⬇ EPUB GitHub
← 模型目录

DeepSeek-V3.2 / DeepSeek-V3.2-Speciale

DeepSeek · 2025-12-01 · 类别未确认

官方发布来源 · 按需求选型 · 查看覆盖缺口 · 归档与转录记录

DeepSeek-V3.2

DeepSeek 官方将 V3.2 正式版定位为「强化 Agent 能力、融入思考推理」，是 DeepSeek 首个将思考与工具调用融合的模型。已收录 26 项评测覆盖数学竞赛、代码、知识与工具/Agent 使用：亮点 AIME 2025（Thinking）93.1、Codeforces（Thinking）2386。

输入模态
文本
上下文
官方资料未说明
参数
官方资料未说明
价格（每百万 tokens）
无此口径报价；不等于免费

本变体的评测证据

aime-25 93.1 模型 deepseek-v3-2 · 版本 Thinking · 指标 未说明 · 单位 percent 来源等级 A · vendor_reported · 核对日期 2026-09-01 · 距快照 33 天

归一化读数：不计算；样本及方差不完整，无法计算置信区间。

原文位置与完整协议

heading: 推理能力 / 思考融入工具调用 · row: AIME 2025 · figure: images/03.webp (archive of api-docs v3.2_251201_benchmark_table_cn.webp, Table 1 reasoning; 单元格括号内为 token 成本)

{
  "harness": null,
  "tools": null,
  "shots": null,
  "reasoning_effort": null,
  "temperature": null,
  "top_p": null,
  "token_budget": null,
  "turn_limit": null,
  "time_limit": null,
  "run_count": null,
  "aggregation": null,
  "judge": null
}

Vision-assisted read of the archived image (confirmed 2026-09-01): V3.2 Thinking 93.1 (~16k tokens); Speciale 96.0 (~23k). Columns: GPT-5 High 94.6 (13k), Gemini-3.0 Pro 95.0 (15k), Kimi-K2 Thinking 94.5 (24k). Token cost printed per cell in parentheses - part of the claim. 视觉转写自归档图 images/03.webp（2026-09-01 复核，与先前读数一致）。V3.2 单元格含 token 成本 16k。 同表 Speciale 列 96(23k)。 竞品列：GPT-5 High 94.6(13k), Gemini-3.0 Pro 95.0(15k), Kimi-K2 Thinking 94.5(24k)。

打开官方来源

hmmt25 92.5 模型 deepseek-v3-2 · 版本 February 2025, Thinking · 指标 未说明 · 单位 percent 来源等级 A · vendor_reported · 核对日期 2026-09-01 · 距快照 33 天

归一化读数：不计算；样本及方差不完整，无法计算置信区间。

原文位置与完整协议

heading: 推理能力 / 思考融入工具调用 · row: HMMT Feb 2025 · figure: images/03.webp (archive of api-docs v3.2_251201_benchmark_table_cn.webp, Table 1 reasoning; 单元格括号内为 token 成本)

{
  "harness": null,
  "tools": null,
  "shots": null,
  "reasoning_effort": null,
  "temperature": null,
  "top_p": null,
  "token_budget": null,
  "turn_limit": null,
  "time_limit": null,
  "run_count": null,
  "aggregation": null,
  "judge": null
}

Vision read of the archived image (confirmed 2026-09-01): V3.2 92.5 (19k); Speciale 99.2 (27k); GPT-5 88.3, Gemini 97.5, K2 Thinking 89.4. 视觉转写自归档图 images/03.webp（2026-09-01 复核，与先前读数一致）。V3.2 单元格含 token 成本 19k。 同表 Speciale 列 99.2(27k)。 竞品列：GPT-5 High 88.3(16k), Gemini-3.0 Pro 97.5(16k), Kimi-K2 Thinking 89.4(31k)。

打开官方来源

hmmt25 90.2 模型 deepseek-v3-2 · 版本 November 2025, Thinking · 指标 未说明 · 单位 percent 来源等级 A · vendor_reported · 核对日期 2026-09-01 · 距快照 33 天

归一化读数：不计算；样本及方差不完整，无法计算置信区间。

原文位置与完整协议

heading: 推理能力 / 思考融入工具调用 · row: HMMT Nov 2025 · figure: images/03.webp (archive of api-docs v3.2_251201_benchmark_table_cn.webp, Table 1 reasoning; 单元格括号内为 token 成本)

{
  "harness": null,
  "tools": null,
  "shots": null,
  "reasoning_effort": null,
  "temperature": null,
  "top_p": null,
  "token_budget": null,
  "turn_limit": null,
  "time_limit": null,
  "run_count": null,
  "aggregation": null,
  "judge": null
}

