DeepSeek · 2025-09 · スパースMoE
DeepSeek-V3.2
DeepSeek-V3.2 は DeepSeek が 2025-09 に公開した マルチヘッド潜在注意（MLA） Transformer です。61 層、隠れ次元 7168、コンテキスト長 163,840 トークン。
層スタック
注意機構 ×61 · 層数 61
主要スペック
| 開発元 | DeepSeek |
|---|---|
| 公開日 | 2025-09 |
| 総パラメータ | 671 B |
| 活性パラメータ | 37 B |
| コンテキスト | 163,840 tokens |
| 注意機構 | MLA · kv_lora_rank 512 |
| 層数 | 61 |
| 隠れ次元 | 7,168 |
| 注意ヘッド | 128 |
| 語彙数 | 129,280 |
| 位置エンコーディング | RoPE |
| 正規化 | RMSNorm |
| 活性化関数 | silu |
| 学習精度 | fp8 |
| アーキテクチャクラス | DeepseekV32ForCausalLM |
アーキテクチャ概要
注意機構
マルチヘッド潜在注意（MLA）. kv_lora_rank=512. RoPE θ=10,000.
FFN / MoE
スパースなMixture-of-Expertsモデルで、256 個のルーティングエキスパートと top-8 ルーティングを持ち、トークンごとに約 37B のパラメータが活性化します。
設定にはデコード高速化のためのマルチトークン予測（MTP）層が 1 個含まれます。
フィールド単位の比較
同一開発元の前世代モデルと比較します。前世代がない場合は構造最相似モデルと比較。倍数欄 = 本モデル ÷ 比較対象。
前世代 DeepSeek-V3.1 との全フィールド比較
| モデル | DeepSeek-V3.2 | DeepSeek-V3.1 | 倍数 |
|---|---|---|---|
| model_type | deepseek_v32 | deepseek_v3 | ≠ |
| architectures | DeepseekV32ForCausalLM | DeepseekV3ForCausalLM | ≠ |
| hidden_size | 7168 | 7168 | ≈1 |
| num_hidden_layers | 61 | 61 | ≈1 |
| num_attention_heads | 128 | 128 | ≈1 |
| num_key_value_heads | 128 | 128 | ≈1 |
| intermediate_size | 18432 | 18432 | ≈1 |
| hidden_act | silu | silu | ＝ |
| n_routed_experts | 256 | 256 | ≈1 |
| num_experts_per_tok | 8 | 8 | ≈1 |
| n_shared_experts | 1 | 1 | ≈1 |
| moe_intermediate_size | 2048 | 2048 | ≈1 |
| kv_lora_rank | 512 | 512 | ≈1 |
| qk_rope_head_dim | 64 | 64 | ≈1 |
| q_lora_rank | 1536 | 1536 | ≈1 |
| rope_theta | 10000 | 10000 | ≈1 |
| max_position_embeddings | 163840 | 163840 | ≈1 |
| rms_norm_eps | 0.000001 | 0.000001 | ≈1 |
| vocab_size | 129280 | 129280 | ≈1 |
| torch_dtype | bfloat16 | bfloat16 | ＝ |
| num_nextn_predict_layers | 1 | 1 | ≈1 |
| attention_bias | false | false | ＝ |
| attention_dropout | 0 | 0 | ＝ |
| bos_token_id | 0 | 0 | ＝ |
| eos_token_id | 1 | 1 | ≈1 |
| ep_size | 1 | 1 | ≈1 |
構造が最も近いモデル
- DeepSeek-V3 (DeepSeek, 2024-12) 1.000
- DeepSeek-V3 Base (DeepSeek, 2024-12) 1.000
- DeepSeek-R1 (DeepSeek, 2025-01) 1.000
- DeepSeek-V3.1 (DeepSeek, 2025-08) 1.000
- Kimi K2 0905 (Kimi, 2025-09) 1.000
- Kimi K2.5 (Kimi, 2026-02) 1.000
類似度は 0（共通のカテゴリ特徴なし）から 1（構造プロファイルが完全に一致）の範囲です。
config.json の全フィールド
43 フィールド
| architectures | DeepseekV32ForCausalLM |
|---|---|
| attention_bias | false |
| attention_dropout | 0 |
| bos_token_id | 0 |
| eos_token_id | 1 |
| ep_size | 1 |
| first_k_dense_replace | 3 |
| hidden_act | silu |
| hidden_size | 7168 |
| index_head_dim | 128 |
| index_n_heads | 64 |
| index_topk | 2048 |
| initializer_range | 0.02 |
| intermediate_size | 18432 |
| kv_lora_rank | 512 |
| max_position_embeddings | 163840 |
| model_type | deepseek_v32 |
| moe_intermediate_size | 2048 |
| moe_layer_freq | 1 |
| n_group | 8 |
| n_routed_experts | 256 |
| n_shared_experts | 1 |
| norm_topk_prob | true |
| num_attention_heads | 128 |
| num_experts_per_tok | 8 |
| num_hidden_layers | 61 |
| num_key_value_heads | 128 |
| num_nextn_predict_layers | 1 |
| q_lora_rank | 1536 |
| qk_nope_head_dim | 128 |
| qk_rope_head_dim | 64 |
| rms_norm_eps | 0.000001 |
| rope_theta | 10000 |
| routed_scaling_factor | 2.5 |
| scoring_func | sigmoid |
| tie_word_embeddings | false |
| topk_group | 4 |
| topk_method | noaux_tc |
| torch_dtype | bfloat16 |
| transformers_version | 4.44.2 |
| use_cache | true |
| v_head_dim | 128 |
| vocab_size | 129280 |