Нецензурираният DeepSeek API

Хората, които стигат до израза „нецензуриран DeepSeek API“, искат едно конкретно нещо: модел със способностите на DeepSeek за разсъждение и програмиране, който отговаря на въпроса, който наистина са задали. Половината, свързана с възможностите, е добре документирана — DeepSeek-AI публикува архитектурата и числата, а теглата са в Hugging Face под MIT. Втората половина е оперативно решение и обикновено се взема вместо вас. Тази страница покрива и двете: какво представлява основата V4-Pro, какво ѝ прави нашият билд 3BIT-REAP и какво точно означава „нецензуриран“, когато го казваме.

01Какво всъщност означава „нецензуриран DeepSeek API“

Под една и съща дума се вписват два различни механизма. Първият е подравняване, вградено в теглата — поведение на отказ, научено по време на дообучението. Вторият е модериращ слой откъм обслужването: отделен класификатор, който преглежда вашия промпт, преди моделът да го види, и изхода, преди вие да го видите, и може да прекъсне отговора по средата на изречението независимо какво е искал да каже моделът.

И двете са измерими, а собствената услуга на DeepSeek е била измерена. Promptfoo състави набор от 1360 промпта с политически чувствителни въпроси и съобщи, че хостнатият R1 на DeepSeek е отказал или е отклонил 1156 от тях — приблизително 85%. Академична работа върху същото семейство откри отделен режим на провал, който авторите нарекоха потискане на мисълта, при който следата на разсъждение на модела приключва почти веднага щом започне по чувствителна тема. Отделен одит, публикуван в Information Sciences, документира потискане на семантично ниво: съдържание, присъстващо във вътрешното разсъждение на модела, което тихо се пропуска или пренаписва, преди да стигне до потребителя. Това е по-труден проблем от откровения отказ, защото съкратеният отговор изглежда като отговор.

Това, което ние пускаме, е изданието с отворени тегла, върху хардуер, който ние управляваме, в Съединените щати, под Shannon Lab LLC. Няма слой за откази пред модела и няма филтър, приложен върху това, което се връща: вашият промпт не се класифицира спрямо политика, преди да бъде обслужен, а изходният поток не се проверява на излизане. Тъй като основата е с лиценз MIT и е публична, можете сами да сравните нашите изходи с референтните тегла, вместо да ни вярвате на думата.

02Основата: DeepSeek-V4-Pro, MoE с 1.6T параметъра

DeepSeek-V4 е текущото семейство с отворени тегла на DeepSeek-AI, представено през април 2026 г. и издадено под MIT в два размера: V4-Flash (284B общо, 13B активирани) и V4-Pro (1.6T общо, 49B активирани). Тази статия е за нивото Pro. И двата са предварително обучени върху приблизително 33 трилиона токена и двата поддържат изначално контекст от един милион токена.

Съотношението на разреденост е нещото, което трябва да се забележи: само около 3% от параметрите се задействат при даден токен, което изобщо прави обслужването на модел с такъв размер възможно. Самият MoE блок си остава DeepSeekMoE — финозърнестите маршрутизирани експерти плюс винаги включените споделени експерти, въведени във V2 — само с малки промени във V4, най-видимо хеш маршрутизиране в най-ранните слоеве. Multi-Token Prediction, спомагателната цел от V3, която също така позволява спекулативно декодиране, е запазена непроменена.

Новите елементи във V4 са структурни. Manifold-Constrained Hyper-Connections (mHC) заместват обикновения остатъчен път с научена смесваща матрица, ограничена върху многообразието на двойно стохастичните матрици чрез проекция на Синкхорн–Кноп — остатъчен поток, който се претегля наново според входа, без числовото отклонение, което убива много дълбоките стекове. Обучението премина от AdamW към Muon за повечето модули, с ортогонализация по Нютон–Шулц, като AdamW е запазен само за вгражданията, главите за предсказване, нормализацията и статичните mHC параметри. А теглата на експертите се обучават във FP4, докато повечето други параметри са във FP8 — с отчитане на квантуването от самото начало, което има значение за това колко грациозно моделът понася по-нататъшна компресия.