Vision read of the archived image (confirmed 2026-09-01): V3.2 90.2 (18k); Speciale 94.4 (25k). Matches GLM-5/GLM-5.1 competitor columns (90.2). 视觉转写自归档图 images/03.webp（2026-09-01 复核，与先前读数一致）。V3.2 单元格含 token 成本 18k。 同表 Speciale 列 94.4(25k)。 竞品列：GPT-5 High 89.2(20k), Gemini-3.0 Pro 93.3(15k), Kimi-K2 Thinking 89.2(29k)。

打开官方来源

imo-answerbench 78.3 模型 deepseek-v3-2 · 版本 Thinking · 指标 未说明 · 单位 percent 来源等级 A · vendor_reported · 核对日期 2026-09-01 · 距快照 33 天

归一化读数：不计算；样本及方差不完整，无法计算置信区间。

原文位置与完整协议

heading: 推理能力 / 思考融入工具调用 · row: IMOAnswerBench · figure: images/03.webp (archive of api-docs v3.2_251201_benchmark_table_cn.webp, Table 1 reasoning; 单元格括号内为 token 成本)

{
  "harness": null,
  "tools": null,
  "shots": null,
  "reasoning_effort": null,
  "temperature": null,
  "top_p": null,
  "token_budget": null,
  "turn_limit": null,
  "time_limit": null,
  "run_count": null,
  "aggregation": null,
  "judge": null
}

Vision read of the archived image (confirmed 2026-09-01): V3.2 78.3 (27k); Speciale 84.5 (45k). Matches GLM-5.1 competitor column (78.3). 视觉转写自归档图 images/03.webp（2026-09-01 复核，与先前读数一致）。V3.2 单元格含 token 成本 27k。 同表 Speciale 列 84.5(45k)。 竞品列：GPT-5 High 76.0(31k), Gemini-3.0 Pro 83.3(18k), Kimi-K2 Thinking 78.6(37k)。

打开官方来源

lcb 83.3 模型 deepseek-v3-2 · 版本 Thinking · 指标 未说明 · 单位 percent 来源等级 A · vendor_reported · 核对日期 2026-09-01 · 距快照 33 天

归一化读数：不计算；样本及方差不完整，无法计算置信区间。

原文位置与完整协议

heading: 推理能力 / 思考融入工具调用 · row: LiveCodeBench · figure: images/03.webp (archive of api-docs v3.2_251201_benchmark_table_cn.webp, Table 1 reasoning; 单元格括号内为 token 成本)

{
  "harness": null,
  "tools": null,
  "shots": null,
  "reasoning_effort": null,
  "temperature": null,
  "top_p": null,
  "token_budget": null,
  "turn_limit": null,
  "time_limit": null,
  "run_count": null,
  "aggregation": null,
  "judge": null
}

Vision read of the archived image (confirmed 2026-09-01): V3.2 83.3 (16k); Speciale 88.7 (27k). Version window not printed. 视觉转写自归档图 images/03.webp（2026-09-01 复核，与先前读数一致）。V3.2 单元格含 token 成本 16k。 同表 Speciale 列 88.7(27k)。 竞品列：GPT-5 High 84.5(13k), Gemini-3.0 Pro 90.7(13k), Kimi-K2 Thinking 82.6(29k)。

打开官方来源

codeforces 2386 模型 deepseek-v3-2 · 版本 Thinking · 指标 elo_rating · 单位 elo 来源等级 A · vendor_reported · 核对日期 2026-09-01 · 距快照 33 天

归一化读数：不计算；样本及方差不完整，无法计算置信区间。

原文位置与完整协议

heading: 推理能力 / 思考融入工具调用 · row: CodeForces · figure: images/03.webp (archive of api-docs v3.2_251201_benchmark_table_cn.webp, Table 1 reasoning; 单元格括号内为 token 成本)

{
  "harness": null,
  "tools": null,
  "shots": null,
  "reasoning_effort": null,
  "temperature": null,
  "top_p": null,
  "token_budget": null,
  "turn_limit": null,
  "time_limit": null,
  "run_count": null,
  "aggregation": null,
  "judge": null
}

Vision read of the archived image (confirmed 2026-09-01): V3.2 2386 (42k tokens); Speciale 2701 (77k); Gemini-3.0 Pro 2708. Elo rating, not a percentage. 视觉转写自归档图 images/03.webp（2026-09-01 复核，与先前读数一致）。V3.2 单元格含 token 成本 42k。 同表 Speciale 列 2701(77k)。 竞品列：GPT-5 High 2537(29k), Gemini-3.0 Pro 2708(22k), Kimi-K2 Thinking '-'（Kimi-K2-Thinking 列在表 1 该行为 '-'）。 汇总图 images/02.webp 同读数 2386 / 2701，两图一致。

