API 调用
按量计费无需部署,通过统一 API 快速调用模型,按实际用量付费。
开始 API 调用DeepSeek-V3.2 是一款兼具高计算效率与卓越推理和 Agent 性能的模型。其方法建立在三大关键技术突破之上:DeepSeek 稀疏注意力(DSA),一种高效的注意力机制,在保持模型性能的同时显著降低了计算复杂性,并特别针对长上下文场景进行了优化;可扩展的强化学习框架,通过该框架,模型性能可与 GPT-5 相媲美,其高算力版本在推理能力上可与 Gemini-3.0-Pro 匹敌;以及大规模 Agent 任务合成管线,旨在将推理能力整合到工具使用场景中,从而提高在复杂交互环境中的指令遵循和泛化能力。该模型在 2025 年国际数学奥林匹克(IMO)和国际信息学奥林匹克(IOI)中取得了金牌表现
通过 API 即可调用,按实际使用量计费。
计费币种:人民币| 计费类型 | 单价 / 计费单位 |
|---|---|
| 输入 tokens | ¥ 4.00 / M Tokens |
| 输出 tokens | ¥ 6.00 / M Tokens |
| 缓存命中 tokens | ¥ 0.40 / M Tokens |
Base URL: https://api.siliconflow.cn/v1
curl -X POST https://api.siliconflow.cn/v1/chat/completions \
-H "Authorization: Bearer $SILICONFLOW_API_KEY" \
-H "Content-Type: application/json" \
-d '{
"model": "Pro/deepseek-ai/DeepSeek-V3.2",
"messages": [
{
"role": "user",
"content": "你好,请介绍一下自己。"
}
]
}'
请将 API Key 设置为环境变量 SILICONFLOW_API_KEY,避免在客户端公开密钥。
DeepSeek-V3.2 是一款兼顾计算效率、推理与 Agent 能力的模型;硅基流动已上线其高速版。
采用 DeepSeek Sparse Attention(DSA)稀疏注意力机制,在保持模型性能的同时降低计算复杂度,重点优化长上下文场景;硅基流动平台支持最大上下文为 160K。
通过扩展强化学习后训练计算量和大规模 Agent 任务合成,增强推理、工具使用,以及复杂交互环境中的指令遵循与泛化能力。
日常问答与通用任务:兼顾质量与效率的选择,输出精炼,有助于减少等待时间与 Token 消耗。
需要推理与工具配合的 Agent 任务:模型同时支持思考模式和非思考模式下的工具调用,适合在智能体工作流中使用。
编码与交互式网页开发:通过硅基流动 API 可便捷接入 Claude Code、Cursor、Codex 等编程工具,无需改变现有工作流。
两者定位不同,各有优劣,DeepSeek-V3.2 在部分推理任务上追平 GPT-5,追求高性价比推理能力可将 DeepSeek-V3.2 作为候选模型。
DeepSeek-V3.2 优势:公开推理测试达到 GPT-5 水平;成本效益突出,同价位准确率领先;特定医疗任务评分优于 ChatGPT-5.2。
GPT-5 领先处:数学、编程、多模态理解树立标杆;原生多模态与企业级集成更完善。
算力与稀疏架构的“双倍降本”共振:DeepSeek-V3.2 引入了 DSA 以降低长文本计算复杂度,而硅基流动的核心壁垒正是自研推理加速引擎。两者结合并非简单的 API 托管,而是将算法层的稀疏化与底层的算子优化打通,把单次长文本(160K 上下文)与高频工具调用的推理延迟和边际成本压到极致。
保障生产级 SLA:硅基流动作为专业的“Token 工厂”,提供了更稳健的吞吐量与高可用兜底,可放心把 V3.2 模型作为“敢上生产线的引擎”。
Agent 复杂工作流的“长程不断联”:V3.2 的核心进化在于强化学习加持下的 Agent 与工具调用能力以及灵活切换思考与非思考模式。Agent 任务往往意味着成百上千次连续多轮请求,硅基流动的高速首字响应(TTFT)与满血 160K 上下文支持,能有效避免长链路任务因超时或截断而崩溃,无缝适配 Claude Code、Cursor、Cline 等开发流。
告别“单一模型锁定”的自由路由权:真实业务很少只靠一个模型打天下。在硅基流动仅需一套 OpenAI 兼容接口和一个密钥,就能以 DeepSeek-V3.2 作为核心推理大脑,同时零摩擦串联平台上的 Qwen、GLM、Kimi、MiniMax、Embedding/Reranker 乃至语音视觉模型,实现多模型混合调度与随时热切换的架构自由。
硅基流动 DeepSeek-V3.2 采用透明的按量计费模式,定价分缓存命中/输入/输出三档,实际调用价格以模型页当前价格为准。
在生产环境中选型,真实的账单取决于业务场景的 Token 消耗结构。
思考模式(Thinking Mode)可能带来隐性的输出膨胀,日常简单意图识别、闲聊或格式化提取等任务可关闭思考模式,建议按任务难度在代码层动态开关。
任务类型属于“长 System Prompt 反复复用、RAG 固定知识库问答、长文档多轮追问”等情况,上下文缓存命中率决定了成本底线,类似高频重复前缀场景务必优先测试缓存支持情况。