DeepSeek API bez cenzury

Lidé, kteří dorazí ke spojení „DeepSeek API bez cenzury“, chtějí jednu konkrétní věc: model s uvažovacími a kódovacími schopnostmi DeepSeeku, který odpoví na otázku, kterou skutečně položili. Ta část o schopnostech je dobře zdokumentovaná — DeepSeek-AI zveřejnil architekturu i čísla a váhy jsou na Hugging Face pod MIT. Druhá polovina je provozní rozhodnutí a obvykle ho za vás udělá někdo jiný. Tahle stránka pokrývá obojí: co je základ V4-Pro, co s ním dělá náš build 3BIT-REAP a co přesně znamená „bez cenzury“, když to říkáme my.

01Co „DeepSeek API bez cenzury“ vlastně znamená

Pod stejné slovo se řadí dva různé mechanismy. Prvním je alignment zapečený do vah — odmítavé chování naučené během post-trainingu. Druhým je moderační vrstva na straně servírování: samostatný klasifikátor, který zkontroluje váš prompt dřív, než ho model uvidí, a výstup dřív, než ho uvidíte vy, a který dokáže odpověď utnout uprostřed věty bez ohledu na to, co chtěl model říct.

Obojí je měřitelné a vlastní služba DeepSeeku změřena byla. Promptfoo sestavilo sadu 1 360 politicky citlivých otázek a uvedlo, že hostovaný R1 od DeepSeeku odmítl nebo odvedl řeč u 1 156 z nich — zhruba u 85 %. Akademická práce nad stejnou rodinou našla zřetelný způsob selhání, který autoři nazvali potlačení myšlení: uvažovací stopa modelu skončí téměř hned, jak u citlivého tématu začne. Samostatný audit publikovaný v Information Sciences zdokumentoval potlačování na sémantické úrovni: obsah přítomný ve vnitřním uvažování modelu je potichu vynechán nebo přepsán dřív, než se dostane k uživateli. To je těžší problém než rovnou odmítnutí, protože zkrácená odpověď vypadá jako odpověď.

My provozujeme vydání s otevřenými váhami, na hardwaru, který provozujeme my, ve Spojených státech, pod Shannon Lab LLC. Před modelem není žádná vrstva odmítání a na to, co se vrací, se neaplikuje žádný filtr: váš prompt se před servírováním nekategorizuje podle politiky a výstupní proud se cestou ven nekontroluje. Protože je základ pod licencí MIT a veřejný, můžete si naše výstupy porovnat s referenčními váhami sami, místo abyste nám věřili na slovo.

02Základ: DeepSeek-V4-Pro, MoE s 1,6 bilionu parametrů

DeepSeek-V4 je současná rodina s otevřenými váhami od DeepSeek-AI, představená v dubnu 2026 a vydaná pod MIT ve dvou velikostech: V4-Flash (284 miliard celkem, 13 miliard aktivovaných) a V4-Pro (1,6 bilionu celkem, 49 miliard aktivovaných). Tenhle článek je o tieru Pro. Oba byly předtrénovány zhruba na 33 bilionech tokenů a oba nativně podporují kontext o milionu tokenů.

Všimnout si stojí poměru řídkosti: na kterémkoli tokenu vystřelí jen zhruba 3 % parametrů, což je to, co dělá model téhle velikosti vůbec servírovatelným. Samotný blok MoE je pořád DeepSeekMoE — jemně granulovaní routovaní experti plus stále zapnutí sdílení experti zavedení ve V2 — jen s drobnými změnami ve V4, nejviditelněji hashovacím routováním v nejranějších vrstvách. Multi-Token Prediction, pomocný cíl z V3, který zároveň umožňuje spekulativní dekódování, zůstává beze změny.

Nové části ve V4 jsou strukturální. Manifold-Constrained Hyper-Connections (mHC) nahrazují prostou reziduální cestu naučenou mísicí maticí omezenou na varietu dvojitě stochastických matic pomocí projekce Sinkhorn–Knopp — reziduální proud, který se převáží podle vstupu bez numerického driftu, jenž zabíjí velmi hluboké stohy. Trénink přešel z AdamW na Muon pro většinu modulů, s ortogonalizací Newton–Schulz, přičemž AdamW zůstal jen pro embeddingy, predikční hlavy, normalizaci a statické parametry mHC. A váhy expertů se trénují ve FP4, většina ostatních parametrů v FP8 — kvantizačně uvědoměle od začátku, na čemž záleží při tom, jak ochotně model snese další kompresi.

03Od MLA k CSA + HCA: jak DeepSeek drží dlouhý kontext levný

Průběžná linka DeepSeeku napříč čtyřmi generacemi není velikost, ale ekonomika pozornosti. Každá verze útočila na KV cache, která roste lineárně s kontextem a při velkých délkách dominuje paměti.