打开官方来源

gpqa 82.4 模型 deepseek-v3-2 · 版本 Diamond, Thinking · 指标 未说明 · 单位 percent 来源等级 A · vendor_reported · 核对日期 2026-09-01 · 距快照 33 天

归一化读数：不计算；样本及方差不完整，无法计算置信区间。

原文位置与完整协议

heading: 推理能力 / 思考融入工具调用 · row: GPQA Diamond · figure: images/03.webp (archive of api-docs v3.2_251201_benchmark_table_cn.webp, Table 1 reasoning; 单元格括号内为 token 成本)

{
  "harness": null,
  "tools": null,
  "shots": null,
  "reasoning_effort": null,
  "temperature": null,
  "top_p": null,
  "token_budget": null,
  "turn_limit": null,
  "time_limit": null,
  "run_count": null,
  "aggregation": null,
  "judge": null
}

Vision read of the archived image (confirmed 2026-09-01): V3.2 82.4 (7k); Speciale 85.7 (16k). Matches GLM-5/5.1 competitor columns (82.4). 视觉转写自归档图 images/03.webp（2026-09-01 复核，与先前读数一致）。V3.2 单元格含 token 成本 7k。 同表 Speciale 列 85.7(16k)。 竞品列：GPT-5 High 85.7(8k), Gemini-3.0 Pro 91.9(8k), Kimi-K2 Thinking 84.5(12k)。

打开官方来源

hlehle 25.1 模型 deepseek-v3-2 · 版本 Thinking · 指标 未说明 · 单位 percent 来源等级 A · vendor_reported · 核对日期 2026-09-01 · 距快照 33 天

归一化读数：不计算；样本及方差不完整，无法计算置信区间。

原文位置与完整协议

heading: 推理能力 / 思考融入工具调用 · row: HLE · figure: images/03.webp (archive of api-docs v3.2_251201_benchmark_table_cn.webp, Table 1 reasoning; 单元格括号内为 token 成本)

{
  "harness": null,
  "tools": null,
  "shots": null,
  "reasoning_effort": null,
  "temperature": null,
  "top_p": null,
  "token_budget": null,
  "turn_limit": null,
  "time_limit": null,
  "run_count": null,
  "aggregation": null,
  "judge": null
}

Vision read of the archived image (confirmed 2026-09-01): V3.2 25.1 (21k); Speciale 30.6 (35k). Matches GLM-4.7/5/5.1 competitor columns (25.1). 视觉转写自归档图 images/03.webp（2026-09-01 复核，与先前读数一致）。V3.2 单元格含 token 成本 21k。 同表 Speciale 列 30.6(35k)。 竞品列：GPT-5 High 26.3(15k), Gemini-3.0 Pro 37.7(15k), Kimi-K2 Thinking 23.9(24k)。

打开官方来源

tau-bench 80.3 模型 deepseek-v3-2 · 版本 2, Thinking · 指标 未说明 · 单位 percent 来源等级 A · vendor_reported · 核对日期 2026-09-01 · 距快照 33 天

归一化读数：不计算；样本及方差不完整，无法计算置信区间。

原文位置与完整协议

heading: 推理能力 / 思考融入工具调用 · row: tau2-Bench (Table 2 agentic) · figure: images/04.webp (archive of api-docs v3.2_251201 Table 2 ToolUse/agentic)

{
  "harness": null,
  "tools": null,
  "shots": null,
  "reasoning_effort": null,
  "temperature": null,
  "top_p": null,
  "token_budget": null,
  "turn_limit": null,
  "time_limit": null,
  "run_count": null,
  "aggregation": null,
  "judge": null
}

Vision read of the archived image (confirmed 2026-09-01): V3.2 Thinking 80.3. Columns: Sonnet-4.5 84.7, GPT-5 80.2, Gemini-3.0 Pro 85.4, K2 Thinking 74.3, MiniMax M2 76.9. 视觉转写自归档图 images/04.webp（2026-09-01 复核，与先前读数一致）。 竞品列：Claude-4.5-Sonnet 84.7, GPT-5 High 80.2, Gemini-3.0 Pro 85.4, Kimi-K2 Thinking 74.3, MiniMax M2 76.9。

打开官方来源

mcp-universe 45.9 模型 deepseek-v3-2 · 版本 未说明 · 指标 未说明 · 单位 percent 来源等级 A · vendor_reported · 核对日期 2026-09-01 · 距快照 33 天

