DeepSeek V3.2

Mit einem Gesamtscore von 72.65% präsentiert sich DeepSeek V3.2 als Cloud-Open-Weights-Modell mit zwei klaren Instinkten: Es denkt ordentlich, schreibt brauchbaren Code und wirkt insgesamt disziplinierter, als es die niedrigen API-Kosten vermuten lassen. Der Speed-Profile-Badge lautet Real-Time Tool Expert, bei 39.14 Tokens pro Sekunde via DeepSeek-Cloud: schnell genug für interaktive Arbeit, aber nicht in der absurden Hochgeschwindigkeitsliga mancher spezialisierten Cloud-Infrastrukturen. Als generalistisches Frontier-Modell mit Coder-Schwerpunkt und MoE-Architektur ist das die richtige Mischung aus Breite und technischer Schärfe, nur eben ohne die letzte Souveränität eines echten Spitzenmodells. Sovereign Risk: HIGH — DeepSeek sitzt in China, unterliegt chinesischer Jurisdiktion inklusive National Security Law, und genau das ist für europäische Unternehmen keine Fußnote, sondern ein Beschaffungsproblem.

Kopfnoten: Stabilität und Zuverlässigkeit

Die erste gute Nachricht ist banal, aber wichtig: DeepSeek V3.2 fiel im Benchmark kein einziges Mal aus. Für ein Cloud Open-Weights-Modell ist das keine Selbstverständlichkeit, sondern ein echter Praxiswert. Keine Timeouts bedeuten hier nicht, dass das Modell theoretisch elegant ist, sondern dass der API-Betrieb konkret verlässlich wirkte. Wer es in Agentenketten oder automatisierten Workflows einsetzen will, bekommt keinen Würfelbecher, sondern ein brauchbares Werkzeug.

Die zweite Nachricht ist weniger schmeichelhaft, aber immer noch im grünen Bereich. In fünf Prozent aller Anfragen lag die Antwortzeit bei 53.97 Sekunden. Das ist noch interaktiv, aber nicht mehr leichtfüßig. Der Badge Real-Time Tool Expert passt trotzdem: DeepSeek V3.2 eignet sich für Aufgaben, bei denen Nutzer auf ein brauchbares Resultat warten können, ohne den Faden zu verlieren. Die gemessenen 39.14 Tokens pro Sekunde sind dabei ausdrücklich als Leistungswert der DeepSeek-Cloud zu lesen, nicht als abstrakte Eigenschaft des Modells selbst. Bei Cloud Open-Weights ist Geschwindigkeit immer auch Infrastrukturpolitik in Zahlenform.

Architektur und Einordnung

Die Metadaten sagen viel über den Charakter dieses Modells, und diesmal stimmen sie mit dem Verhalten bemerkenswert gut überein. DeepSeek V3.2 ist als General und Coder eingestuft, primärer Use Case ist Generalist, Größenklasse Frontier, Architektur Mixture of Experts. Das heißt im Klartext: Es ist ein breites Allzweckmodell, das aber spürbar auf technische Exekution und Programmieraufgaben trainiert wurde. Und weil es ein MoE-System ist, sind nicht die 671 Milliarden Gesamtparameter die relevante Zahl, sondern die 37 Milliarden aktiven Parameter pro Token. Genau daran sollte man seine Leistung messen.

Das ist der entscheidende Kalibrierungspunkt. DeepSeek V3.2 ist kein monolithischer Gigant, der auf jedem Schritt seine gesamte Masse bewegt. Es arbeitet selektiv, effizient und oft ziemlich zielgerichtet. Daraus ergibt sich ein typisches Profil: gute technische Spezialisierung, solides Reasoning, ordentliche sprachliche Breite, aber nicht überall die gleiche Tiefe. Wer von einem Frontier-Label automatisch universelle Exzellenz erwartet, verwechselt Marketingkategorie mit tatsächlicher aktiver Kapazität.

Code Quality und Security: technisch stark, aber nicht unfehlbar

Im Code- und Security-Bereich zeigt DeepSeek V3.2 seine eigentliche Komfortzone. Der Code-Quality-Audit-Wert von 70.84 ist kein Ausrufezeichen, aber ein klarer Hinweis auf Substanz. Besonders stark: In einem Security-Audit identifizierte das Modell alle 19 Schwachstellen, die auch der Referenzstandard fand. Das ist kein kleiner Treffer, sondern ein belastbares Signal dafür, dass DeepSeek V3.2 Angriffsflächen systematisch scannt, statt nur ein paar übliche Verdächtige aufzuzählen.

