האם המשקלים פתוחים והאם אפשר להריץ את DeepSeek V3.2 מקומית?

כן, המשקלים זמינים בפומבי ב-Hugging Face תחת deepseek-ai/DeepSeek-V3.2. שימו לב שהמודל גדול מאוד, ולכן פריסה מקומית דורשת חומרה משמעותית.

כמה עולה DeepSeek V3.2 ומה גודל חלון ההקשר?

דרך ה-API המחיר הוא 0.26 דולר למיליון טוקני קלט ו-0.80 דולר למיליון טוקני פלט, עם חלון הקשר של 163,840 טוקנים.

מה ההבדל בין V3.2 לגרסאות DeepSeek V3 קודמות?

V3.2 מוסיף את DeepSeek Sparse Attention לאינפרנס זול יותר בהקשרים ארוכים, מסגרת אימון לאחר חיזוק מתקדמת, מערכת סינתזת משימות אגנטית חדשה, ותבנית שיחה מעודכנת עם יכולת 'חשיבה עם כלים' שלא הייתה בגרסאות הקודמות.

▲

1.6%

השבוע הזה

DeepSeek V3.2

8488°

#llm #deepseek #הסקת מסקנות #סוכנים #מתמטיקה #תכנות

2026

הפעל את המודל הזה

הצעות / פרסומות

OpenRouter טרמינל / API

תשלום לפי טוקן

שוחח עם המודל הזה בדפדפן או קרא לו מהקוד שלך עם מפתח API אחד.

DeepSeek | הקשר של 163,840 טוקנים | $0.26/M קלט, $0.80/M פלט. DeepSeek-V3.2 הוא מודל שפה גדול המיועד לשלב יעילות חישובית גבוהה עם ביצועי הסקה ושימוש בכלים סוכניים חזקים. הוא מציג את DeepSeek Sparse Attention (DSA), מנגנון תשומת לב דליל מדויק שמפחית עלות אימון והסקה תוך שמירה על איכות בתרחישי הקשר ארוך. מסגרת אימון לאחר למידה מחוזקת מדרגת את ההסקה, עם ביצועים מדווחים ברמת GPT-5, והמודל הראה תוצאות מדליית זהב ב-IMO ו-IOI 2025. V3.2 משתמש גם בצינור סינתזה של משימות סוכניות בקנה מידה גדול לשילוב טוב יותר של הסקה בהקשר של שימוש בכלים, משפר ציות והכללה בסביבות אינטראקטיביות. משתמשים יכולים לשלוט בהתנהגות ההסקה עם פרמטר reasoning enabled boolean. למידע נוסף בתיעוד שלנוOpens in new tab

מדריכים לדגם זה

ה-LLM המקומי הטוב ביותר לפי מקרה שימוש (אוקטובר 2026): הדגם הפתוח המתאים לכל עבודה

כמה VRAM אני באמת צריך ל-AI מקומי?

מה זה קובץ GGUF? הסבר על מודלים מכווצים (Q4, Q8, fp8, NF4)

כל המדריכים

הערות הקפטן

נכתב על ידי Captain, העורך הבית

הערות מ-2026-10-13

DeepSeek V3.2 הוא מודל גדול עם משקלים פתוחים מבית DeepSeek, המבוסס על שלושה הימורים טכניים: מנגנון קשב מפוזר שמפחית עלויות חישוב בהקשרים ארוכים, מסגרת אימון לאחר חיזוק מתקדמת ומערכת סינתזת משימות אגנטית שמחברת חשיבה לשימוש בכלים. היצרן מדווח על ביצועים ברמת GPT-5, עם תוצאות מדליית זהב בתחרויות IMO ו-IOI לשנת 2025. במחיר של פחות מדולר למיליון טוקנים פלט, זהו אופציה רצינית אם אתם צריכים חשיבה ברמת קצה בלי חשבונות ברמת קצה.

ידוע ב

ביצועי מדליית זהב בתחרויות המתמטיקה והקידוד IMO ו-IOI לשנת 2025.
DeepSeek Sparse Attention מפחית עלויות אינפרנס תוך שמירה על איכות בהקשרים ארוכים.
ניתן להדליק או לכבות את החשיבה באמצעות פרמטר בוליאני אחד.
שימוש אגנטי בכלים השתפר באמצעות נתוני אימון סינתטיים בקנה מידה גדול.
משקלים פתוחים זמינים ב-Hugging Face לפריסה עצמאית.

