ሳንሱር-አልባው የDeepSeek API

“ሳንሱር-አልባ የDeepSeek API” ወደሚለው ሐረግ የሚደርሱ ሰዎች አንድ የተለየ ነገር ይፈልጋሉ፦ የDeepSeekን የማመዛዘንና የኮድ ችሎታ ይዞ በእውነት የጠየቁትን ጥያቄ የሚመልስ ሞዴል። የአቅሙ ግማሽ በደንብ ተመዝግቧል — DeepSeek-AI ሥነ ሕንጻውንና ቁጥሮቹን አትሟል፣ ክብደቶቹም በHugging Face ላይ በMIT ስር ናቸው። ሁለተኛው ግማሽ የአሠራር ውሳኔ ነው፤ ብዙ ጊዜም በእናንተ ፈንታ ይወሰናል። ይህ ገጽ ሁለቱንም ይሸፍናል፦ የV4-Pro መሠረት ምን እንደሆነ፣ የእኛ የ3BIT-REAP ግንባታ በእሱ ላይ ምን እንደሚያደርግ፣ እና ስንናገር “ሳንሱር-አልባ” ማለት በትክክል ምን ማለት እንደሆነ።

01“ሳንሱር-አልባ የDeepSeek API” በእውነት ምን ማለት ነው

ሁለት የተለያዩ ዘዴዎች በአንድ ቃል ስር ይመዘገባሉ። የመጀመሪያው በክብደቶቹ ውስጥ የተጋገረ ማስተካከያ ነው — ከድህረ-ሥልጠና የተማረ የእምቢታ ባህርይ። ሁለተኛው የአገልግሎት-ጎን የቁጥጥር ንብርብር ነው፦ ሞዴሉ ከማየቱ በፊት ጥያቄያችሁን፣ እናንተ ከማየታችሁ በፊት ደግሞ ውጤቱን የሚመረምር የተለየ ምድብ-ሰጪ፤ ሞዴሉ ምንም ማለት ቢፈልግ ምላሽን በዓረፍተ ነገር መሃል ሊቆርጥ ይችላል።

ሁለቱም ሊለኩ ይችላሉ፤ የDeepSeek የመጀመሪያ-ወገን አገልግሎትም ተለክቷል። Promptfoo የ1,360 ጥያቄዎች ስብስብ ስለ ፖለቲካዊ ጥንቁቅ ጉዳዮች አዘጋጅቶ የDeepSeek የተስተናገደው R1 ከእነሱ 1,156ቱን እንደከለከለ ወይም እንዳዘነበለ ዘግቧል — በግምት 85%። በዚያው ቤተሰብ ላይ የተሠራ አካዳሚያዊ ሥራ ደራሲዎቹ የሐሳብ ማፈን ብለው የሰየሙትን የተለየ የውድቀት ዘዴ አገኘ፤ በዚያም የሞዴሉ የማመዛዘን ዱካ በጥንቁቅ ርዕስ ላይ እንደጀመረ ወዲያውኑ ይቋረጣል። በInformation Sciences ላይ የታተመ የተለየ ኦዲት የፍቺ-ደረጃ ማፈንን መዝግቧል፦ በሞዴሉ ውስጣዊ ማመዛዘን ውስጥ ያለ ይዘት ወደ ተጠቃሚው ከመድረሱ በፊት በጸጥታ ይታለፋል ወይም እንደገና ይጻፋል። ይህ ከግልጽ እምቢታ የከበደ ችግር ነው፤ የተቆረጠ መልስ እንደ መልስ ስለሚመስል።

እኛ የምናሮጠው ክፍት-ክብደት ልቀቱን ነው፤ በምናንቀሳቅሰው ሃርድዌር ላይ፣ በአሜሪካ ውስጥ፣ በ Shannon Lab LLC ስር። በሞዴሉ ፊት የእምቢታ ንብርብር የለም፣ በሚመለሰውም ላይ ማጣሪያ አይተገበርም፦ ጥያቄያችሁ ከመቅረቡ በፊት በፖሊሲ አይመደብም፣ የውጤቱ ፍሰትም ሲወጣ አይመረመርም። መሠረቱ በMIT ፈቃድ የተሰጠና ይፋዊ ስለሆነ፣ በእኛ ቃል ከመመካት ይልቅ ውጤቶቻችንን ከማጣቀሻው ክብደቶች ጋር ራሳችሁ ማነጻጸር ትችላላችሁ።

