Aller au contenu
EN 4 QUESTIONSTrouver mon modèle
Fiche modèle · édition du

DeepSeek-⁠V3.2

DeepSeek · Chine · sorti le DeepSeek · Chine · 1er décembre 2025

  • Avec réflexion
  • Poids ouverts · Apache 2.0
  • Serveur seulement
  • Classe énergétique E
75,3de 73,3 à 77,3Rang 93 · 95 %?
Empreinte?
Raisonnement75,1Code76,1Agents72,1Usage75,6Maths77,2Sciences75,6Français75,1VisionÉcriture76,4Web74,8

Son bilan?

  • Au classement général, 93e sur 257, ex æquo avec 23 autres modèles dont les marges d'erreur se recouvrent.
  • Pas encore classé en code, tâches d'agent et sciences : trop peu de mesures.
  • Pas encore mesuré en compréhension d'images.
L'essayer surDeepSeek (nouvel onglet)

Estimationenviron 0,35 € pour 1 000 questions par l'API, en comptant 1 000 jetons lus et 500 écrits par question. Comment on l'estime

Score général?

75,3de 73,3 à 77,3

Rang93Groupe 7, ex æquoCouverture95 %18 mesures

Pourquoi ce score ? →Comment lire un score →

Artificial Analysis

Hors du score

Artificial Analysis évalue les modèles de son côté et publie son propre indice, l'Artificial Analysis Intelligence Index. 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 évaluéeIndiceRang chez euxVitessePremier jetonPrix par million de jetonsentrée / sortie
DeepSeek V3.2 (Reasoning)21,5non publié0,0 jetons/s0,00 s0,28 $ / 0,42 $
DeepSeek V3.2 (Non-reasoning)16,0non publié0,0 jetons/s0,00 s0,28 $ / 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. Relevé le 26 octobre 2026 sur leur site, reproduit avec leur accord.

Source : Artificial Analysis

Peut-il tourner chez vous ?ESTIMATION

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.

  • Cartes graphiquesTrop juste
  • PC portables GeForce RTXTrop juste
  • PC portables Intel Core UltraTrop juste
  • PC portables Snapdragon X2Trop juste
  • MacTrop juste
  • Mini-PC et PC portables Ryzen AI MaxTrop juste
  • Nvidia DGX et RTX SparkTrop juste
  • Sans carte graphiqueTrop juste
  • ServeurOui
Mémoire selon la versionAllégée, 4 bits472,6 GoAllégée, 8 bits827,1 GoComplète, 16 bits1 575,5 GoLe pointillé marque 448 Go, la mémoire utile de quatre DGX Spark en grappe, la plus grande machine que nous suivons.
Vitesse de générationPas d'estimation de vitesse : l'éditeur ne publie pas le nombre de paramètres actifs par jeton de ce modèle. Comment on l’estime.

Les benchmarks mesurent la version complète du modèle. La version allégée fait un peu moins bien. À télécharger avec Ollama, LM Studio ou llama.cpp. Comment on compte la mémoire. Les prix et les marchands sont sur la page de chaque machine.

Pour aller plus loin. Installer Ollama, lancer un premier modèle et fixer la taille du contexte pour qu'il tienne dans la mémoire de la machine. Ollama & les modèles locaux, sur minilabai.com. Un guide du même auteur que QUELLE IA.

Fiche technique

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

Où le trouver

Liens directs, sans affiliation

Dans les outils de code

Relevé du
Disponible dans

Un modèle proposé par un outil figure dans la liste que son éditeur publie. Rien n'y est mesuré. Tous les outils et leurs modèles →

Toutes les mesures

34 mesures · d'où vient le score
BenchmarkRésultatÉquivaut à?RéflexionÉtatSource
OTIS Mock AIME 2024-202587,8 %75,7InconnueSATURÉepoch.ai
GPQA Diamond83,4 %75,4InconnueSATURÉepoch.ai
DTBench85,6 %78,4InconnueSATURÉconceptualreasoning.ai
Aider Polyglot74,2 %73,5InconnueARCHIVÉaider.chat
Aider Polyglot70,2 %71,9InconnueARCHIVÉaider.chat
GPQA Diamond71,2 %65,9InconnueSATURÉepoch.ai
ARC-AGI-157 %75,7InconnueSATURÉepoch.ai
Arena, questions d'experts1 453,8 Elo77,0ÉlevéeACTIFarena.ai
Arena, écriture créative1 400,6 Elo77,6InconnueACTIFarena.ai
Arena, questions de code1 475,4 Elo76,9ÉlevéeACTIFarena.ai
Arena, questions d'experts1 448,0 Elo75,8InconnueACTIFarena.ai
Arena, questions de maths1 428,5 Elo75,8ÉlevéeACTIFarena.ai
Voir les 22 autres mesures
Arena, texte1 424,7 Elo75,9InconnueACTIFarena.ai
Arena, questions de code1 469,4 Elo75,5InconnueACTIFarena.ai
Arena, questions de maths1 425,5 Elo75,2InconnueACTIFarena.ai
Arena, texte1 422,7 Elo75,4ÉlevéeACTIFarena.ai
Arena, écriture créative1 391,1 Elo75,4ÉlevéeACTIFarena.ai
Arena, questions en français1 438,8 Elo74,4InconnueACTIFarena.ai
compar:IA1 029,0 Elo75,4InconnueACTIFarene.comparia.beta.gouv.fr
Arena, questions en français1 429,5 Elo72,3ÉlevéeACTIFarena.ai
OTIS Mock AIME 2024-202548,9 %62,0InconnueSATURÉepoch.ai
Terminal-Bench 2.039,6 %74,7Inconnue · Terminus 2ARCHIVÉtbench.ai
Code Arena, WebDev1 362,5 Elo74,8ÉlevéeACTIFarena.ai
DTBench62,7 %55,2InconnueSATURÉconceptualreasoning.ai
Code Arena, WebDev1 326,0 Elo72,4InconnueACTIFarena.ai
LMCA28,8271,2InconnueACTIFconceptualreasoning.ai
APEX-Agents21,3 %71,5InconnueACTIFepoch.ai
LMCA15,2457,1InconnueACTIFconceptualreasoning.ai
CL-bench12,4 %65,4InconnueARCHIVÉepoch.ai
ProofBench8 %79,0InconnueSATURÉvals.ai
CL-bench Life7,4 %70,4InconnueARCHIVÉepoch.ai
ARC-AGI-24 %70,9InconnueSATURÉepoch.ai

En bref

Quel est le score de DeepSeek-V3.2 ?
DeepSeek-V3.2 obtient un score IA de 75,3, avec une marge de 73,3 à 77,3, dans l'édition du 9 novembre 2026. Il est classé 93e sur 257 modèles, à partir de 18 mesures.?
Dans quelles tâches DeepSeek-V3.2 est-il le plus fort ?
Ses deux meilleures tâches sont maths (77,2) et écriture (76,4). Sa tâche la plus faible est agents (72,1).
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. Pour fixer les idées, 1 000 questions de 1 000 jetons, avec des réponses de 500 jetons, coûteraient environ 0,35 € par l'API : c'est une estimation, pas un tarif. 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.

Ses voisins?