# DeepSeek-V3.2

> Fiche du modèle de langage DeepSeek-V3.2 sur Quelle IA, édition du 28 septembre 2026. DeepSeek-V3.2 (DeepSeek) : score IA de 75,3, 80e sur 246. Scores par tâche, prix, exécution locale et liens pour le télécharger ou l'essayer.

Page : https://quelleia.com/modeles/deepseek-v3-2/
Origine : DeepSeek · Chine · sorti le 1er décembre 2025

## Score général

- Score IA : 75,3 (marge à 90 % : de 73,4 à 77,2)
- Rang : 80 (Groupe 8, ex æquo)
- Couverture : 80 % du poids des tâches, 19 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 | 74,8 | Rang 61 · 56 % |
| Code | 74,8 | Provisoire · 15 % |
| Agents | non mesuré | Non mesuré |
| Usage | 75,3 | Rang 89 · 100 % |
| Maths | 77,2 | Rang 56 · 62 % |
| Sciences | 75,6 | Provisoire · 40 % |
| Français | 75,9 | Rang 44 · 50 % |
| Vision | non mesuré | Non mesuré |
| Écriture | 76,1 | Rang 82 · 100 % |
| Web | 74,8 | Rang 79 · 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 (Reasoning)](https://artificialanalysis.ai/models/deepseek-v3-2-reasoning) | 21,5 (estimé) | hors classement | non publié | non publié | 0,28 $ / 0,42 $ |
| [DeepSeek V3.2 (Non-reasoning)](https://artificialanalysis.ai/models/deepseek-v3-2) | 16,0 (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

## Exécution locale

Trop lourd pour les machines que suit Quelle IA : 472,6 Go en version allégée à 4 bits, plus que les 448 Go utiles de quatre DGX Spark en grappe. Il lui faut un serveur.

- Allégée, 4 bits : 472,6 Go
- Allégée, 8 bits : 827,1 Go
- Complète, 16 bits : 1 575,5 Go

- Plus petite machine : aucune, il faut un serveur
- Carte graphique : Trop juste
- PC portable RTX : Trop juste
- PC portable Intel : Trop juste
- PC portable Snapdragon : Trop juste
- Mac : Trop juste
- Ryzen AI Max : Trop juste
- Nvidia DGX : Trop juste
- Sans carte graphique : Trop juste
- Serveur : Oui

## Fiche technique

- Prix : 0,20 € / 0,30 € (entrée / sortie, par million de jetons)
- Fenêtre de contexte : 131 072 jetons (environ 98 000 mots)
- Entrées : Texte
- Réflexion : Non communiqué
- Paramètres : 685 milliards
- Licence : Apache 2.0 (poids ouverts, téléchargeables)
- Classe énergétique : E (sur une échelle de A à G)
- Hébergement en Europe : Possible
- Connaissances jusqu'à : Juillet 2024

## Où le trouver

- Télécharger : [Hugging Face](https://huggingface.co/deepseek-ai/DeepSeek-V3.2)
- Sur votre machine : [Ollama](https://ollama.com/search?q=DeepSeek-V3.2)
- Sur votre machine : [LM Studio](https://lmstudio.ai)
- Par API : [OpenRouter](https://openrouter.ai/deepseek/deepseek-v3.2)
- Par API : [API DeepSeek](https://api-docs.deepseek.com)
- L'essayer : [DeepSeek](https://chat.deepseek.com)

## Dans les outils de code

- Disponible dans : [Kiro](https://quelleia.com/outils/#kiro) (inclus)
- Relevé du 30 septembre 2026 sur la page publique de chaque outil. Un modèle proposé par un outil figure dans la liste que son éditeur publie. Rien n'y est mesuré.