归一化读数：不计算；样本及方差不完整，无法计算置信区间。

原文位置与完整协议

heading: 推理能力 / 思考融入工具调用 · row: MCP-Universe · figure: images/04.webp (archive of api-docs v3.2_251201 Table 2 ToolUse/agentic)

{
  "harness": null,
  "tools": null,
  "shots": null,
  "reasoning_effort": null,
  "temperature": null,
  "top_p": null,
  "token_budget": null,
  "turn_limit": null,
  "time_limit": null,
  "run_count": null,
  "aggregation": null,
  "judge": null
}

new-benchmark: mcp-universe not yet in data/benchmarks/. Vision read of the archived image (confirmed 2026-09-01): V3.2 45.9. Columns: Sonnet-4.5 46.5, GPT-5 47.9, Gemini 50.7, K2 Thinking 35.6, M2 29.4. 视觉转写自归档图 images/04.webp（2026-09-01 复核，与先前读数一致）。 竞品列：Claude-4.5-Sonnet 46.5, GPT-5 High 47.9, Gemini-3.0 Pro 50.7, Kimi-K2 Thinking 35.6, MiniMax M2 29.4。

打开官方来源

mcp-mark 38.0 模型 deepseek-v3-2 · 版本 未说明 · 指标 未说明 · 单位 percent 来源等级 A · vendor_reported · 核对日期 2026-09-01 · 距快照 33 天

归一化读数：不计算；样本及方差不完整，无法计算置信区间。

原文位置与完整协议

heading: 推理能力 / 思考融入工具调用 · row: MCP-Mark · figure: images/04.webp (archive of api-docs v3.2_251201 Table 2 ToolUse/agentic)

{
  "harness": null,
  "tools": null,
  "shots": null,
  "reasoning_effort": null,
  "temperature": null,
  "top_p": null,
  "token_budget": null,
  "turn_limit": null,
  "time_limit": null,
  "run_count": null,
  "aggregation": null,
  "judge": null
}

new-benchmark: mcp-mark not yet in data/benchmarks/. Vision read of the archived image (confirmed 2026-09-01): V3.2 38.0. Columns: Sonnet-4.5 33.3, GPT-5 50.9, Gemini 43.1, K2 Thinking 20.4, M2 24.4. 视觉转写自归档图 images/04.webp（2026-09-01 复核，与先前读数一致）。 竞品列：Claude-4.5-Sonnet 33.3, GPT-5 High 50.9, Gemini-3.0 Pro 43.1, Kimi-K2 Thinking 20.4, MiniMax M2 24.4。

打开官方来源

toolathlon 35.2 模型 deepseek-v3-2 · 版本 未说明 · 指标 未说明 · 单位 percent 来源等级 A · vendor_reported · 核对日期 2026-09-01 · 距快照 33 天

归一化读数：不计算；样本及方差不完整，无法计算置信区间。

原文位置与完整协议

heading: 推理能力 / 思考融入工具调用 · row: Tool-Decathlon (Table 2) · figure: images/04.webp (archive of api-docs v3.2_251201 Table 2 ToolUse/agentic)

{
  "harness": null,
  "tools": null,
  "shots": null,
  "reasoning_effort": null,
  "temperature": null,
  "top_p": null,
  "token_budget": null,
  "turn_limit": null,
  "time_limit": null,
  "run_count": null,
  "aggregation": null,
  "judge": null
}

new-benchmark: tool-decathlon. Vision read of the archived image (confirmed 2026-09-01): V3.2 35.2 (matches GLM-5/5.1 competitor columns). Columns: Sonnet-4.5 38.6, GPT-5 29.0, Gemini 36.4, K2 Thinking 17.6, M2 16.0. 视觉转写自归档图 images/04.webp（2026-09-01 复核，与先前读数一致）。 竞品列：Claude-4.5-Sonnet 38.6, GPT-5 High 29.0, Gemini-3.0 Pro 36.4, Kimi-K2 Thinking 17.6, MiniMax M2 16.0。

打开官方来源

swebench 73.1 模型 deepseek-v3-2 · 版本 Verified · 指标 resolved_rate · 单位 percent 来源等级 A · vendor_reported · 核对日期 2026-09-01 · 距快照 33 天

归一化读数：不计算；样本及方差不完整，无法计算置信区间。

原文位置与完整协议

heading: 智能体能力对比（hero chart Agentic Capabilities 组） · row: SWE Verified (Resolved) · figure: images/02.webp (archive of api-docs v3.2_251201 benchmark.webp hero chart, Agentic Capabilities group)

