# DeepSeek-V3.2-Exp

> Fiche du modèle de langage DeepSeek-V3.2-Exp sur Quelle IA, édition du 28 septembre 2026. DeepSeek-V3.2-Exp (DeepSeek) : score IA de 72,2, 100e sur 246. Scores par tâche, prix, exécution locale et liens pour le télécharger ou l'essayer.

Page : https://quelleia.com/modeles/deepseek-v3-2-exp/
Origine : DeepSeek · Chine · sorti le 29 septembre 2025

## Score général

- Score IA : 72,2 (marge à 90 % : de 67,2 à 77,2)
- Rang : 100 (Groupe 9, ex æquo)
- Couverture : 95 % du poids des tâches, 13 mesures
- Échelle : 100 pour le meilleur modèle au lancement du site, 50 pour GPT-4o de novembre 2024.

## Scores par tâche

| Tâche | Score | Détail |
| --- | --- | --- |
| Raisonnement | 75,6 | Provisoire · 22 % |
| Code | 69,6 | Provisoire · 23 % |
| Agents | 79,0 | Provisoire · 11 % |
| Usage | 73,5 | Rang 99 · 100 % |
| Maths | 73,0 | Provisoire · 12 % |
| Sciences | 73,5 | Provisoire · 40 % |
| Français | 73,8 | Provisoire · 25 % |
| Vision | non mesuré | Non mesuré |
| Écriture | 75,1 | Rang 92 · 100 % |
| Web | 69,1 | Rang 97 · 100 % |

## Artificial Analysis (hors du score)

Artificial Analysis évalue les modèles de son côté et publie son propre indice, l'Artificial Analysis Intelligence Index v4.3. C'est un autre indice, qui ne compte pas dans le score IA de Quelle IA et ne se compare pas directement à lui.

| Version évaluée | Indice v4.3 | Rang chez eux | Vitesse | Premier jeton | Prix par million de jetons (entrée / sortie) |
| --- | --- | --- | --- | --- | --- |
| [DeepSeek V3.2 Exp (Reasoning)](https://artificialanalysis.ai/models/deepseek-v3-2-reasoning-0925) | 16,6 (estimé) | hors classement | non publié | non publié | 0,28 $ / 0,42 $ |
| [DeepSeek V3.2 Exp (Non-reasoning)](https://artificialanalysis.ai/models/deepseek-v3-2-0925) | 13,9 (estimé) | hors classement | non publié | non publié | 0,28 $ / 0,42 $ |

Médianes de leurs mesures : vitesse en jetons produits par seconde, délai avant le premier jeton en secondes. Prix en dollars par million de jetons, en entrée puis en sortie. Rang parmi les 193 modèles que leur indice classe ; un indice qu'ils estiment reste hors de ce classement. Relevé le 1er octobre 2026 sur leur site, reproduit avec leur accord.

Source : Artificial Analysis, https://artificialanalysis.ai/models/deepseek-v3-2-reasoning-0925

## Exécution locale

Non. DeepSeek-V3.2-Exp est un modèle fermé : il s'utilise en ligne, par l'application de son éditeur ou par API.

## Fiche technique

- Prix : 0,25 € / 0,38 € (entrée / sortie, par million de jetons)
- Fenêtre de contexte : 131 072 jetons (environ 98 000 mots)
- Entrées : Texte
- Réflexion : Non communiqué
- Paramètres : Non communiqué
- Licence : Propriétaire (poids fermés, accès par l'éditeur)
- Classe énergétique : Non communiquée
- Hébergement en Europe : Non communiqué
- Connaissances jusqu'à : Non communiqué

## Où le trouver

- Par API : [OpenRouter](https://openrouter.ai/deepseek/deepseek-v3.2-exp)
- Par API : [API DeepSeek](https://api-docs.deepseek.com)
- L'essayer : [DeepSeek](https://chat.deepseek.com)