02መሠረቱ፦ DeepSeek-V4-Pro፣ የ1.6T MoE

DeepSeek-V4 የDeepSeek-AI አሁናዊ ክፍት-ክብደት ቤተሰብ ነው፤ በሚያዝያ 2026 ቅድመ-እይታ ተደርጎ በMIT ስር በሁለት መጠኖች ተልኳል፦ V4-Flash (284B ጠቅላላ፣ 13B የነቁ) እና V4-Pro (1.6T ጠቅላላ፣ 49B የነቁ)። ይህ ጽሑፍ ስለ Pro ደረጃ ነው። ሁለቱም በግምት 33 ትሪሊዮን ቶክኖች ላይ አስቀድመው የሠለጠኑ ሲሆኑ ሁለቱም የአንድ ሚሊዮን ቶክን ዐውድን በተፈጥሮ ይደግፋሉ።

ልብ ሊባል የሚገባው የስስነት ምጣኔ ነው፦ በማንኛውም ቶክን ላይ የሚቀጣጠሉት ከመለኪያዎቹ 3% ገደማ ብቻ ናቸው፤ ይህም ይህን ያህል ትልቅ ሞዴል ማገልገል የሚቻል የሚያደርገው ነው። የMoE ብሎኩ ራሱ አሁንም DeepSeekMoE ነው — በV2 የተዋወቁት ጥቃቅን የሚመሩ ኤክስፐርቶች ከሁልጊዜ-ንቁ የጋራ ኤክስፐርቶች ጋር — በV4 ላይ ጥቃቅን ለውጦች ብቻ አሉት፤ በጣም የሚታየውም በመጀመሪያዎቹ ንብርብሮች ውስጥ ያለው የhash አቅጣጫ ነው። ግምታዊ ዲኮዲንግንም የሚያስችለው የV3 ተጨማሪ ዓላማ Multi-Token Prediction ሳይቀየር ተይዟል።

በV4 ውስጥ ያሉት አዲስ ክፍሎች መዋቅራዊ ናቸው። Manifold-Constrained Hyper-Connections (mHC) ተራውን የቀሪ መንገድ በSinkhorn–Knopp ትንበያ በኩል ወደ ድርብ ስቶካስቲክ ማትሪክሶች መገለጫ ላይ በተገደበ የተማረ ማደባለቂያ ማትሪክስ ይተካሉ — በጣም ጥልቅ ቁልሎችን የሚገድለው የቁጥር መንሸራተት ሳይኖርበት በአንድ ግብዓት ራሱን የሚያስተካክል የቀሪ ፍሰት። ሥልጠናው ለአብዛኞቹ ሞጁሎች ከAdamW ወደ Muon ተዛውሯል፤ የNewton–Schulz ኦርቶጎናላይዜሽንን በመጠቀም፣ AdamW ደግሞ ለተከታታይ ውክልናዎች፣ ለትንበያ ራሶች፣ ለመደበኛነትና ለቋሚ የmHC መለኪያዎች ብቻ ተይዟል። የኤክስፐርት ክብደቶችም በFP4 ይሠለጥናሉ፤ አብዛኞቹ ሌሎች መለኪያዎች በFP8 — ከመነሻው ኳንታይዜሽን-አዋቂ ነው፤ ይህም ሞዴሉ ተጨማሪ መጨመቅን በምን ያህል ጨዋነት እንደሚቀበል ወሳኝ ነው።

03ከMLA ወደ CSA + HCA፦ DeepSeek ረጅም ዐውድን ርካሽ የሚያደርገው እንዴት ነው

የDeepSeek በአራት ትውልዶች ላይ የሚያገናኘው መስመር መጠን ሳይሆን የትኩረት ኢኮኖሚክስ ነው። እያንዳንዱ ስሪት ከዐውድ ጋር በቀጥታ የሚያድገውንና በረጅም ርዝመቶች ላይ ማህደረ ትውስታን የሚቆጣጠረውን የKV መሸጎጫ አጥቅቷል።