03От MLA към CSA + HCA: как DeepSeek поддържа дългия контекст евтин

Червената нишка на DeepSeek през четири поколения не е размерът, а икономиката на вниманието. Всяка версия атакува KV кеша, който расте линейно с контекста и доминира паметта при големи дължини.

• V2 въведе Multi-head Latent Attention (MLA) — нискорангова съвместна компресия на ключовете и стойностите в латентен вектор, така че генерирането кешира този вектор плюс отделен RoPE ключ, вместо пълни K и V за всяка глава. DeepSeek съобщи за KV кеш, свален до приблизително 4–14% от стандартното multi-head внимание, при запазено или подобрено качество.
• V3 мащабира това до 671B, което направи MLA подразбиращото се допускане за евтин дълъг контекст в отворените модели.
• V3.2 добави DeepSeek Sparse Attention (DSA), като избира top-k подмножество от историята за всяка заявка чрез лек индексатор, вместо да внимава върху всичко.
• V4 хибридизира. Compressed Sparse Attention (CSA) първо компресира KV записите на всеки m токена в един запис с научени тегла, а после изпълнява разредено top-k избиране върху тези компресирани записи. Heavily Compressed Attention (HCA) компресира далеч по-агресивно, но остава плътно върху резултата. Двата типа слоеве се редуват през стека, така че евтиното глобално обобщение и точното локално извличане съществуват едновременно.

Съобщената печалба при контекст от един милион токена е поразителна: V4-Pro се нуждае от около 27% от FLOPs за инференс на токен и 10% от KV кеша на V3.2. Ето защо заявка от 262K се държи като нормална заявка, а не като събитие за паметта, и защо числата за извличане при дълъг контекст се задържат, вместо да се сриват след няколко десетки хиляди токена.

04Какво означава наставката 3BIT-REAP

Нашият каталожен идентификатор завършва на 3BIT-REAP, а това описва две независими стъпки на компресия, приложени последователно.

REAP: отрязване на експерти, а не сливането им

REAP е Router-weighted Expert Activation Pruning, от Cerebras Research — „REAP the Experts: Why Pruning Prevails for One-Shot MoE Compression“, приета на ICLR 2026. В разреден MoE маршрутизаторът не използва експертите си равномерно: дълга опашка от тях се избира рядко, слабо или и двете. REAP оценява всеки експерт, комбинирайки стойностите на маршрутизиращия гейт (колко често и колко силно е избиран) с нормите на активациите на експерта (колко допринася изходът му), а после изтрива губещите изцяло.

Аргументът на статията е, че отрязването бие сливането: сливането осреднява и заличава функционалната специализация, която е направила MoE-то си струващо, докато изтриването на експертите, до които маршрутизаторът едва достига, я запазва. При модели от 20B до 1T REAP надминава сливането и конкурентните методи за отрязване по генеративни бенчмаркове, а авторите съобщават за практически без загуби резултати при генериране на код и извикване на инструменти при 50% отрязани експерти върху Qwen3-Coder-480B и Kimi-K2 — което е точно профилът на натоварване, заради който този модел е тук.

3-битови тегла: нивото на компресия за най-големите основи

Оцелялото после се квантува до 3-битови тегла. Три бита е агресивно и не се преструваме на друго: в цялата гама използваме W8A16, където основата е достатъчно малка, за да не се нуждае от стягане, W4A16-AUTOROUND-REAP по средата и 3BIT-REAP само при най-големите основи, където това е разликата между това моделът да бъде обслужван и изобщо да не бъде.

Компромисът си струва да се каже направо: MoE с 1.6T параметъра на 3 бита не е побитово идентичен с референтното издание и малка загуба в качеството е реална. Това, което получавате в замяна, е основа, чийто некомпресиран таван стои далеч над всичко, което се побира удобно при по-висока точност — а тъй като експертите на V4 изначално са обучени във FP4, моделът се държи необичайно добре при по-нататъшна компресия на теглата. Ако искате билд на DeepSeek с по-лека ръка върху точността, DeepSeek-V4-Flash-0731-W4A16-AUTOROUND-REAP използва 4-битови тегла с 16-битови активации и наученото закръгляне на AutoRound, при същия 262K контекст на $0.50 вход / $2.00 изход.