{
  "harness": null,
  "tools": null,
  "shots": null,
  "reasoning_effort": null,
  "temperature": null,
  "top_p": null,
  "token_budget": null,
  "turn_limit": null,
  "time_limit": null,
  "run_count": null,
  "aggregation": null,
  "judge": null
}

仅出现在 hero chart（images/02.webp），Table 1/Table 2 未含此行。同一数值被 kimi-k2-6 发布页附录表转引（DeepSeek V3.2 SWE-Bench Verified 73.1），跨厂商一致，佐证读数。同组柱值：GPT-5 High 74.9, Claude-4.5-Sonnet 77.2, Gemini-3.0 Pro 76.2；Speciale 无 SWE 柱（研究型 API 无工具调用）。视觉转写自归档图（2026-09-01）。

打开官方来源

terminalbench 46.4 模型 deepseek-v3-2 · 版本 2.0 · 指标 accuracy · 单位 percent 来源等级 A · vendor_reported · 核对日期 2026-09-01 · 距快照 33 天

归一化读数：不计算；样本及方差不完整，无法计算置信区间。

原文位置与完整协议

heading: 智能体能力对比（hero chart Agentic Capabilities 组） · row: Terminal Bench 2.0 (Acc) · figure: images/02.webp (archive of api-docs v3.2_251201 benchmark.webp hero chart, Agentic Capabilities group)

{
  "harness": null,
  "tools": null,
  "shots": null,
  "reasoning_effort": null,
  "temperature": null,
  "top_p": null,
  "token_budget": null,
  "turn_limit": null,
  "time_limit": null,
  "run_count": null,
  "aggregation": null,
  "judge": null
}

仅出现在 hero chart（images/02.webp）。同一数值被 kimi-k2-6 发布页附录表转引（DeepSeek V3.2 Terminal-Bench 2.0 46.4），跨厂商一致，佐证读数。同组柱值：GPT-5 High 35.2, Claude-4.5-Sonnet 42.8, Gemini-3.0 Pro 54.2（柱序按图例，灰阶柱读数）。视觉转写自归档图（2026-09-01）。

打开官方来源

DeepSeek-V3.2-Speciale

DeepSeek-V3.2-Speciale 定位为长思考增强叠加 DeepSeek-Math-V2 定理证明的研究用临时 API（无工具调用）。已收录 Speciale 行集中于数学与竞赛推理：亮点 HMMT 2025 年 2 月卷 99.2、Codeforces 2701，另在 IMO/CMO/ICPC/IOI 2025 取得金牌级结论。

输入模态
文本
上下文
官方资料未说明
参数
官方资料未说明
价格（每百万 tokens）
无此口径报价；不等于免费

本变体的评测证据

imo-2025 该来源尚无可读数值 模型 deepseek-v3-2-speciale · 版本 Speciale, gold medal · 指标 未说明 · 单位 percent 来源等级 A · vendor_reported · 核对日期 2026-08-31 · 距快照 34 天

归一化读数：不计算；样本及方差不完整，无法计算置信区间。

原文位置与完整协议

heading: 推理能力 / 思考融入工具调用 · row: IMO 2025 · quote_snippet: V3.2-Speciale 模型成功斩获 IMO 2025（国际数学奥林匹克）…金牌

{
  "harness": null,
  "tools": null,
  "shots": null,
  "reasoning_effort": null,
  "temperature": null,
  "top_p": null,
  "token_budget": null,
  "turn_limit": null,
  "time_limit": null,
  "run_count": null,
  "aggregation": null,
  "judge": null
}

new-benchmark: imo-2025 already introduced by prior batches (M3), still not in data/benchmarks/. Medal-level outcome (not a percentage); official-prose claim verified.

打开官方来源

cmo-2025 该来源尚无可读数值 模型 deepseek-v3-2-speciale · 版本 Speciale, gold medal · 指标 未说明 · 单位 percent 来源等级 A · vendor_reported · 核对日期 2026-08-31 · 距快照 34 天

归一化读数：不计算；样本及方差不完整，无法计算置信区间。

原文位置与完整协议

heading: 推理能力 / 思考融入工具调用 · row: CMO 2025 · quote_snippet: CMO 2025（中国数学奥林匹克）…金牌

{
  "harness": null,
  "tools": null,
  "shots": null,
  "reasoning_effort": null,
  "temperature": null,
  "top_p": null,
  "token_budget": null,
  "turn_limit": null,
  "time_limit": null,
  "run_count": null,
  "aggregation": null,
  "judge": null
}

new-benchmark: cmo-2025 not yet in data/benchmarks/.