• V2 Multi-head Latent Attention (MLA)ን አስተዋወቀ — ቁልፎችንና እሴቶችን ወደ ድብቅ ቬክተር ዝቅተኛ-ደረጃ የጋራ መጨመቅ፤ ስለዚህ ማመንጨት በእያንዳንዱ ራስ ሙሉ K እና V ከመሸጎጥ ይልቅ ያንን ቬክተር ከተነጠለ የRoPE ቁልፍ ጋር ይሸጉጣል። DeepSeek የKV መሸጎጫው ወደ መደበኛ ብዙ-ራስ ትኩረት 4–14% ገደማ እንደወረደ ዘግቧል፤ ጥራቱ ተጠብቆ ወይም ተሻሽሎ።
• V3 ያንን ወደ 671B አሳደገው፤ MLAም በክፍት ሞዴሎች ውስጥ ለርካሽ ረጅም ዐውድ ነባሪ ግምት ሆነ።
• V3.2 DeepSeek Sparse Attention (DSA)ን ጨመረ፤ ለሁሉም ነገር ትኩረት ከመስጠት ይልቅ በቀላል ጠቋሚ በኩል በአንድ ጥያቄ የታሪኩን ከፍተኛ-k ንዑስ ስብስብ ይመርጣል።
• V4 ያዳቅላል። Compressed Sparse Attention (CSA) መጀመሪያ የእያንዳንዱን m ቶክኖች የKV ግቤቶች በተማሩ ክብደቶች ወደ አንድ ግቤት ይጨምቃል፤ ከዚያም በእነዚያ የተጨመቁ ግቤቶች ላይ የሳሳ ከፍተኛ-k ምርጫ ያሮጣል። Heavily Compressed Attention (HCA) በጣም በኃይል ይጨምቃል ግን በውጤቱ ላይ ጥቅጥቅ ብሎ ይቀራል። ሁለቱ የንብርብር ዓይነቶች በቁልሉ ውስጥ ተሰናስለዋል፤ ስለዚህ ርካሽ ዓለም አቀፍ ማጠቃለያና ትክክለኛ አካባቢያዊ መመዘዝ አብረው ይኖራሉ።

በአንድ ሚሊዮን ቶክን ዐውድ ላይ የተዘገበው ውጤት ግልጽ ነው፦ V4-Pro ከV3.2 ጋር ሲነጻጸር በአንድ ቶክን ከሚያስፈልገው የግምት FLOPs 27% ገደማና ከKV መሸጎጫው 10% ያስፈልገዋል። የ262K ጥያቄ እንደ ማህደረ ትውስታ ክስተት ሳይሆን እንደ ተራ ጥያቄ የሚሠራው፣ የረጅም-ዐውድ የመመዘዝ ቁጥሮችም ከጥቂት አስር ሺህ ቶክኖች በኋላ ከመፍረስ ይልቅ የሚቋቋሙት ለዚህ ነው።

04የ3BIT-REAP ቅጥያ ምን ማለት ነው

የካታሎጋችን መለያ በ3BIT-REAP ይጨርሳል፤ ይህም በቅደም ተከተል የተተገበሩ ሁለት ራሳቸውን የቻሉ የመጨመቅ ደረጃዎችን ይገልጻል።

REAP፦ ኤክስፐርቶችን መከርከም እንጂ ማዋሃድ አይደለም

REAP ማለት Router-weighted Expert Activation Pruning ነው፤ ከCerebras Research የመጣ — “REAP the Experts: Why Pruning Prevails for One-Shot MoE Compression”፣ ለICLR 2026 ተቀባይነት ያገኘ። በሳሳ MoE ውስጥ መሪው ኤክስፐርቶቹን በእኩል አይጠቀምባቸውም፦ ረጅም ጅራት እምብዛም፣ በደካማ ወይም በሁለቱም ይመረጣል። REAP እያንዳንዱን ኤክስፐርት የመሪውን በር እሴቶች (ምን ያህል ጊዜና ምን ያህል በኃይል እንደሚመረጥ) ከየኤክስፐርት አክቲቬሽን ኖርሞች (ውጤቱ ምን ያህል እንደሚያበረክት) ጋር በማጣመር ያስመዘግባል፤ ከዚያም የተሸነፉትን በቀጥታ ይሰርዛል።