• V2 zavedla Multi-head Latent Attention (MLA) — nízkohodnostní společnou kompresi klíčů a hodnot do latentního vektoru, takže generování cachuje tento vektor plus oddělený RoPE klíč místo plných K a V na hlavu. DeepSeek uvedl KV cache zmenšenou zhruba na 4–14 % oproti standardní multi-head attention, při zachované nebo lepší kvalitě.
• V3 to naškálovala na 671 miliard a udělala z MLA výchozí předpoklad levného dlouhého kontextu v otevřených modelech.
• V3.2 přidala DeepSeek Sparse Attention (DSA), která pro každý dotaz vybírá top-k podmnožinu historie přes lehký indexer, místo aby se věnovala všemu.
• V4 hybridizuje. Compressed Sparse Attention (CSA) nejprve zkomprimuje KV položky každých m tokenů do jedné položky s naučenými vahami a pak nad těmito komprimovanými položkami běží řídký výběr top-k. Heavily Compressed Attention (HCA) komprimuje mnohem agresivněji, ale nad výsledkem zůstává hustá. Oba typy vrstev se stohem prokládají, takže levné globální shrnutí a přesné lokální vyhledávání koexistují.

Uváděná výplata při kontextu jednoho milionu tokenů je výrazná: V4-Pro potřebuje zhruba 27 % inferenčních FLOPs na token a 10 % KV cache oproti V3.2. Proto se požadavek na 262K chová jako normální požadavek, ne jako paměťová událost, a proto čísla vyhledávání v dlouhém kontextu drží místo toho, aby se za pár desítek tisíc tokenů zhroutila.

04Co znamená přípona 3BIT-REAP

Naše katalogové id končí na 3BIT-REAP a to popisuje dva nezávislé kompresní kroky aplikované po sobě.

REAP: experti se prořezávají, ne slučují

REAP je Router-weighted Expert Activation Pruning od Cerebras Research — „REAP the Experts: Why Pruning Prevails for One-Shot MoE Compression“, přijato na ICLR 2026. V řídkém MoE router své experty nevyužívá rovnoměrně: dlouhý chvost je vybírán zřídka, slabě, nebo obojí. REAP boduje každého experta kombinací hodnot routovací brány (jak často a jak silně je vybírán) s normami aktivací experta (jak moc jeho výstup přispívá) a poražené pak rovnou smaže.

Argument té práce je, že prořezávání poráží slučování: slučování zprůměruje pryč funkční specializaci, kvůli které stálo za to MoE stavět, zatímco smazání expertů, ke kterým se router sotva dostane, ji zachová. Napříč modely od 20 miliard do 1 bilionu parametrů REAP překonal slučování i konkurenční prořezávací metody na generativních benchmarcích a autoři uvádějí téměř bezztrátové výsledky na generování kódu a volání nástrojů při 50% prořezání expertů u Qwen3-Coder-480B a Kimi-K2 — což je přesně profil zátěže, kvůli kterému je tenhle model tady.

3bitové váhy: kompresní tier pro největší základy

To, co přežije, se pak kvantizuje na 3bitové váhy. Tři bity jsou agresivní a nepředstíráme opak: napříč nabídkou používáme W8A16 tam, kde je základ dost malý na to, aby stlačení nepotřeboval, W4A16-AUTOROUND-REAP uprostřed a 3BIT-REAP jen u největších základů, kde je to rozdíl mezi tím model servírovat a neservírovat.

Kompromis stojí za jasné vyslovení: 3bitové MoE s 1,6 bilionu parametrů není bitově identické s referenčním vydáním a malá ztráta kvality je skutečná. Co za to dostanete, je základ, jehož nekomprimovaný strop leží daleko nad čímkoli, co se pohodlně vejde ve vyšší přesnosti — a protože experti V4 byli od začátku trénováni ve FP4, chová se model při další kompresi vah nezvykle způsobně. Pokud chcete build DeepSeeku s lehčím zásahem do přesnosti, DeepSeek-V4-Flash-0731-W4A16-AUTOROUND-REAP používá 4bitové váhy s 16bitovými aktivacemi a naučeným zaokrouhlováním AutoRound, na stejném kontextu 262K za $0.50 vstup / $2.00 výstup.

05Uvažování a ovladač reasoning_effort

Post-training V4 trénuje doménové specialisty odděleně — matematiku, kódování, agenty, dodržování instrukcí — pomocí SFT následovaného GRPO, metodou Group Relative Policy Optimization, kterou DeepSeek zavedl s R1. Tito specialisté se pak sjednotí do jednoho modelu on-policy destilací pod cílem reverzní KL, takže jediný checkpoint nese chování specialistické úrovně v několika doménách naráz, místo aby byl generalistou průměrným ve všech.

Vydaný model vystavuje odstupňované režimy myšlení, ne binární přepínač. Na naší bráně je to standardní parametr reasoning_effort, jediný nejužitečnější knoflík na tomhle modelu:

• Low — téměř přímé odpovídání: klasifikace, extrakce, přepisování, cokoli, kde platíte za znalosti modelu, ne za jeho rozvažování.
• Medium — výchozí pracovní režim pro revize kódu, ladění a vícekrokovou analýzu.
• High — dlouhé rozvažování před odpovědí. Tady se řeší těžké problémy a tady žije váš účet za výstupní tokeny, protože uvažovací tokeny se účtují jako výstup.