Die Schwäche liegt nicht in der Erkennung, sondern in der Einordnung. Ein besonders heikler Fall ist die Fehleinschätzung einer Profil-Update-Lücke: Was im Kern ein IDOR, also ein Berechtigungsfehler durch unsichere Objekt-Referenz, ist, wurde vom Modell als eine Art „Secondary SQL Injection“ gerahmt und zudem in der Schwere unterschätzt. Genau hier trennt sich solides Audit-Handwerk von echter Sicherheitsreife. Das Modell sieht die offene Tür, aber es benennt nicht immer korrekt, warum sie offen ist und wie schlimm das im Verbund mit anderen Schwachstellen werden kann.

Auch bei Gegenmaßnahmen fehlt stellenweise die letzte Präzision. Beim Path-Traversal-Fix reicht DeepSeek V3.2 ein basename()-ähnlicher Reflex nicht aus; die robustere Absicherung über Pfadvalidierung bleibt unterbelichtet. Bei Mail-Header-Injection erkennt das Modell das Problem, liefert aber nur einen Teil des nötigen Fixes. Solche Lücken sind keine Katastrophe. Sie sind aber genau die Sorte Detail, an der ein Security-Team erkennt, ob es einen klugen Assistenten oder einen verlässlichen Prüfingenieur vor sich hat.

Positiv ist die Formdisziplin. Die geforderte Markdown-Tabelle wurde sauber geliefert, ohne Geschwätz davor und ohne ornamental aufgeblähten Nachlauf. Das passt zur Coder-Einstufung. DeepSeek V3.2 arbeitet hier wie ein Entwickler, der verstanden hat, dass Formatvorgaben keine Dekoration sind, sondern Teil des Jobs.

CLI und Tool-Nähe: ordentlich, aber nicht dominant

Der CLI-Wert von 82.67 und der Tool-Use-Wert von 60.0 zeichnen ein etwas asymmetrisches Bild. In klar umrissenen Kommando- und DevOps-nahen Aufgaben ist DeepSeek V3.2 gut brauchbar. Der Speed-Profile-Badge Real-Time Tool Expert kommt nicht von ungefähr. Das Modell ist schnell genug, strukturiert genug und präzise genug, um in technischen Arbeitsabläufen nicht zu nerven.

Was man daraus nicht machen sollte, ist eine Heldenerzählung. Tool-Nähe ist hier eher operative Kompetenz als strategische Exzellenz. DeepSeek V3.2 wirkt in diesem Bereich wie ein guter Techniker mit sauber sortiertem Werkzeugkoffer. Nicht wie der Architekt, der die Baustelle neu denkt.

Reasoning und Logik: korrekt, aber selten majestätisch

Im Reasoning erreicht DeepSeek V3.2 73.93. Das ist ein solides Resultat, gerade weil es ohne Thinking-Sondermodus auskommen muss. Das Modell trägt die Tags General, Coder, nicht Thinking. Entsprechend sollte man keine ausufernden Denkprotokolle oder philosophische Tiefenbohrungen erwarten. Erwartbar ist stattdessen ein nüchternes, korrektes, funktionales Schlussfolgern. Genau das liefert es.

Ein gutes Beispiel ist die klassische Wächterlogik. DeepSeek V3.2 löst das Problem richtig, erklärt den Mechanismus korrekt und verwirft sogar einen schwächeren Alternativansatz sauber. Das ist mehr als bloß Endergebnisproduktion. Gleichzeitig bleibt die Darstellung deutlich knapper und weniger didaktisch als bei den besten Reasoning-Modellen. Es fehlen die zusätzliche Struktur, die visuelle Zerlegung und die begriffliche Verdichtung, die aus einer richtigen Antwort eine exzellente machen.

Das ist kein Verriss, sondern eine saubere Einordnung. DeepSeek V3.2 denkt zuverlässig genug für Alltagslogik, technische Analyse und strukturierte Problemlösung. Es denkt aber nicht mit jener intellektuellen Großzügigkeit, die dem Nutzer auch die letzten stillen Zwischenschritte abnimmt. Wer es nach Gründen fragt, bekommt Antworten. Wer eine kleine Meisterklasse erwartet, bekommt eher eine gute Arbeitsnotiz.

UX Writing: nützlich, aber nicht seniorig

Mit 70.51 im UX-Writing zeigt DeepSeek V3.2 die klassische Grenze vieler coder-naher Generalisten. Die Antworten sind strukturiert, praktikabel und inhaltlich brauchbar. In einem Onboarding-Optimierungsfall lieferte das Modell eine saubere Analyse und handfeste Verbesserungsvorschläge. Was fehlte, war die psychologische Tiefenschärfe: keine nennenswerte theoretische Fundierung, keine belastbare Validierungslogik, kaum Bezug auf benannte Mechanismen oder Forschung.