05Разсъждение и регулаторът reasoning_effort

Дообучението на V4 обучава специалисти по области поотделно — математика, програмиране, агенти, следване на инструкции — със SFT, последвано от GRPO, метода Group Relative Policy Optimization, който DeepSeek въведе с R1. После тези специалисти се обединяват в един модел чрез дестилация по текущата политика с обратна KL цел, така че една контролна точка носи поведение на специалистично ниво в няколко области наведнъж, вместо да е генералист, посредствен във всички тях.

Издаденият модел предоставя степенувани режими на мислене, а не двоичен превключвател. В нашия шлюз това е стандартният параметър reasoning_effort, най-полезното копче на този модел:

• Low — почти директно отговаряне: класификация, извличане, пренаписване, всичко, при което плащате за знанието на модела, а не за неговото обмисляне.
• Medium — работният режим по подразбиране за преглед на код, дебъгване и многостъпков анализ.
• High — дълго обмисляне преди отговора. Мястото, където се решават трудните задачи, и мястото, където живее сметката ви за изходни токени, тъй като токените на разсъждение се таксуват като изход.

Тъй като няма слой за откази, следата на разсъждение не се съкращава при чувствителна тематика — моделът на потискане на мисълта, документиран при собствената услуга на разработчика, няма механизъм да възникне тук.

06Код и агентска работа: какво постига основата

Това са собствените публикувани числа на DeepSeek-AI за изданието V4-Pro — не наши и не измерени върху нашия квантуван билд. Показваме ги, защото те са честната причина да изберете тази основа, и ги обозначаваме като данни от първа страна, за да ги претеглите съответно.

Две от тях заслужават коментар. SWE-bench Verified с 80.6% е решаване на проблеми в реални хранилища — четене на непознат код, локализиране на дефекта, изготвяне на кръпка, която минава собствените тестове на проекта. MRCR при един милион токена (83.5) е многорундово извличане с кореференция при пълна дължина — числото, което ви казва, че твърдението за дълъг контекст не е декоративно. DeepSeek съобщава също рейтинг в Codeforces от 3206 за модела и 62.0 на CorpusQA при 1M контекст.

Числата по-горе са съобщени от DeepSeek-AI за референтното издание DeepSeek-V4-Pro. Нашият билд 3BIT-REAP е компресиран вариант на тези тегла и не е независимо бенчмаркван по тези задачи; приемайте референтните резултати като таван на основата, а не като измерване на тази крайна точка.

07262K контекст: какво всъщност се побира

Референтният модел е обучен за милион токена. Ние обслужваме 262 144 — прозорецът, който всеки модел в шлюза споделя, така че смяната на модел е промяна от един ред и никога не е регресия в контекста. На практика 262K е отвъд точката, в която контекстът е ограничението при повечето реална работа:

Натоварване	Приблизително токени	Побира ли се в 262K?
Средно голямо хранилище на услуга (~50k реда)	~600K	Не — изберете модули
Една подсистема + нейните тестове	~60–120K	Да, спокойно
Пълен набор RFC за един протокол	~150K	Да
Техническа книга от 700 страници	~250K	Да, близо до лимита
Дълго изпълнение на агент, 40+ хода с инструменти	~80–200K	Да

Ограничението, с което трябва да се съобразявате, е изходът: максимум 16 384 токена на отговор. Това е дълъг документ или значителна кръпка през няколко файла, но не и цяла кодова база. Големите задачи по генериране се вършат чрез верижни заявки с предишния изход обратно в контекста — което прозорецът от 262K прави евтино — а не чрез искане на едно огромно допълване.