## Mesures

| Benchmark | Tâche | Publié | Niveau suggéré | État | Source |
| --- | --- | --- | --- | --- | --- |
| OTIS Mock AIME 2024-2025 | Maths | 87,8 % | 75,9 | saturé | https://epoch.ai/benchmarks |
| GPQA Diamond | Sciences | 83,4 % | 75,6 | actif | https://epoch.ai/benchmarks |
| DTBench | Raisonnement | 85,6 % | 78,5 | saturé | https://conceptualreasoning.ai/dtbench |
| Aider Polyglot | Code | 74,2 % | 73,5 | archivé | https://aider.chat/docs/leaderboards/ |
| Aider Polyglot | Code | 70,2 % | 71,9 | archivé | https://aider.chat/docs/leaderboards/ |
| GPQA Diamond | Sciences | 71,2 % | 66,4 | actif | https://epoch.ai/benchmarks |
| ARC-AGI-1 | Raisonnement | 57 % | 75,6 | saturé | https://epoch.ai/benchmarks |
| Arena, questions d'experts | Sciences | 1 452,8 Elo | 76,3 | actif | https://arena.ai/leaderboard |
| compar:IA | Français | 1 055,0 Elo | 86,6 | actif | https://arene.comparia.beta.gouv.fr/ranking |
| Arena, écriture créative | Écriture | 1 400,8 Elo | 76,8 | actif | https://arena.ai/leaderboard |
| Arena, questions de code | Code | 1 475,6 Elo | 76,2 | actif | https://arena.ai/leaderboard |
| Arena, questions d'experts | Sciences | 1 448,1 Elo | 75,4 | actif | https://arena.ai/leaderboard |
| Arena, questions de maths | Maths | 1 428,4 Elo | 75,3 | actif | https://arena.ai/leaderboard |
| Arena, questions de maths | Maths | 1 426,9 Elo | 75,0 | actif | https://arena.ai/leaderboard |
| Arena, texte | Usage | 1 424,9 Elo | 75,2 | actif | https://arena.ai/leaderboard |
| Arena, questions de code | Code | 1 469,4 Elo | 74,9 | actif | https://arena.ai/leaderboard |
| Arena, texte | Usage | 1 422,6 Elo | 74,6 | actif | https://arena.ai/leaderboard |
| Arena, écriture créative | Écriture | 1 391,3 Elo | 74,6 | actif | https://arena.ai/leaderboard |
| Arena, questions en français | Français | 1 438,6 Elo | 73,6 | actif | https://arena.ai/leaderboard |
| Arena, questions en français | Français | 1 430,6 Elo | 71,9 | actif | https://arena.ai/leaderboard |
| OTIS Mock AIME 2024-2025 | Maths | 48,9 % | 62,1 | saturé | https://epoch.ai/benchmarks |
| Terminal-Bench 2.0 | Code | 39,6 % | 74,7 | actif | https://www.tbench.ai/leaderboard/terminal-bench/2.0 |
| Code Arena, WebDev | Web | 1 361,6 Elo | 74,6 | actif | https://arena.ai/leaderboard |
| FrontierMath, paliers 1 à 3 (version 2025) | Maths | 22,1 % | 77,5 | actif | https://epoch.ai/benchmarks |
| DTBench | Raisonnement | 62,7 % | 55,1 | saturé | https://conceptualreasoning.ai/dtbench |
| Code Arena, WebDev | Web | 1 324,9 Elo | 72,1 | actif | https://arena.ai/leaderboard |
| LMCA | Raisonnement | 28,82 | 71,0 | actif | https://conceptualreasoning.ai/lmca |
| LMCA | Raisonnement | 15,24 | 56,9 | actif | https://conceptualreasoning.ai/lmca |
| CL-bench | Données | 12,4 % | 65,3 | actif | https://epoch.ai/benchmarks |
| Chess Puzzles | Raisonnement | 14 % | 71,5 | actif | https://epoch.ai/benchmarks |
| ProofBench | Maths | 8 % | 78,4 | saturé | https://www.vals.ai/benchmarks/proof_bench |
| CL-bench Life | Données | 7,4 % | 70,2 | actif | https://epoch.ai/benchmarks |
| ARC-AGI-2 | Raisonnement | 4 % | 71,0 | saturé | https://epoch.ai/benchmarks |
| FrontierMath, palier 4 (version 2025) | Maths | 2,1 % | 72,7 | actif | https://epoch.ai/benchmarks |
| Chess Puzzles | Raisonnement | 1 % | 47,6 | actif | https://epoch.ai/benchmarks |

## En bref

**Quel est le score de DeepSeek-V3.2 ?** DeepSeek-V3.2 obtient un score IA de 75,3, avec une marge de 73,4 à 77,2, dans l'édition du 28 septembre 2026. Il est classé 80e sur 246 modèles, à partir de 19 mesures.

**Dans quelles tâches DeepSeek-V3.2 est-il le plus fort ?** Ses deux meilleures tâches sont maths (77,2) et écriture (76,1). Sa tâche la plus faible est web (74,8).

**DeepSeek-V3.2 peut-il tourner en local ?** Trop lourd pour les machines que suit Quelle IA : 472,6 Go en version allégée à 4 bits, plus que les 448 Go utiles de quatre DGX Spark en grappe. Il lui faut un serveur.

**Combien coûte DeepSeek-V3.2 ?** 0,20 € par million de jetons en entrée et 0,30 € 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 ?** DeepSeek-V3.2 est édité par DeepSeek (Chine), et il est sorti le 1er décembre 2025. Ses poids sont ouverts, sous licence Apache 2.0.

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