የጽሑፉ ክርክር መከርከም ማዋሃድን ይበልጣል የሚል ነው፦ ማዋሃድ MoEን ለመገንባት ዋጋ ያሰጠውን ተግባራዊ ልዩ ችሎታ በአማካይ ያጠፋዋል፤ መሪው እምብዛም የማይደርስባቸውን ኤክስፐርቶች መሰረዝ ግን ይጠብቀዋል። ከ20B እስከ 1T ባሉ ሞዴሎች ላይ REAP በአመንጪ መለኪያዎች ላይ ማዋሃድንና ተፎካካሪ የመከርከሚያ ዘዴዎችን በልጧል፤ ደራሲዎቹም በQwen3-Coder-480B እና በKimi-K2 ላይ በ50% ኤክስፐርት መከርከም ላይ በኮድ ማመንጨትና በመሣሪያ መጥራት ላይ ኪሳራ-አልባ ወደሆኑ ውጤቶች መድረሳቸውን ይዘግባሉ — ይህም ይህ ሞዴል ለተሠራበት የሥራ ጫና መገለጫ በትክክል ነው።

የ3-ቢት ክብደቶች፦ ለትልልቆቹ መሠረቶች የመጨመቂያ ደረጃ

የቀረው ከዚያ ወደ 3-ቢት ክብደቶች ኳንታይዝ ይደረጋል። ሦስት ቢት ኃይለኛ ነው፤ ሌላ ነገር እንዳልሆነም አናስመስልም፦ በተርታው ውስጥ መሠረቱ መጨመቅ የማያስፈልገው ያህል ትንሽ በሚሆንበት W8A16ን፣ በመሃል W4A16-AUTOROUND-REAPን፣ እና 3BIT-REAPን ደግሞ በትልልቆቹ መሠረቶች ላይ ብቻ እንጠቀማለን፤ እዚያ ላይ ሞዴሉን በማገልገልና ባለማገልገል መካከል ያለው ልዩነት ነውና።

ልውውጡን በግልጽ መናገር ተገቢ ነው፦ የ3-ቢት 1.6T MoE ከማጣቀሻው ልቀት ጋር ቢት-በቢት ተመሳሳይ አይደለም፤ ትንሽ የጥራት ወጪም እውነተኛ ነው። በምትኩ የምታገኙት ያልተጨመቀው ጣሪያው በከፍተኛ ትክክለኛነት ምቹ ሆኖ ከሚገጥም ማንኛውም ነገር በጣም ከፍ ብሎ የተቀመጠ መሠረት ነው — የV4 ኤክስፐርቶች ከመነሻው በFP4 ስለሠለጠኑም ሞዴሉ በተጨማሪ የክብደት መጨመቅ ስር ባልተለመደ ሁኔታ ጥሩ ባህርይ ያሳያል። በትክክለኛነት ላይ ቀለል ያለ ንክኪ ያለው የDeepSeek ግንባታ ከፈለጋችሁ፣ DeepSeek-V4-Flash-0731-W4A16-AUTOROUND-REAP በዚያው 262K ዐውድ ላይ በ$0.50 ግብዓት / $2.00 ውጤት የ4-ቢት ክብደቶችን ከ16-ቢት አክቲቬሽኖችና ከAutoRound የተማረ ማጠጋጋት ጋር ይጠቀማል።

05ማመዛዘንና የreasoning_effort መቆጣጠሪያ

የV4 ድህረ-ሥልጠና የዘርፍ ስፔሻሊስቶችን ለየብቻ ያሠለጥናል — ሒሳብ፣ ኮድ፣ ወኪሎች፣ መመሪያ መከተል — በSFT ተከትሎ GRPO፤ DeepSeek ከR1 ጋር ያስተዋወቀው Group Relative Policy Optimization ዘዴ። እነዚያ ስፔሻሊስቶች ከዚያ በተገላቢጦሽ-KL ዓላማ ስር በፖሊሲ-ተኮር ማጣራት ወደ አንድ ሞዴል ይዋሃዳሉ፤ ስለዚህ አንድ የፍተሻ ነጥብ በሁሉም ላይ መካከለኛ የሆነ ጠቅላይ ሳይሆን በበርካታ ዘርፎች ላይ በአንድ ጊዜ የስፔሻሊስት-ደረጃ ባህርይ ይይዛል።

የተለቀቀው ሞዴል ሁለትዮሽ ማብሪያ ሳይሆን የተመጣጠኑ የማሰቢያ ሁነታዎችን ያጋልጣል። በጌትዌያችን ላይ ያ መደበኛው reasoning_effort መለኪያ ነው፤ በዚህ ሞዴል ላይ በጣም ጠቃሚው ብቸኛ መቆጣጠሪያ፦