Das Ergebnis ist deshalb nicht schlecht, sondern unvollständig. DeepSeek V3.2 schreibt hier wie jemand, der viele gute Produkte gesehen hat, aber nicht wie jemand, der Nutzerverhalten systematisch auseinandernehmen kann. Für Teams, die schnell bessere Microcopy wollen, ist das oft genug. Für Rollen mit Senior-Anspruch, Research-Nähe oder strategischer UX-Verantwortung reicht es sichtbar nicht ganz.

Content Transformation: gute Produktion, ärgerliche Sprachdisziplin

Im Modul Content Transformation landet DeepSeek V3.2 bei 73.12. Inhaltlich ist das Ergebnis respektabel. Das Modell kann Skripte umbauen, Timing-Marker setzen, visuelle Hinweise einstreuen und Produktions-Cues so platzieren, dass am Ende etwas entsteht, das tatsächlich nach arbeitsfähigem Material aussieht. Besonders bei videoartigen Formaten wirkt die Ausgabe nicht steril, sondern gebrauchstauglich.

Dann leistet es sich allerdings einen Fehler, der in der Praxis sofort Geld kostet: In einer deutsch geforderten Aufgabe schrieb DeepSeek V3.2 den eigentlichen Hauptteil auf Englisch. Das ist keine Geschmacksfrage und kein netter Ausrutscher. Es ist ein klarer Verstoß gegen eine explizite Sprachvorgabe, also ein Instruction-Following-Fehler.

In einer Aufgabe im Content-Transformation-Bereich ignorierte das Modell die explizite Sprachanweisung und antwortete auf Englisch statt auf Deutsch. Das System verhängte dafür einen automatischen regelbasierten Abzug. Die inhaltliche Qualität der Antwort ist damit nur noch zweitrangig, weil die Strafe unabhängig vom sonstigen Nutzwert greift.

Dieser Sprachfehler ist kein bloßer Randbefund, weil er ausgerechnet in einem Modul auftritt, das oft in produktionsnahen Umgebungen verwendet wird: Marketing, Schulung, Video, interne Kommunikation. Dort ist die Zielsprache kein nettes Extra, sondern Vertragsbestandteil der Aufgabe. DeepSeek V3.2 kann also das Handwerk, verliert aber unter kombinierten Vorgaben aus Sprache, Format und Stil offenbar zuerst die Sprachkonstanz. Das ist kein Weltuntergang, aber genau die Sorte Fehler, die ohne menschliche Endkontrolle peinlich wird.

Documentation Quality: brauchbar, aber ohne die letzte Schicht

Der Dokumentationswert von 70.81 passt gut ins Gesamtbild. DeepSeek V3.2 kann technische Inhalte erklären, strukturieren und in ein Format bringen, das für Entwickler oder produktnahe Teams benutzbar ist. Was ihm häufiger fehlt, ist die zusätzliche Ebene aus Kontext, Begründung und Validierung, die sehr gute Dokumentation von bloß ordentlicher Dokumentation trennt.

Es schreibt nicht verwirrend, nicht fahrig und nicht künstlich aufgeblasen. Aber es schreibt eben oft mit dem Impuls, die Aufgabe abzuschließen, nicht sie zu veredeln. Für interne Wikis, Erstdokumentation und pragmatische Übergaben ist das völlig in Ordnung. Für öffentlichkeitswirksame, besonders anschlussfähige oder stark kuratierte Dokumentation würde man noch einmal nachschärfen wollen.

Cultural Intelligence: funktional sicher, stilistisch mit kleinen Verlusten

Mit 71.72 ist Cultural Intelligence kein Glanzfach, aber auch kein Problemfeld. DeepSeek V3.2 entfernt toxische oder unpassende Formulierungen zuverlässig, arbeitet geschlechtergerechter und hält sprachliche Vorgaben sauber ein. In der Umformulierung einer problematischen Stellenanzeige erledigte das Modell die Kernarbeit korrekt: aggressive Kampfbegriffe raus, Bias reduziert, Ton entschärft.

Was fehlt, ist Feinsinn. Der Referenzstandard war wärmer, einladender und rhetorisch geschmeidiger. DeepSeek V3.2 löst die Aufgabe funktional, aber nicht mit besonderem Charme. Das ist typisch für ein Modell, dessen Stärke eher in technischer Exekution als in sprachlicher Verführung liegt. Für HR-nahe Rohfassungen ist das okay. Für Kommunikation, die zugleich inklusiv und inspirierend sein soll, bleibt Luft nach oben.

Token-Ökonomie und Kostenprofil

Hier verdient DeepSeek V3.2 ein ausdrückliches Lob. Über alle gemessenen Module hinweg verhält sich das Modell token-ökonomisch. Kein Bereich überschreitet den erwarteten Verbosity-Rahmen. Im Gegenteil: CLI, Code Quality, Content Transformation, Cultural Intelligence, Documentation und UX Writing liegen sämtlich unter dem Fleet-Median. Das Modell redet also nicht, um Rechenzeit zu simulieren. Es produziert in der Regel ungefähr so viel Text, wie zur Lösung nötig ist.