שימו לב ל

אין תבנית שיחה ב-Jinja; יש להשתמש בסקריפטים מותאמים של היצרן בפייתון, מה שמוסיף חיכוך באינטגרציה.
הרצת מודל בקנה מידה כזה מקומית דורשת חומרה רצינית — בדקו את זיכרון ה-VRAM לפני ההורדה.
הגרסה המחשובית הגבוהה DeepSeek-V3.2-Speciale מתוארת בנפרד; ה-V3.2 הסטנדרטי הוא הגרסה הנגישה דרך API כאן.

הכי טוב ל

הנחיות לנסות

בעיה קשה בתחרות מתמטיקה

רצף מוגדר על ידי a₁ = 1, a₂ = 1, ו-aₙ = aₙ₋₁ + aₙ₋₂ + n עבור n ≥ 3. מצא נוסחה סגורה או נוסחת רקורסיה עבור האיבר הכללי, והוכח את תשובתך. הצג כל שלב בתהליך החשיבה שלך.

תוכנית אגנטית רב-שלבית

יש לך גישה לכלי חיפוש באינטרנט, מפרשן פייתון, וכלי כתיבת קבצים. משתמש רוצה דוח שבועי על חמשת שחרורי ה-LLM בקוד פתוח המובילים, שמור כקובץ markdown. כתוב את תוכנית הקריאה המלאה לכלים: אילו כלים תקרא, באיזו סדר, עם אילו קלטים, ואיך תטפל בתוצאה של חיפוש שנכשל.

משימת תכנות תחרותית

בהינתן מערך של n מספרים שלמים, מצא את האורך של תת-המערך הארוך ביותר שסכום האיברים בו מתחלק ב-k. כתוב פתרון בפייתון עם סיבוכיות זמן O(n), הסבר למה זה עובד, וכלול שני מקרים מבחן עם התוצאות הצפויות.

השווה עם

DeepSeek V4.1 Flash
מודל עם משקלים פתוחים
הקשר של 1,048,576 טוקנים · קלט $0.04/M, פלט $0.68/M
DeepSeek V4 Flash 0731
מודל עם משקלים פתוחים
הקשר של 1,048,576 טוקנים · קלט $0.01/M, פלט $1.28/M
DeepSeek V4 Flash 0423
מודל עם משקלים פתוחים
הקשר של 1,048,576 טוקנים · קלט $0.09/M, פלט $0.18/M
DeepSeek V4 Pro 0813
מודל עם משקלים פתוחים
הקשר של 1,048,576 טוקנים · קלט $1.32/M, פלט $3.96/M

עוד דגמי טקסט מ-deepseek

שאלות שאנשים שואלים

האם המשקלים פתוחים והאם אפשר להריץ את DeepSeek V3.2 מקומית?: כן, המשקלים זמינים בפומבי ב-Hugging Face תחת deepseek-ai/DeepSeek-V3.2. שימו לב שהמודל גדול מאוד, ולכן פריסה מקומית דורשת חומרה משמעותית.
כמה עולה DeepSeek V3.2 ומה גודל חלון ההקשר?: דרך ה-API המחיר הוא 0.26 דולר למיליון טוקני קלט ו-0.80 דולר למיליון טוקני פלט, עם חלון הקשר של 163,840 טוקנים.
מה ההבדל בין V3.2 לגרסאות DeepSeek V3 קודמות?: V3.2 מוסיף את DeepSeek Sparse Attention לאינפרנס זול יותר בהקשרים ארוכים, מסגרת אימון לאחר חיזוק מתקדמת, מערכת סינתזת משימות אגנטית חדשה, ותבנית שיחה מעודכנת עם יכולת 'חשיבה עם כלים' שלא הייתה בגרסאות הקודמות.

פסק הדין של הקפטן
שילוב נדיר של משקלים פתוחים, מחיר פלט מתחת לדולר, וחשיבה ברמת קצה אמיתית — עומס האינטגרציה אמיתי אך שווה את זה.

כרטיס דגם ב-Hugging Face

הקפטן כותב את ההערות האלו מתוך התיאור וכרטיס הדגם של המודל. מחירים וגודל ההקשר הם של הספק בזמן הכתיבה ויכולים להשתנות.

Ranking badge

Updated Oct 22, 2026

Made this model? Show this badge on your page.

Paste it into your Hugging Face card or Civitai description.

Change colors / personalize / get code

Also ranked: #190 Hottest AI model · #56 Hottest Text / LLM model · #56 Hottest Text / LLM text model

Not this creator?