• Low — ወደ ቀጥታ የሚጠጋ መልስ፦ ምድብ ማድረግ፣ ማውጣት፣ እንደገና መጻፍ፣ ለሞዴሉ ማሰላሰል ሳይሆን ለእውቀቱ የምትከፍሉበት ማንኛውም ነገር።
• Medium — ለኮድ ግምገማ፣ ለማረምና ለብዙ-ደረጃ ትንተና ነባሪው የሥራ ሁነታ።
• High — ከመመለስ በፊት ረጅም ማሰላሰል። ከባዶቹ ችግሮች የሚፈቱበት፣ የውጤት-ቶክን ሂሳባችሁም የሚኖርበት ነው፤ የማመዛዘን ቶክኖች እንደ ውጤት ስለሚከፈላቸው።

የእምቢታ ንብርብር ስለሌለ የማመዛዘኑ ዱካ በጥንቁቅ ጉዳዮች ላይ አይቆረጥም — በመጀመሪያ-ወገን አገልግሎት ላይ የተመዘገበው የሐሳብ-ማፈን ዘይቤ እዚህ የሚከሰትበት ዘዴ የለም።

06ኮድና የወኪል ሥራ፦ መሠረቱ የሚያስመዘግበው

እነዚህ ለV4-Pro ልቀት የDeepSeek-AI የራሱ የታተሙ ቁጥሮች ናቸው — የእኛ አይደሉም፣ በእኛ ኳንታይዝ በተደረገ ግንባታ ላይም አልተለኩም። የምናሳያቸው ይህን መሠረት ለመምረጥ ታማኙ ምክንያት ስለሆኑ ነው፤ በዚያው መጠን እንድትመዝኑአቸውም እንደ መጀመሪያ-ወገን ምልክት እናደርግባቸዋለን።

ሁለቱ አስተያየት ይገባቸዋል። SWE-bench Verified በ80.6% የእውነተኛ ማከማቻ ጉዳይ መፍታት ነው — ያልታወቀ የኮድ ቋት ማንበብ፣ ጉድለቱን ማግኘት፣ የፕሮጀክቱን የራሱን ፈተናዎች የሚያልፍ ጥገና ማምረት። MRCR በአንድ ሚሊዮን ቶክን (83.5) በሙሉ ርዝመት ላይ ብዙ-ዙር የጋራ ማጣቀሻ መመዘዝ ነው፤ የረጅም-ዐውዱ ይገባኛል ጥያቄ ማስዋቢያ እንዳልሆነ የሚነግራችሁ ቁጥር። DeepSeek ለሞዴሉ የ3206 የCodeforces ደረጃ እና በ1M ዐውድ ላይ በCorpusQA 62.0 እንደሆነም ይዘግባል።

ከላይ ያሉት ቁጥሮች ለDeepSeek-V4-Pro ማጣቀሻ ልቀት በDeepSeek-AI የተዘገቡ ናቸው። የእኛ የ3BIT-REAP ግንባታ የእነዚያ ክብደቶች የተጨመቀ ልዩነት ሲሆን በእነዚህ ተግባራት ላይ በተናጠል አልተለካም፤ የማጣቀሻውን ውጤቶች የዚህን የመዳረሻ ነጥብ ልኬት ሳይሆን የመሠረቱ ጣሪያ አድርጋችሁ ውሰዱ።

07262K ዐውድ፦ በእውነት የሚገጥመው

የማጣቀሻው ሞዴል ለሚሊዮን ቶክን የሠለጠነ ነው። እኛ 262,144 እናቀርባለን — በጌትዌዩ ላይ ያለ እያንዳንዱ ሞዴል የሚጋራው መስኮት፤ ስለዚህ ሞዴል መቀየር የአንድ መስመር ለውጥ ነው፣ ፈጽሞም የዐውድ ኋላቀርነት አይሆንም። በተግባር 262K ለአብዛኛው እውነተኛ ሥራ ዐውድ ከሚያስሮጥበት ነጥብ አልፏል፦

የሥራ ጫና	ግምታዊ ቶክኖች	በ262K ይገጥማል?
መካከለኛ መጠን ያለው የአገልግሎት ማከማቻ (~50 ሺህ መስመሮች)	~600K	አይገጥምም — ሞጁሎችን ምረጡ
አንድ ንዑስ ሥርዓት ከፈተናዎቹ ጋር	~60–120K	አዎ፣ በምቾት
ለአንድ ፕሮቶኮል ሙሉ የRFC ስብስብ	~150K	አዎ
የ700 ገጽ ቴክኒካዊ መጽሐፍ	~250K	አዎ፣ ወደ ገደቡ ተጠግቶ
ረጅም የወኪል ሩጫ፣ ከ40+ የመሣሪያ ተራዎች	~80–200K	አዎ

