Platform For AI:Implantação do DeepSeek-V3.2 com um clique

Visão geral do modelo

Em 1º de dezembro de 2025, a DeepSeek disponibilizou como open source dois novos modelos, DeepSeek-V3.2 e DeepSeek-V3.2-Speciale, que oferecem capacidades de inferência de ponta.

Os dois modelos atendem a casos de uso diferentes. O DeepSeek-V3.2 busca equilibrar a capacidade de inferência com o tamanho da saída, sendo adequado para cenários comuns como respostas a perguntas e tarefas gerais de agentes. Trata-se da versão oficial lançada após a versão experimental V3.2-Exp, apresentada no final de setembro. Em benchmarks públicos de inferência, o V3.2 atinge desempenho comparável ao GPT-5 e fica apenas ligeiramente atrás do Gemini3 Pro do Google.

O objetivo do DeepSeek-V3.2-Speciale é "levar as capacidades de inferência dos modelos open source ao extremo e explorar os limites das habilidades do modelo". O Speciale é descrito como uma versão aprimorada do V3.2 com capacidades de raciocínio prolongado, combinadas com as habilidades de prova de teoremas do DeepSeek-Math-V2. Este modelo apresenta excelente seguimento de instruções, rigor em provas matemáticas e habilidades de verificação lógica. Segundo dados divulgados pela DeepSeek, o Speciale supera o Gemini3 Pro, modelo mais avançado do Google, em vários benchmarks de inferência.

Com 671 bilhões de parâmetros, implantar o modelo DeepSeek-V3.2 localmente é um desafio. Isso torna a implantação na cloud a opção preferencial para usuários corporativos e desenvolvedores.

O PAI-Model Gallery do Alibaba Cloud agora suporta os modelos DeepSeek-V3.2 e DeepSeek-V3.2-Speciale e oferece soluções de implantação de nível empresarial.

Procedimento

1. Para começar, localize o modelo DeepSeek-V3.2 no PAI-Model Gallery, acessível diretamente pela página do modelo DeepSeek-V3.2. No PAI console, acesse a página Model Gallery e selecione a aba Model Gallery. Encontre o modelo desejado, como DeepSeek-V3.2 ou DeepSeek-V3.2-Speciale, e clique em seu cartão para abrir a página de detalhes do modelo.

2. Na página de detalhes do modelo, clique em Deploy no canto superior direito. A plataforma suporta os frameworks de implantação SGLang e vLLM. A plataforma fornece vários modelos de implantação com configurações padrão. Para implantar o modelo com um clique, selecione um modelo e os recursos de computação desejados.

   Nota

   Os requisitos de recursos para implantação são os seguintes:

   • Implantação com recurso público: ao utilizar um recurso público, você está limitado às especificações listadas. Em uma implantação distribuída Lingjun, o service usa os mesmos recursos para implantar vários nós.

   • Implantação com grupo de recursos ou cota de recursos do EAS

     Uma implantação autônoma exige um recurso de computação com oito GPUs, cada uma fornecendo 141 GB de memória GPU. Para uma implantação distribuída Lingjun, o número necessário de nós é pré-configurado, e cada nó deve ser configurado com oito GPUs.

   Defina Inference Engine como SGLang e Deployment Template como standalone. Mantenha Enable Dynamic Scheduling desativado e defina Enable PD Caching como Do not enable. Após confirmar os custos de recursos, clique em Deploy.

3. Após a conclusão da implantação, acesse a página do service e clique em Visualize Invocation Information para obter o endpoint e o token do service. Para instruções de invocação do service, clique no link do modelo pré-treinado para retornar à página de detalhes do modelo.

4. É possível chamar o service de modelo a partir do seu ambiente local ou de outros clientes, usar o recurso de depuração online fornecido pelo PAI ou interagir com o modelo por meio da WebUI disponibilizada pelo PAI. Para mais informações, consulte Invoke Model.

Suporte a mais modelos

O PAI-Model Gallery permite implantação rápida, ajuste fino, destilação e avaliação de modelos populares da comunidade open source. Os modelos suportados incluem opções open source amplamente utilizadas, como Qwen, Wan, DeepSeek, Kimi, MiniMax e GLM. Também estão disponíveis versões otimizadas pelo PAI, como Qwen3-235B-A22B-PAI-optimized, Qwen3-Next-80B-A3B-Instruct-FP8-PAI-optimized e DeepSeek-R1-0528-PAI-optimized. Essas versões incluem modelos integrados, como o modelo de implantação PAI-optimized EP+PD Caching, para melhorar o desempenho.