## Mesures

| Benchmark | Tâche | Publié | Niveau suggéré | État | Source |
| --- | --- | --- | --- | --- | --- |
| Fiction.LiveBench | Données | 83,3 % | 78,0 | archivé | https://epoch.ai/benchmarks |
| DTBench | Raisonnement | 87,7 % | 81,4 | saturé | https://conceptualreasoning.ai/dtbench |
| Aider Polyglot | Code | 74,2 % | 73,5 | archivé | https://epoch.ai/benchmarks |
| Aider Polyglot | Code | 70,2 % | 71,9 | archivé | https://epoch.ai/benchmarks |
| Arena, écriture créative | Écriture | 1 409,2 Elo | 78,7 | actif | https://arena.ai/leaderboard |
| Arena, questions de code | Code | 1 474,8 Elo | 76,1 | actif | https://arena.ai/leaderboard |
| Arena, questions d'experts | Sciences | 1 447,2 Elo | 75,2 | actif | https://arena.ai/leaderboard |
| Arena, texte | Usage | 1 424,9 Elo | 75,2 | actif | https://arena.ai/leaderboard |
| Arena, questions en français | Français | 1 446,7 Elo | 75,3 | actif | https://arena.ai/leaderboard |
| Arena, texte | Usage | 1 422,0 Elo | 74,5 | actif | https://arena.ai/leaderboard |
| Arena, écriture créative | Écriture | 1 390,9 Elo | 74,5 | actif | https://arena.ai/leaderboard |
| Arena, questions de code | Code | 1 466,7 Elo | 74,3 | actif | https://arena.ai/leaderboard |
| Fiction.LiveBench | Données | 52,8 % | 60,3 | archivé | https://epoch.ai/benchmarks |
| Arena, questions de maths | Maths | 1 420,6 Elo | 73,7 | actif | https://arena.ai/leaderboard |
| Arena, questions de maths | Maths | 1 412,8 Elo | 72,1 | actif | https://arena.ai/leaderboard |
| Arena, questions d'experts | Sciences | 1 425,0 Elo | 71,0 | actif | https://arena.ai/leaderboard |
| Arena, questions en français | Français | 1 421,7 Elo | 70,0 | actif | https://arena.ai/leaderboard |
| Vending-Bench 2 | Agents | 1 034 $ | 82,4 | actif | https://epoch.ai/benchmarks |
| TheAgentCompany | Agents | 42,9 % | 73,5 | archivé | https://epoch.ai/benchmarks |
| WeirdML (v2) | Code | 39,5 % | 67,4 | actif | https://htihle.github.io/weirdml.html |
| SciCode | Code | 38,9 % | 69,9 | actif | https://artificialanalysis.ai/evaluations/scicode |
| LMCA | Raisonnement | 29,11 | 71,3 | actif | https://conceptualreasoning.ai/lmca |
| Code Arena, WebDev | Web | 1 271,9 Elo | 68,5 | actif | https://arena.ai/leaderboard |
| CL-bench | Données | 13,2 % | 67,5 | actif | https://epoch.ai/benchmarks |
| CL-bench Life | Données | 9,5 % | 74,8 | actif | https://epoch.ai/benchmarks |
| CritPt | Sciences | 2,9 % | 71,0 | actif | https://epoch.ai/benchmarks |

## En bref

**Quel est le score de DeepSeek-V3.2-Exp ?** DeepSeek-V3.2-Exp obtient un score IA de 72,2, avec une marge de 67,2 à 77,2, dans l'édition du 28 septembre 2026. Il est classé 100e sur 246 modèles, à partir de 13 mesures.

**Dans quelles tâches DeepSeek-V3.2-Exp est-il le plus fort ?** Ses deux meilleures tâches sont agents (79,0) et raisonnement (75,6). Sa tâche la plus faible est web (69,1).

**DeepSeek-V3.2-Exp peut-il tourner en local ?** Non. DeepSeek-V3.2-Exp est un modèle fermé : il s'utilise en ligne, par l'application de son éditeur ou par API.

**Combien coûte DeepSeek-V3.2-Exp ?** 0,25 € par million de jetons en entrée et 0,38 € en sortie, au tarif affiché par les fournisseurs. Le coût réel d'une tâche dépend du nombre de jetons que le modèle consomme.

**Qui édite DeepSeek-V3.2-Exp ?** DeepSeek-V3.2-Exp est édité par DeepSeek (Chine), et il est sorti le 29 septembre 2025. C'est un modèle fermé.

Source : Quelle IA, édition du 28 septembre 2026. https://quelleia.com