打开官方来源

icpc-world-finals-2025 该来源尚无可读数值 模型 deepseek-v3-2-speciale · 版本 Speciale, gold medal, 2nd place human level · 指标 未说明 · 单位 percent 来源等级 A · vendor_reported · 核对日期 2026-08-31 · 距快照 34 天

归一化读数：不计算；样本及方差不完整，无法计算置信区间。

原文位置与完整协议

heading: 推理能力 / 思考融入工具调用 · row: ICPC World Finals 2025 · quote_snippet: ICPC 与 IOI 成绩分别达到了人类选手第二名与第十名的水平

{
  "harness": null,
  "tools": null,
  "shots": null,
  "reasoning_effort": null,
  "temperature": null,
  "top_p": null,
  "token_budget": null,
  "turn_limit": null,
  "time_limit": null,
  "run_count": null,
  "aggregation": null,
  "judge": null
}

new-benchmark: icpc-world-finals-2025 not yet in data/benchmarks/.

打开官方来源

ioi-2025 该来源尚无可读数值 模型 deepseek-v3-2-speciale · 版本 Speciale, gold medal, 10th place human level · 指标 未说明 · 单位 percent 来源等级 A · vendor_reported · 核对日期 2026-08-31 · 距快照 34 天

归一化读数：不计算；样本及方差不完整，无法计算置信区间。

原文位置与完整协议

heading: 推理能力 / 思考融入工具调用 · row: IOI 2025

{
  "harness": null,
  "tools": null,
  "shots": null,
  "reasoning_effort": null,
  "temperature": null,
  "top_p": null,
  "token_budget": null,
  "turn_limit": null,
  "time_limit": null,
  "run_count": null,
  "aggregation": null,
  "judge": null
}

new-benchmark: ioi-2025 not yet in data/benchmarks/.

打开官方来源

aime-25 96.0 模型 deepseek-v3-2-speciale · 版本 Speciale · 指标 未说明 · 单位 percent 来源等级 A · vendor_reported · 核对日期 2026-09-01 · 距快照 33 天

归一化读数：不计算；样本及方差不完整，无法计算置信区间。

原文位置与完整协议

heading: 思考能力对比（Table 1） · table: images/03.webp (archive of api-docs v3.2_251201_benchmark_table_cn.webp, Table 1 reasoning; 单元格括号内为 token 成本) · row: AIME 2025 · figure: images/03.webp (archive of api-docs v3.2_251201_benchmark_table_cn.webp, Table 1 Speciale 列)

{
  "harness": null,
  "tools": null,
  "shots": null,
  "reasoning_effort": null,
  "temperature": null,
  "top_p": null,
  "token_budget": "单元格括号内 token 成本约 ~23k",
  "turn_limit": null,
  "time_limit": null,
  "run_count": null,
  "aggregation": null,
  "judge": null
}

V3.2-Speciale 列值（该发布第二个模型；此前仅记录在 V3.2 Thinking 行的 notes 中，2026-09-01 升级为独立 evidence 行）。视觉转写自归档图 images/03.webp（2026-09-01 复核，与先前读数一致）。竞品列：GPT-5 High 94.6(13k), Gemini-3.0 Pro 95.0(15k), Kimi-K2 Thinking 94.5(24k)。V3.2 Thinking 同行 93.1(16k)。

打开官方来源

hmmt25 99.2 模型 deepseek-v3-2-speciale · 版本 February 2025, Speciale · 指标 未说明 · 单位 percent 来源等级 A · vendor_reported · 核对日期 2026-09-01 · 距快照 33 天

归一化读数：不计算；样本及方差不完整，无法计算置信区间。

原文位置与完整协议

heading: 思考能力对比（Table 1） · table: images/03.webp (archive of api-docs v3.2_251201_benchmark_table_cn.webp, Table 1 reasoning; 单元格括号内为 token 成本) · row: HMMT Feb 2025 · figure: images/03.webp (archive of api-docs v3.2_251201_benchmark_table_cn.webp, Table 1 Speciale 列)

{
  "harness": null,
  "tools": null,
  "shots": null,
  "reasoning_effort": null,
  "temperature": null,
  "top_p": null,
  "token_budget": "单元格括号内 token 成本约 ~27k",
  "turn_limit": null,
  "time_limit": null,
  "run_count": null,
  "aggregation": null,
  "judge": null
}

V3.2-Speciale 列值（该发布第二个模型；此前仅记录在 V3.2 Thinking 行的 notes 中，2026-09-01 升级为独立 evidence 行）。视觉转写自归档图 images/03.webp（2026-09-01 复核，与先前读数一致）。竞品列：GPT-5 High 88.3(16k), Gemini-3.0 Pro 97.5(16k), Kimi-K2 Thinking 89.4(31k)。V3.2 Thinking 同行 92.5(19k)。