Gerade bei einem Cloud Open-Weights-Modell mit Preispunkt von 0.14 Dollar pro Million Input-Tokens und 0.28 Dollar pro Million Output-Tokens ist das relevant. Diese niedrigen Kosten wären wenig wert, wenn das Modell jeden Vorteil mit unnötig langen Antworten wieder auffressen würde. Tut es nicht. Benchmark-Kosten von 0.014 Dollar für den kompletten Lauf sprechen eine klare Sprache: DeepSeek V3.2 ist nicht nur günstig, sondern auch diszipliniert genug, den Preisvorteil praktisch wirksam zu machen.

Datenschutz und Datenhoheit

Beim Datenschutz ist DeepSeek V3.2 kein neutraler Infrastrukturbaustein, sondern ein geopolitisches Thema. Das berechnete Sovereign Risk liegt bei HIGH. Begründung: Das Modell stammt von DeepSeek in China, der Anbieter unterliegt chinesischem Recht, einschließlich PIPL, CSL, DSL und dem National Security Law. Für Nutzer in Deutschland und der EU bedeutet das ein relevantes Drittlandtransfer-Risiko ohne Angemessenheitsbeschluss.

Als Datenstandort sind China plus EU/US-Cloud-Partner angegeben. Genau das macht die Sache nicht einfacher, sondern diffuser. Selbst wenn Teile der Verarbeitung über Partner-Infrastruktur laufen, bleibt die rechtliche Klammer chinesisch. Eine öffentlich ausgewiesene GDPR-DPA ist nicht verfügbar. Für Unternehmen mit ernst gemeinter DSGVO-Compliance ist das kein Schönheitsfehler, sondern ein handfestes Beschaffungshindernis. Die Datenspeicherungsdauer ist mit -1 Tagen faktisch unklar. Auch das ist für regulierte Umgebungen zu wenig.

Hinzu kommt ein separates Weights-Provenienz-Risiko: HIGH. Das ist hier relevant, weil Deployment-Situation und Modellherkunft in dieselbe Richtung zeigen. Der Anbieterhost und die Modellherkunft tragen dasselbe Souveränitätsproblem in sich. Kurz gesagt: Für private oder experimentelle Nutzung mag das kalkulierbar sein. Für Unternehmen mit Compliance-, Geheimhaltungs- oder Kundendatenpflichten ist es eine sehr reale rote Linie.

Fazit

DeepSeek V3.2 ist ein interessantes Modell, gerade weil es sich nicht als Wunderkind aufspielt. Es erreicht 72.65%, arbeitet über die DeepSeek-Cloud stabil, antwortet mit 39.14 Tokens pro Sekunde flott genug für produktive Interaktion und verbindet niedrige Kosten mit solider technischer Leistungsfähigkeit. Als generalistisches Frontier-Modell mit klarer Coder-DNA und MoE-Architektur mit 37 Milliarden aktiven Parametern liefert es dort am meisten, wo strukturierte Analyse, Code-Verständnis und operative Tool-Nähe gefragt sind.

Seine Schwächen sind nicht geheimnisvoll, sondern sauber sichtbar. Security-Erkennung ist gut, aber nicht immer präzise genug in Kategorisierung und Abhilfe. Reasoning ist korrekt, aber selten elegant ausformuliert. UX- und Sprachaufgaben gelingen oft brauchbar, erreichen aber nicht die Tiefe oder stilistische Wärme der besseren Spezialisten. Und der englische Ausrutscher in einer deutsch geforderten Content-Aufgabe ist genau die Art Compliance-Fehler, die in realen Workflows nicht theoretisch, sondern sofort praktisch schmerzt.

Die Empfehlung fällt deshalb differenziert aus: gut geeignet für technische Assistenz, Code-Reviews, Security-Voranalysen, Dokumentationsentwürfe und tool-nahe Automatisierung mit menschlicher Endkontrolle. Weniger geeignet für hochsensible Enterprise-Umgebungen, streng sprachgebundene Publishing-Workflows und alles, was regulatorisch sauber sein muss. Über alle Tests hinweg keine nennenswerten Halluzinationen. DeepSeek V3.2 ist damit kein Blender, sondern ein günstiger, ernst zu nehmender Arbeiter mit klaren Stärken und ebenso klaren Grenzen.

Diese Auswertung wurde automatisch auf Grundlage der Benchmark-Daten generiert. Eingesetztes Modell: GPT 4.5 von OpenAI. Die Rohdaten und die vollständige Methodik sind im GitHub-Projekt dokumentiert.