08Цена и мястото на V4-Pro в гамата

При $1.95 вход / $3.90 изход на милион токена V4-Pro е водещото ниво за разсъждение — моделът, към който посягате, когато задачата е трудна. Когато тя е просто голяма, по-евтини модели при същия прозорец от 262K ще я свършат за четвърт от цената.

Нецензуриран модел	Вход / 1M	Изход / 1M	Зрение	Най-подходящ за
DeepSeek-V4-Pro · 3BIT-REAP	$1.95	$3.90	Не	Трудно разсъждение, код, агенти
DeepSeek-V4-Flash · W4A16	$0.50	$2.00	Не	Същият произход, голям обем
GLM-5.2 · 3BIT-REAP	$0.73	$2.34	Не	Универсален работен кон
Kimi-K3 · 3BIT-REAP	$3.83	$19.12	Да	Мултимодални агенти от висок клас
MiniMax-M3 · 3BIT-REAP	$0.50	$2.00	Да	Най-евтиното зрение

Да бъдем прями за сравнението, което хората наистина ще направят: собственият API на DeepSeek е по-евтин от този — V4-Pro от първа страна е с цена около $0.435 вход / $0.87 изход, а цените им при попадение в кеша са още по-ниски. Ако цената на токен е единственият ви критерий и поведението на модерацията не засяга работата ви, използвайте API-то от първа страна; предпочитаме да ви го кажем, отколкото да го откриете по-късно. Надценката купува различен набор от свойства: без слой за откази и без филтър на изхода, оператор от САЩ под Shannon Lab LLC, фиксирана датирана контролна точка (0813), така че тихо обновяване нагоре по веригата никога да не променя изходите ви по средата на проекта, три API диалекта срещу един модел и същият прозорец от 262K и същата повърхност от параметри при всичките дванадесет модела в гамата.

09Извикване: три диалекта, един модел

Всеки модел в шлюза отговаря и на трите крайни точки, с поточно предаване при всяка. Не приемате нов SDK — сменяте базов URL и идентификатор на модел.

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 — диалект на OpenAI; работи с SDK-тата на OpenAI и с всичко, изградено върху тях.
• /v1/messages — диалект на Anthropic, за кодови бази, вече написани спрямо тази форма.
• /v1/responses — интерфейсът в стил Responses.

Поддържани при този модел: поточно предаване, вградено извикване на инструменти, строг структуриран изход по json_schema, response_format и reasoning_effort. Пълният справочник за параметрите и жива площадка за изпробване има в API документацията.

10Честни ограничения

Четири неща, които да знаете, преди да строите върху него:

• Без зрение. Само текст; няма да приеме вход с изображения на нито една крайна точка. Ако ви трябва нецензуриран модел, който вижда, използвайте Kimi-K3, Kimi-K2.6, MiniMax-M3, MiMo-V2.5 или inkling.
• Таван на изхода от 16 384 токена. Токените на разсъждение се броят срещу него при високо усилие, така че дългото обмисляне оставя по-малко място за отговора. Веригирайте заявки за големи задачи по генериране.
• 3 бита е реална компресия. Референтните резултати описват основата, а не този билд. За нивото с най-висока вярност моделите W8A16 (MiMo-V2.5-Pro, MiMo-V2.5, Hy3) носят най-малко квантуване.
• Нецензуриран не значи без последствия. Липсата на слой за откази означава, че отговорността за това какво питате и какво правите с отговора е ваша — съгласно нашите условия за ползване и закона там, където работите.

11Често задавани въпроси

---

Източници: DeepSeek-AI — карта на модела DeepSeek-V4-Pro · Технически доклад за DeepSeek-V4 (CSA/HCA, mHC, Muon) · DeepSeek-V2 (MLA, DeepSeekMoE) · Технически доклад за DeepSeek-V3 · REAP the Experts (Cerebras Research) · Одит на цензурата от Promptfoo · Discovering Forbidden Topics in Language Models. Числата от бенчмаркове са съобщени от DeepSeek-AI за референтното издание; независима проверка от трета страна на компресирания билд предстои. Цените са каталожни цени на Shannon AI към 5 септември 2026 г.