Langkontext-Jobs, die früher unser Budget sprengten, laufen jetzt auf der DeepSeek V3.2 API für einen Bruchteil der Kosten.
Loading model information...
Input
DeepSeek V3.2
Hi! I'm a helpful AI assistant. What can I do for you?
DeepSeek V3.2 API — Langer Kontext, Sparse Attention, radikal günstiger
Die DeepSeek V3.2 API betreibt DeepSeek V3.2, das mit Sparse Attention langen Kontext zu einem Bruchteil der alten Kosten hält — $0.028 pro 1M Eingabe.
DeepSeek V3.2 baut die Attention-Schicht um DeepSeek Sparse Attention neu, sodass Arbeit mit langem Kontext nicht mehr wie früher skaliert. Die DeepSeek V3.2 API gibt dir diese Effizienz direkt weiter: $0.028 pro 1M Eingabe-Tokens und $0.42 pro 1M Ausgabe — rund die Hälfte der vorigen Generation — und behält das hybride Design, mit dem du pro Anfrage Schritt für Schritt denken oder direkt antworten kannst. Lange Dateien, lange Transkripte und lange Tool-Traces bleiben bei Volumen erschwinglich.
Du rufst die DeepSeek V3.2 API über RouterBase per OpenAI-chat-completions-Protokoll auf; setze das Modell auf deepseek-v3-2, und dein Client bleibt unverändert. Die DeepSeek V3.2 API berechnet $0.028 pro 1M Eingabe, $0.42 pro 1M Ausgabe und $0.028 für zwischengespeicherte Eingabe — 5% unter Liste, mit einem Schlüssel für den ganzen Katalog.
Was die DeepSeek V3.2 API bietet
Sparse Attention drückt die Rechnung für langen Kontext.
Sparse Attention
DeepSeek Sparse Attention lässt die DeepSeek V3.2 API langen Kontext ohne die übliche Kostenkurve verarbeiten.
Radikal günstiger
Bei $0.028 Eingabe und $0.42 Ausgabe läuft die DeepSeek V3.2 API rund zur Hälfte der vorigen Generation — 5% unter Liste.
Langer Kontext, niedrige Kosten
Lange Dateien und Transkripte bleiben erschwinglich, sodass die DeepSeek V3.2 API zu Hochvolumen- und Langeingabe-Arbeit passt.
Hybrides Denken bleibt
Schritt für Schritt denken oder direkt antworten pro Anfrage; die DeepSeek V3.2 API trägt beide Modi in einem Modell.
Code und Tools
Starker Code plus zuverlässiges Function Calling machen die DeepSeek V3.2 API zu einem soliden Rückgrat für Assistenten und Agenten.
OpenAI-förmig
Ein chat-completions-Endpoint, ein RouterBase-Schlüssel — auf routerbase.com/v1 zeigen, Modell benennen, das DeepSeek-SDK weglassen.
Loslegen
Erster Aufruf der DeepSeek V3.2 API in drei Schritten
Einmal anbinden, dann lange Eingaben schicken.
Schlüssel erstellen
Ein RouterBase-Schlüssel erreicht die DeepSeek V3.2 API und jedes andere Modell im Katalog.
Zeigen und Modus wählen
Schick einen beliebigen OpenAI-Client an routerbase.com/v1 mit model=deepseek/deepseek-v3.2 und schalte das Denken pro Anfrage ein oder aus.
Nutzung sehen
Die DeepSeek V3.2 API liefert die Token-Nutzung pro Antwort, sodass Kosten und Latenz bei jedem Aufruf sichtbar bleiben.
Nur für die Nutzung zahlen
RouterBase reicht Partner-Tier-Preise durch. Verglichen mit dem offiziellen API-Tarif des Modells.
Teams, die auf der DeepSeek V3.2 API bauen
Langer Kontext, der endlich ins Budget passt.
Bei $0.028 pro 1M Eingabe ließ uns die DeepSeek V3.2 API aufhören, Prompts zum Sparen zu kürzen.
Sparse Attention ist der Grund, warum unsere langen Transkripte auf der DeepSeek V3.2 API endlich ins Budget passten.
Wir behielten die Hybridmodi und halbierten unsere Rechnung grob, indem wir zur DeepSeek V3.2 API wechselten.
Die DeepSeek V3.2 API blieb günstig, selbst als unsere Kontextfenster wuchsen — das schafften ältere Modelle nie.
Function Calling hielt stand, also zogen unsere Agenten ohne Rewrite auf die DeepSeek V3.2 API um.
Ein String gegenüber unserem alten Endpoint geändert; der Kostenrückgang auf der DeepSeek V3.2 API war sofort da.
Wir füttern jetzt ganze Dokumente in die DeepSeek V3.2 API, weil der Langkontext-Preis endlich Sinn ergibt.
Gleicher Schlüssel, günstigerer langer Kontext — die DeepSeek V3.2 API war für uns eine leichte Entscheidung.
DeepSeek V3.2 API — häufige Fragen
Was du wissen solltest, bevor du Traffic dorthin leitest.
Der gehostete Zugang von RouterBase zu DeepSeek V3.2, das Sparse Attention für günstigere Inferenz mit langem Kontext nutzt, über einen OpenAI-kompatiblen Endpoint.