ማቀድ የሚገባችሁ ገደብ ውጤቱ ነው፦ በአንድ ምላሽ ከፍተኛው 16,384 ቶክኖች። ያ ረጅም ሰነድ ወይም ጠንካራ የብዙ-ፋይል ጥገና ነው፣ ግን የኮድ ቋት አይደለም። ትልልቅ የማመንጨት ሥራዎች አንድ ግዙፍ ማጠናቀቂያ በመጠየቅ ሳይሆን የቀደመውን ውጤት ወደ ዐውዱ በመመለስ ጥያቄዎችን በማሰናሰል ይሠራሉ — ይህንም የ262K መስኮት ርካሽ ያደርገዋል።

08ዋጋ፣ እና V4-Pro በተርታው ውስጥ የሚቀመጥበት

በሚሊዮን ቶክን $1.95 ግብዓት / $3.90 ውጤት ላይ V4-Pro ዋናው የማመዛዘን ደረጃ ነው — ችግሩ ከባድ ሲሆን የምትደርሱበት ሞዴል። ችግሩ ትልቅ ብቻ ሲሆን ግን በዚያው 262K መስኮት ላይ ያሉ ርካሽ ሞዴሎች በሩብ ዋጋ ይሠሩታል።

ሳንሱር-አልባ ሞዴል	ግብዓት / 1M	ውጤት / 1M	እይታ	ለምን ይሻላል
DeepSeek-V4-Pro · 3BIT-REAP	$1.95	$3.90	የለም	ከባድ ማመዛዘን፣ ኮድ፣ ወኪሎች
DeepSeek-V4-Flash · W4A16	$0.50	$2.00	የለም	ተመሳሳይ የዘር ሐረግ፣ ከፍተኛ መጠን
GLM-5.2 · 3BIT-REAP	$0.73	$2.34	የለም	ጠቅላላ ዓላማ ያለው የጉልበት ሞዴል
Kimi-K3 · 3BIT-REAP	$3.83	$19.12	አለ	ከፍተኛ ደረጃ ብዙ-ዘዴ ወኪሎች
MiniMax-M3 · 3BIT-REAP	$0.50	$2.00	አለ	ርካሹ እይታ

ሰዎች በእውነት ስለሚያደርጉት ንጽጽር ግልጽ እንሁን፦ የDeepSeek የራሱ API ከዚህ ይረክሳል — የመጀመሪያ-ወገን V4-Pro በግምት $0.435 ግብዓት / $0.87 ውጤት ተዘርዝሯል፤ የመሸጎጫ-ተመታ ግብዓት ዋጋቸውም ከዚያ ያነሰ ነው። በቶክን ያለው ዋጋ ብቸኛ መስፈርታችሁ ከሆነና የቁጥጥሩ ባህርይ ሥራችሁን የማይነካ ከሆነ የመጀመሪያ-ወገኑን API ተጠቀሙ፤ በኋላ ከምታውቁት ይልቅ አሁን ብንነግራችሁ እንመርጣለን። ተጨማሪው ክፍያ የተለየ የባህርያት ስብስብ ይገዛል፦ የእምቢታ ንብርብር የለም፣ የውጤት ማጣሪያም የለም፤ በ Shannon Lab LLC ስር የአሜሪካ አንቀሳቃሽ፤ ጸጥ ያለ የላይኛው ማሻሻያ በፕሮጀክት መሃል ውጤቶቻችሁን እንዳይቀይር የተሰካ በቀን የተመዘገበ የፍተሻ ነጥብ (0813)፤ በአንድ ሞዴል ላይ ሦስት የAPI ዘይቤዎች፤ እና በተርታው ውስጥ ባሉት አስራ ሁለቱም ሞዴሎች ላይ ተመሳሳዩ 262K መስኮትና የመለኪያ ገጽ።

