspectos específicos e não capturam toda a experiência de uso. Fatores como qualidade da resposta em português, aderência a instruções complexas e comportamento em conversas longas variam significativamente entre modelos e nem sempre são refletidos nos scores padrão.
O DeepSeek V3.2 é adequado para diversas aplicações de inteligência artificial: análise de documentos longos (contratos, processos jurídicos, bases de código), automação com tool calling (integração com APIs, banco de dados, sistemas externos), chatbots de alto volume e atendimento automatizado, raciocínio complexo, resolução de problemas matemáticos e análise lógica, geração de texto, resumo, tradução e assistência geral.
No ecossistema de modelos de IA em 2026, o DeepSeek V3.2 compete diretamente com modelos de nível similar. A DeepSeek compete neste segmento contra OpenAI, Anthropic, Google e Meta. A escolha entre modelos depende do caso de uso específico, orçamento, requisitos de latência e necessidade de funcionalidades como multimodalidade e tool calling.
Para uma comparação detalhada lado a lado, utilize nossa ferramenta de comparação ou consulte o ranking geral de modelos.
Para usuários brasileiros, a performance em português é um critério fundamental na escolha de um modelo de IA. A maioria dos benchmarks internacionais testa apenas em inglês, o que pode mascarar diferenças significativas na qualidade de resposta em outros idiomas. O DeepSeek V3.2 suporta múltiplos idiomas, mas a qualidade em português brasileiro pode variar dependendo da tarefa específica.
Recomendamos testar o modelo com prompts representativos do seu caso de uso em português antes de tomar uma decisão. O SWEN.AI está desenvolvendo um benchmark proprietário em PT-BR com tarefas aderentes ao mercado brasileiro para fornecer comparações mais precisas.
DeepSeek-V3.2 is a large language model designed to harmonize high computational efficiency with strong reasoning and agentic tool-use performance. It introduces DeepSeek Sparse Attention (DSA), a fine-grained sparse attention mechanism...
O DeepSeek V3.2 custa US$ 0.28/1M tokens de input e US$ 0.42/1M tokens de output. Para uso intensivo (ex.: chatbot de WhatsApp com 100k mensagens/mês), o custo pode variar de R$ 50 a R$ 5.000 dependendo do volume.
A maioria dos modelos de IA modernos, incluindo o DeepSeek V3.2, suporta português brasileiro. No entanto, a qualidade pode variar — modelos como Claude e Gemini tendem a ter melhor performance em PT-BR. Recomendamos testar com prompts específicos do seu caso de uso.
Nos benchmarks disponíveis, o DeepSeek V3.2 obteve scores como: Terminal-Bench Hard: 33/100, LiveBench Coding: 75.69/100, LiveCodeBench: 59/100. Consulte a tabela completa acima para comparação detalhada.
Sim, o DeepSeek V3.2 é um modelo de código aberto. Isso significa que você pode fazer deploy on-premises, personalizar via fine-tuning e ter controle total sobre os dados. Verifique a licença específica no repositório oficial.
Última atualização: 28 de julho de 2026 • Ver metodologia →