打开官方来源

hmmt25 94.4 模型 deepseek-v3-2-speciale · 版本 November 2025, Speciale · 指标 未说明 · 单位 percent 来源等级 A · vendor_reported · 核对日期 2026-09-01 · 距快照 33 天

归一化读数：不计算；样本及方差不完整，无法计算置信区间。

原文位置与完整协议

heading: 思考能力对比（Table 1） · table: images/03.webp (archive of api-docs v3.2_251201_benchmark_table_cn.webp, Table 1 reasoning; 单元格括号内为 token 成本) · row: HMMT Nov 2025 · figure: images/03.webp (archive of api-docs v3.2_251201_benchmark_table_cn.webp, Table 1 Speciale 列)

{
  "harness": null,
  "tools": null,
  "shots": null,
  "reasoning_effort": null,
  "temperature": null,
  "top_p": null,
  "token_budget": "单元格括号内 token 成本约 ~25k",
  "turn_limit": null,
  "time_limit": null,
  "run_count": null,
  "aggregation": null,
  "judge": null
}

V3.2-Speciale 列值（该发布第二个模型；此前仅记录在 V3.2 Thinking 行的 notes 中，2026-09-01 升级为独立 evidence 行）。视觉转写自归档图 images/03.webp（2026-09-01 复核，与先前读数一致）。竞品列：GPT-5 High 89.2(20k), Gemini-3.0 Pro 93.3(15k), Kimi-K2 Thinking 89.2(29k)。V3.2 Thinking 同行 90.2(18k)。

打开官方来源

imo-answerbench 84.5 模型 deepseek-v3-2-speciale · 版本 Speciale · 指标 未说明 · 单位 percent 来源等级 A · vendor_reported · 核对日期 2026-09-01 · 距快照 33 天

归一化读数：不计算；样本及方差不完整，无法计算置信区间。

原文位置与完整协议

heading: 思考能力对比（Table 1） · table: images/03.webp (archive of api-docs v3.2_251201_benchmark_table_cn.webp, Table 1 reasoning; 单元格括号内为 token 成本) · row: IMOAnswerBench · figure: images/03.webp (archive of api-docs v3.2_251201_benchmark_table_cn.webp, Table 1 Speciale 列)

{
  "harness": null,
  "tools": null,
  "shots": null,
  "reasoning_effort": null,
  "temperature": null,
  "top_p": null,
  "token_budget": "单元格括号内 token 成本约 ~45k",
  "turn_limit": null,
  "time_limit": null,
  "run_count": null,
  "aggregation": null,
  "judge": null
}

V3.2-Speciale 列值（该发布第二个模型；此前仅记录在 V3.2 Thinking 行的 notes 中，2026-09-01 升级为独立 evidence 行）。视觉转写自归档图 images/03.webp（2026-09-01 复核，与先前读数一致）。竞品列：GPT-5 High 76.0(31k), Gemini-3.0 Pro 83.3(18k), Kimi-K2 Thinking 78.6(37k)。V3.2 Thinking 同行 78.3(27k)。

打开官方来源

lcb 88.7 模型 deepseek-v3-2-speciale · 版本 Speciale · 指标 未说明 · 单位 percent 来源等级 A · vendor_reported · 核对日期 2026-09-01 · 距快照 33 天

归一化读数：不计算；样本及方差不完整，无法计算置信区间。

原文位置与完整协议

heading: 思考能力对比（Table 1） · table: images/03.webp (archive of api-docs v3.2_251201_benchmark_table_cn.webp, Table 1 reasoning; 单元格括号内为 token 成本) · row: LiveCodeBench · figure: images/03.webp (archive of api-docs v3.2_251201_benchmark_table_cn.webp, Table 1 Speciale 列)

{
  "harness": null,
  "tools": null,
  "shots": null,
  "reasoning_effort": null,
  "temperature": null,
  "top_p": null,
  "token_budget": "单元格括号内 token 成本约 ~27k",
  "turn_limit": null,
  "time_limit": null,
  "run_count": null,
  "aggregation": null,
  "judge": null
}

V3.2-Speciale 列值（该发布第二个模型；此前仅记录在 V3.2 Thinking 行的 notes 中，2026-09-01 升级为独立 evidence 行）。视觉转写自归档图 images/03.webp（2026-09-01 复核，与先前读数一致）。竞品列：GPT-5 High 84.5(13k), Gemini-3.0 Pro 90.7(13k), Kimi-K2 Thinking 82.6(29k)。V3.2 Thinking 同行 83.3(16k)。版本窗口未印出。