09መጥራት፦ ሦስት ዘይቤዎች፣ አንድ ሞዴል

በጌትዌዩ ላይ ያለ እያንዳንዱ ሞዴል በሦስቱም የመዳረሻ ነጥቦች ላይ ይመልሳል፤ በእያንዳንዱም ላይ ስትሪሚንግ አለ። አዲስ SDK አትወስዱም — የመሠረት URLና የሞዴል መለያ ትቀይራላችሁ።

curl https://api.shannon-ai.com/v1/chat/completions \
  -H "Authorization: Bearer $SHANNON_API_KEY" \
  -H "Content-Type: application/json" \
  -d '{
    "model": "DeepSeek-V4-Pro-0813-3BIT-REAP",
    "reasoning_effort": "high",
    "stream": true,
    "messages": [
      {"role": "system", "content": "You are a systems programmer. Be direct."},
      {"role": "user", "content": "Audit this parser for memory-safety bugs."}
    ]
  }'

• /v1/chat/completions — የ OpenAI ዘይቤ፤ ከ OpenAI SDKዎችና በእነሱ ላይ ከተገነባ ማንኛውም ነገር ጋር ይሠራል።
• /v1/messages — የ Anthropic ዘይቤ፤ አስቀድመው በዚያ ቅርጽ ለተጻፉ የኮድ ቋቶች።
• /v1/responses — የResponses ዓይነት በይነገጽ።

በዚህ ሞዴል ላይ የሚደገፉ፦ ስትሪሚንግ፣ ተፈጥሯዊ መሣሪያ መጥራት፣ ጥብቅ json_schema የተዋቀረ ውጤት፣ response_format፣ እና reasoning_effort። ሙሉ የመለኪያ ማጣቀሻና ቀጥታ መሞከሪያ ሜዳ በየAPI ሰነዶች ውስጥ ናቸው።

10ታማኝ ገደቦች

በእሱ ላይ ከመገንባታችሁ በፊት ልታውቁ የሚገባ አራት ነገሮች፦

• እይታ የለም። ጽሑፍ-ብቻ ነው፤ በማንኛውም የመዳረሻ ነጥብ ላይ የምስል ግብዓት አይቀበልም። የሚያይ ሳንሱር-አልባ ሞዴል ከፈለጋችሁ Kimi-K3፣ Kimi-K2.6፣ MiniMax-M3፣ MiMo-V2.5 ወይም inklingን ተጠቀሙ።
• የ16,384 ቶክን የውጤት ጣሪያ። በከፍተኛ ጥረት ላይ የማመዛዘን ቶክኖች በእሱ ላይ ይቆጠራሉ፤ ስለዚህ ረጅም ማሰላሰል ለመልሱ ያነሰ ቦታ ይተዋል። ለትልልቅ የማመንጨት ሥራዎች ጥያቄዎችን አሰናስሉ።
• 3-ቢት እውነተኛ መጨመቅ ነው። የማጣቀሻው ውጤቶች ይህን ግንባታ ሳይሆን መሠረቱን ይገልጻሉ። ለከፍተኛ-ታማኝነት ደረጃ የW8A16 ሞዴሎች (MiMo-V2.5-Pro፣ MiMo-V2.5፣ Hy3) አነስተኛውን ኳንታይዜሽን ይይዛሉ።
• ሳንሱር-አልባ መሆን ውጤት-አልባ አይደለም። የእምቢታ ንብርብር አለመኖር ማለት ለምትጠይቁትና በመልሱ ለምታደርጉት ኃላፊነት በእናንተ ላይ ነው ማለት ነው — በአገልግሎት ውላችንና በምትሠሩበት ቦታ ሕግ ስር።

11በተደጋጋሚ የሚጠየቁ ጥያቄዎች

---

ምንጮች፦ DeepSeek-AI — የDeepSeek-V4-Pro ሞዴል ካርድ · የDeepSeek-V4 ቴክኒካዊ ሪፖርት (CSA/HCA፣ mHC፣ Muon) · DeepSeek-V2 (MLA፣ DeepSeekMoE) · የDeepSeek-V3 ቴክኒካዊ ሪፖርት · REAP the Experts (Cerebras Research) · የPromptfoo የሳንሱር ኦዲት · Discovering Forbidden Topics in Language Models። የመለኪያ ቁጥሮች ለማጣቀሻው ልቀት በDeepSeek-AI የተዘገቡ ናቸው፤ የተጨመቀው ግንባታ በሦስተኛ ወገን በተናጠል ማረጋገጫ ገና ይጠበቃል። ዋጋዎቹ እስከ መስከረም 5, 2026 ያሉ የ Shannon AI የዝርዝር ዋጋዎች ናቸው።