Get your own badge

מגמת הפופולריות של DeepSeek V3.2

ציון חום מאז 1 Dec 2025

ציון חום

8,488°

השבוע הזה

▲

1.6%

8,485° אז, 8,488° עכשיו

החודש הזה

▲

7.4%

8,476° אז, 8,488° עכשיו

השנה האחרונה

לא זמין

טרם שוחרר/נמדד

7,000°

רצפה

הסולם נע מ-0° עד 9,999°. כל מה שמתחת ל-7,000° נשמר לדגמים שאין עליהם דיווח ממקור כלשהו, שנושאים מספר תחליפי שם כדי לשמור על שלמות הרשימות. 7,000° הוא המקום שבו מתחילים הנתונים הנמדדים: דגם עם נתונים אמיתיים אך כמעט ללא הורדות יושב על הרצפה, והמדידות ממלאות את המעלות מעליה. הרצפה לא אומרת דבר על הדגם; רק המעלות מעליה אומרות, והן מה שמבדיל דגם מדגם.

+1,488°

אסימוני OpenRouter

914,260,079,186 אסימונים שעיבד המודל דרך OpenRouter ב-30 הימים האחרונים, כולל בקשות ותשובות. כל 10,000,000 אסימונים שווים הורדה אחת במונח ההורדה, 91,426 בסך הכל; אסימוני היום האחרון נכללים בקצב האימוץ. מקור: OpenRouter (openrouter.ai/rankings).

הצג פירוט מפורט

כל מספר באתר הזה ניתן לבדיקה. ציון החום של דגם זה הוא 8,488°, וכאן הוא בנוי מרכיב אחד בכל פעם, עם הסכום המצטבר אחרי כל אחד: הרצפה, המעלות שכל מקור מוסיף, הבונוס לסוג הדגם ומה שהגיל של המשקלים שלו מוריד. הצבעים הם רצועות הגרף למעלה. המילון בסוף מגדיר כל מונח.

1
התחל מהרצפה.
למה 7,000° ולא אפס: הסולם נע מ-0° עד 9,999°, והחלק מתחת ל-7,000° שמור למודלים שאין עליהם דיווח ממקור כלשהו, שנושאים שם מספר זמני כדי שהרשימות יישארו שלמות ולעולם לא יעקפו מודל עם נתונים. 7,000° הוא המקום שבו מתחילים הנתונים המדודים. מודל עם נתונים אמיתיים אך כמעט ללא הורדות יושב כאן; כל מה שמעל הוא מדידה, והחלל מעל הרצפה מחזיק עשר מדרגות של פי עשר בהורדות ב-300° כל אחת. הרצפה זהה לכל מודל, ולכן אינה קובעת דבר; המעלות שמעליה הן שקובעות.
7,000°
סכום מצטבר
2
הוסף את ההורדות.
91,426 שקולים להורדה בסך הכל, מ-אסימוני OpenRouter. עשר פעמים יותר הורדות מוסיפות את אותו 300°, כך שהגודל חשוב אך לא משתלט על הציון.
+1,488°
8,488°
סכום מצטבר
=
ציון החום.
מיקום המודל בכל רשימה באתר זה. שום דבר אחר לא משנה את זה.
8,488°

