DeepSeek • LLM
DeepSeek: DeepSeek V3.2 Exp by DeepSeek
Context Window
164K tokens
Preço Input/1M
$0.27
Preço Output/1M
$0.41
Parâmetros
—
Max Output
66K tokens
Resultados do DeepSeek: DeepSeek V3.2 Exp nos principais benchmarks de avaliação de modelos de IA. Scores mais altos indicam melhor performance.
| Benchmark | Score | Máximo | Metodologia |
|---|---|---|---|
| LiveCodeBench | 78.9 | 100.0 | Artificial Analysis official API — Intelligence/Coding/Math indices |
| LiveBench Coding | 73.2 | 100.0 | Contamination-free benchmark with objective ground-truth answers |
| AA Coding Index | 33.3 | 100.0 | Artificial Analysis official API — Intelligence/Coding/Math indices |
| Benchmark | Score | Máximo | Metodologia |
|---|---|---|---|
| LiveBench Data Analysis | 44.3 | 100.0 | Contamination-free benchmark with objective ground-truth answers |
| Benchmark | Score | Máximo | Metodologia |
|---|---|---|---|
| LiveBench Language | 65.6 | 100.0 | Contamination-free benchmark with objective ground-truth answers |
| Benchmark | Score | Máximo | Metodologia |
|---|---|---|---|
| AA Math Index | 87.7 | 100.0 | Artificial Analysis official API — Intelligence/Coding/Math indices |
| AIME 2025 | 87.7 | 100.0 | Artificial Analysis official API — Intelligence/Coding/Math indices |
| LiveBench Math | 64.4 | 100.0 | Contamination-free benchmark with objective ground-truth answers |
| Benchmark | Score | Máximo | Metodologia |
|---|---|---|---|
| LMArena Elo | 1423.0 | 2000.0 | Crowdsourced blind pairwise comparisons |
| LiveBench Global | 49.9 | 100.0 | Contamination-free benchmark with objective ground-truth answers |
| AA Intelligence Index | 32.9 | 100.0 | Artificial Analysis official API — Intelligence/Coding/Math indices |
| Benchmark | Score | Máximo | Metodologia |
|---|---|---|---|
| MMLU Pro | 85.0 | 100.0 | Artificial Analysis official API — Intelligence/Coding/Math indices |
| GPQA Diamond | 79.7 | 100.0 | Artificial Analysis official API — Intelligence/Coding/Math indices |
| LiveBench Reasoning | 45.5 | 100.0 | Contamination-free benchmark with objective ground-truth answers |
O DeepSeek: DeepSeek V3.2 Exp 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: DeepSeek V3.2 Exp é cobrado por uso, com preço de US$ 0.27/1M tokens de input e US$ 0.41/1M 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: DeepSeek V3.2 Exp em reais fica em torno de R$ 1.67/1M tokens de input (estimativa com IOF incluso).
O DeepSeek: DeepSeek V3.2 Exp foi avaliado em 14 benchmarks diferentes, cobrindo categorias como Coding, Data Analysis, Language, Math, overall, Reasoning. 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: DeepSeek V3.2 Exp é adequado para diversas aplicações de inteligência artificial: análise de documentos longos (contratos, processos jurídicos, bases de código), chatbots de alto volume e atendimento automatizado, geração de texto, resumo, tradução e assistência geral.
No ecossistema de modelos de IA em 2026, o DeepSeek: DeepSeek V3.2 Exp 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: DeepSeek V3.2 Exp 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.
O DeepSeek: DeepSeek V3.2 Exp é um modelo de inteligência artificial desenvolvido pela DeepSeek. É um modelo do tipo texto, de código aberto.
O DeepSeek: DeepSeek V3.2 Exp custa US$ 0.27/1M tokens de input e US$ 0.41/1M 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: DeepSeek V3.2 Exp, 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: DeepSeek V3.2 Exp obteve scores como: LiveCodeBench: 78.9/100, LiveBench Coding: 73.19/100, AA Coding Index: 33.3/100. Consulte a tabela completa acima para comparação detalhada.
Sim, o DeepSeek: DeepSeek V3.2 Exp 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: 26 de abril de 2026 • Ver metodologia →