打开官方来源

codeforces 2701 模型 deepseek-v3-2-speciale · 版本 Speciale · 指标 未说明 · 单位 percent 来源等级 A · vendor_reported · 核对日期 2026-09-01 · 距快照 33 天

归一化读数：不计算；样本及方差不完整，无法计算置信区间。

原文位置与完整协议

heading: 思考能力对比（Table 1） · table: images/03.webp (archive of api-docs v3.2_251201_benchmark_table_cn.webp, Table 1 reasoning; 单元格括号内为 token 成本) · row: CodeForces · figure: images/03.webp (archive of api-docs v3.2_251201_benchmark_table_cn.webp, Table 1 Speciale 列)

{
  "harness": null,
  "tools": null,
  "shots": null,
  "reasoning_effort": null,
  "temperature": null,
  "top_p": null,
  "token_budget": "单元格括号内 token 成本约 ~77k",
  "turn_limit": null,
  "time_limit": null,
  "run_count": null,
  "aggregation": null,
  "judge": null
}

V3.2-Speciale 列值（该发布第二个模型；此前仅记录在 V3.2 Thinking 行的 notes 中，2026-09-01 升级为独立 evidence 行）。视觉转写自归档图 images/03.webp（2026-09-01 复核，与先前读数一致）。Elo rating，非百分比。竞品列：GPT-5 High 2537(29k), Gemini-3.0 Pro 2708(22k), Kimi-K2 Thinking 未报告（'-'）。V3.2 Thinking 同行 2386(42k)。

打开官方来源

gpqa 85.7 模型 deepseek-v3-2-speciale · 版本 Diamond, Speciale · 指标 未说明 · 单位 percent 来源等级 A · vendor_reported · 核对日期 2026-09-01 · 距快照 33 天

归一化读数：不计算；样本及方差不完整，无法计算置信区间。

原文位置与完整协议

heading: 思考能力对比（Table 1） · table: images/03.webp (archive of api-docs v3.2_251201_benchmark_table_cn.webp, Table 1 reasoning; 单元格括号内为 token 成本) · row: GPQA Diamond · figure: images/03.webp (archive of api-docs v3.2_251201_benchmark_table_cn.webp, Table 1 Speciale 列)

{
  "harness": null,
  "tools": null,
  "shots": null,
  "reasoning_effort": null,
  "temperature": null,
  "top_p": null,
  "token_budget": "单元格括号内 token 成本约 ~16k",
  "turn_limit": null,
  "time_limit": null,
  "run_count": null,
  "aggregation": null,
  "judge": null
}

V3.2-Speciale 列值（该发布第二个模型；此前仅记录在 V3.2 Thinking 行的 notes 中，2026-09-01 升级为独立 evidence 行）。视觉转写自归档图 images/03.webp（2026-09-01 复核，与先前读数一致）。竞品列：GPT-5 High 85.7(8k), Gemini-3.0 Pro 91.9(8k), Kimi-K2 Thinking 84.5(12k)。V3.2 Thinking 同行 82.4(7k)。

打开官方来源

hlehle 30.6 模型 deepseek-v3-2-speciale · 版本 Speciale · 指标 未说明 · 单位 percent 来源等级 A · vendor_reported · 核对日期 2026-09-01 · 距快照 33 天

归一化读数：不计算；样本及方差不完整，无法计算置信区间。

原文位置与完整协议

heading: 思考能力对比（Table 1） · table: images/03.webp (archive of api-docs v3.2_251201_benchmark_table_cn.webp, Table 1 reasoning; 单元格括号内为 token 成本) · row: HLE · figure: images/03.webp (archive of api-docs v3.2_251201_benchmark_table_cn.webp, Table 1 Speciale 列)

{
  "harness": null,
  "tools": null,
  "shots": null,
  "reasoning_effort": null,
  "temperature": null,
  "top_p": null,
  "token_budget": "单元格括号内 token 成本约 ~35k",
  "turn_limit": null,
  "time_limit": null,
  "run_count": null,
  "aggregation": null,
  "judge": null
}

V3.2-Speciale 列值（该发布第二个模型；此前仅记录在 V3.2 Thinking 行的 notes 中，2026-09-01 升级为独立 evidence 行）。视觉转写自归档图 images/03.webp（2026-09-01 复核，与先前读数一致）。竞品列：GPT-5 High 26.3(15k), Gemini-3.0 Pro 37.7(15k), Kimi-K2 Thinking 23.9(24k)。V3.2 Thinking 同行 25.1(21k)。

打开官方来源