מילון: המונחים כאן

ציון חום: מספר אחד שמייצג כמה מודל בשימוש ומבוקש כרגע, מ-0° עד 9,999°. כל רשימה באתר שאומרת "הכי חם" ממוינת לפי ציון זה בלבד.
רצפה: 7,000° שממנו מתחיל כל מודל עם נתונים אמיתיים. הסולם נע מ-0° עד 9,999°; החלק מתחת לרצפה שמור למודלים ללא נתונים, כך שמודל עם נתונים תמיד מדורג מעל מודל ללא. הרצפה זהה לכולם ואינה קובעת דבר; המעלות שמעליה הן המדידה.
שקולים להורדה: כל מה שהציון מתייחס אליו כהורדה, מצטבר: הורדות עצמן, כל משתף טורנט כשווה ל-1,000, כל תמונת AI Horde וכל הרצת יצירה באתר כשווה להורדה אחת.
סולם לוגריתמי: ספירה בעשרות, לא ביחידות: מעבר מ-1,000 ל-10,000 הורדות מוסיף את אותן מעלות כמו מעבר מ-10,000 ל-100,000. זה מונע מגיבורים להדחיק את כל השאר.
לייקים: אצבעות למעלה ולייקים מכל מקור, שווים חצי הורדה כל אחד בסולם הלוגריתמי.
קצב אימוץ: כמה הורדות ביום מקבל מודל כרגע, מההפרש בין שתי קריאות מקור. רבע ממשקל מונח ההורדה.
מדוד ומוערך: מדוד אומר שיש שתי קריאות מקור וההפרש אמיתי. מוערך אומר שרק סך היום ידוע והעבר מפוזר על חיי המודל; האתר מציין מה מוצג.
משתף: מישהו ששומר עותק של המשקלים באינטרנט להורדה דרך טורנט, או מראה מאוחסנת שעושה זאת. כל אחד שווה 1,000 הורדות.
AI Horde: רשת מתנדבים שיוצרת תמונות בחינם במחשבים שנתרמו. מספר התמונות שיצרה עם מודל הוא ציבורי, וכל אחת שווה הורדה אחת.
אתרי יצירה: אתרים שמארחים עותקים של מודל ומאפשרים יצירה איתו, כמו PixAI, SeaArt ו-Yodayo. ההורדות שלהם נספרות כמו ב-Civitai וכל הרצת יצירה שווה הורדה אחת.
אסימוני OpenRouter: מודל טקסט שמוגש דרך API, כמו Claude או GPT, אין לו משקלים להורדה, לכן השימוש נמדד באסימונים: חתיכות הטקסט שקרא וכתב דרך OpenRouter, שער שמשמש אפליקציות רבות, ב-30 הימים האחרונים. כל 10,000,000 אסימונים שווים הורדה אחת. מקור: OpenRouter (openrouter.ai/rankings), CC BY 4.0.
מודל מלא (נקודת שמירה): המשקלים עצמם, הקובץ שנוצר בעצמו. מקבל בונוס כי התוספים תלויים בו.
LoRA והטמעה: קבצי תוסף קטנים שמכוונים משקלים של מישהו אחר לסגנון, דמות או מושג. הם לא יכולים לפעול לבד.
משפחה ומשקלים: הבסיס שעליו בנוי המודל, כמו SD 1.5, SDXL, Flux או Wan. כל מודל יורש את תאריך השחרור של משקלי המשפחה שלו.
גיל: מנוכים מעלות לפי כמה זמן עבר מאז יציאת משקלי המשפחה: 150° בשנה, עד 750°. זה שומר הורדות ישנות שהצטברו במשך שנים כדי להקפיא את הפסגה של הרשימה.
דחיפה משפחתית: דחיפה קטנה ומוגבלת לתוספי LoRA ממשפחה שהאתר מקדם כרגע, תמיד מופיעה בפירוט.
ציון מייצג: מספר יציב מתחת לתקרה שניתן למודל שאין עליו דיווח מקור עדיין, כדי שהרשימות יישארו שלמות. הוא אף פעם לא מדורג מעל מודל עם נתונים.
חדש! (תקופת חסד): מודל שגילו פחות מ-7 ימים מציג 'חדש!' במקום ציון ואינו תופס מקום בדירוג. הציון שלו מחושב מהיום הראשון, אבל מודל בן יום צומח מהר יותר מכולם, ולכן בלי ההמתנה המוביל השבועי היה תמיד מה שיצא אתמול במקום מה שהחזיק מעמד שבוע.
מגמה: איך הצמיחה של מודל בתקופה מסוימת משתווה לצמיחה הטיפוסית של מודל באותה תקופה. מהיר מהטיפוסי נקרא עלייה, איטי יותר ירידה.
מודל טיפוסי: האמצע של הקטלוג: חצי מהמודלים עם ציון צמחו מהר יותר בתקופה, וחצי לאט יותר.

איך הפופולריות של דגם זה השתנתה לעומת שאר הקטלוג: הצמיחה בהורדות, לייקים ושימוש בכל תקופה, נמדדת מול הצמיחה הטיפוסית של דגם באותה תקופה, עם ציון החום שלו באותו זמן. מעל הצמיחה הטיפוסית נקרא עלייה, מתחת לה ירידה. העבר משוחזר מסכומים של היום, היום הראשון של הדגם ומהירות ההורדה שנמדדה כשיש שתי קריאות; דגם שלא היה קיים בתחילת התקופה מציג n/a.

דגמים דומים

מודלי AI ליצירת תמונות, וידאו וטקסט

DeepSeek V3.2 הוא מודל טקסט ממשפחת Text / LLM הרשומה ב-ModelTrends.ai, קטלוג לקריאה בלבד של מודלי AI פתוחים לתמונה, וידאו וטקסט. השווה אותו למודלים אחרים ממשפחת Text / LLM ובדוק את ציון החום שלו כדי לראות איך הוא במגמה.

עוד דגמים ממשפחת Text / LLM עוד טקסט / LLM ממשפחת Text / LLM llm deepseek הסקת מסקנות סוכנים מתמטיקה תכנות מקומי

דפדף לפי משפחת מודלים