Protože tu není žádná vrstva odmítání, uvažovací stopa se u citlivých témat nezkracuje — vzorec potlačení myšlení zdokumentovaný u vlastní služby tu nemá čím vzniknout.

06Kód a agentní práce: co základ skóruje

Tohle jsou vlastní zveřejněná čísla DeepSeek-AI pro vydání V4-Pro — ne naše a neměřená na našem kvantizovaném buildu. Ukazujeme je, protože jsou poctivým důvodem tenhle základ zvolit, a označujeme je jako čísla od výrobce, abyste je podle toho zvážili.

Dvě si zaslouží komentář. SWE-bench Verified na 80,6 % je řešení issues ve skutečných repozitářích — přečíst neznámou kódovou základnu, najít vadu a vytvořit patch, který projde vlastními testy projektu. MRCR na jednom milionu tokenů (83,5) je víceokruhové koreferenční vyhledávání v plné délce, číslo, které vám řekne, že tvrzení o dlouhém kontextu není dekorace. DeepSeek u modelu dále uvádí Codeforces rating 3206 a 62,0 na CorpusQA při kontextu 1M.

Výše uvedená čísla uvádí DeepSeek-AI pro referenční vydání DeepSeek-V4-Pro. Náš build 3BIT-REAP je komprimovanou variantou těchto vah a nebyl na těchto úlohách nezávisle benchmarkován; berte referenční skóre jako strop základu, ne jako měření tohoto endpointu.

07Kontext 262K: co se do něj vejde

Referenční model je trénovaný na milion tokenů. My servírujeme 262 144 — okno, které sdílí každý model na bráně, takže přepnutí modelu je změna na jeden řádek a nikdy to není regrese kontextu. V praxi je 262K za bodem, kde kontext u většiny skutečné práce svazuje:

Zátěž	Přibl. tokenů	Vejde se do 262K?
Středně velké repo služby (~50 tis. řádků)	~600K	Ne — vyberte moduly
Jeden subsystém + jeho testy	~60–120K	Ano, pohodlně
Kompletní sada RFC k protokolu	~150K	Ano
Sedmisetstránková technická kniha	~250K	Ano, těsně pod limitem
Dlouhý běh agenta, 40+ kol s nástroji	~80–200K	Ano

Limit, se kterým je třeba počítat, je výstup: maximálně 16 384 tokenů na odpověď. To je dlouhý dokument nebo pořádný patch přes více souborů, ale ne kódová základna. Velké generovací úlohy se dělají řetězením požadavků s předchozím výstupem zpátky v kontextu — což okno 262K dělá levným — a ne žádostí o jedno obrovské dokončení.

08Cena a kde V4-Pro v nabídce stojí

Za $1.95 vstup / $3.90 výstup za milion tokenů je V4-Pro vlajkový uvažovací tier — model, po kterém saháte, když je problém těžký. Když je jen velký, levnější modely na stejném okně 262K to udělají za čtvrtinu ceny.

Model bez cenzury	Vstup / 1M	Výstup / 1M	Vidění	Nejlepší na
DeepSeek-V4-Pro · 3BIT-REAP	$1.95	$3.90	Ne	Těžké uvažování, kód, agenti
DeepSeek-V4-Flash · W4A16	$0.50	$2.00	Ne	Stejný původ, velké objemy
GLM-5.2 · 3BIT-REAP	$0.73	$2.34	Ne	Univerzální tahoun
Kimi-K3 · 3BIT-REAP	$3.83	$19.12	Ano	Špičkoví multimodální agenti
MiniMax-M3 · 3BIT-REAP	$0.50	$2.00	Ano	Nejlevnější vidění

Na rovinu ke srovnání, které lidé skutečně udělají: vlastní API DeepSeeku je levnější než tohle — jejich V4-Pro je v ceníku zhruba za $0.435 vstup / $0.87 výstup a cena vstupu při zásahu do cache je ještě nižší. Pokud je vaším jediným kritériem cena za token a moderační chování vaši práci neovlivňuje, použijte jejich vlastní API; raději vám to řekneme, než abyste na to přišli později. Ta přirážka kupuje jinou sadu vlastností: žádnou vrstvu odmítání a žádný filtr výstupu, provozovatele v USA pod Shannon Lab LLC, připnutý datovaný checkpoint (0813), takže tichý upgrade nahoře nikdy nezmění vaše výstupy uprostřed projektu, tři dialekty API proti jednomu modelu a stejné okno 262K i stejnou plochu parametrů napříč všemi dvanácti modely v nabídce.

09Jak ho volat: tři dialekty, jeden model

Každý model na bráně odpovídá na všech třech endpointech, na každém se streamováním. Nepřecházíte na nové SDK — měníte základní URL a id modelu.

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 — dialekt OpenAI; funguje s SDK od OpenAI a se vším, co je na nich postavené.
• /v1/messages — dialekt Anthropic, pro kódové základny už napsané proti tomuto tvaru.
• /v1/responses — rozhraní ve stylu Responses.

Na tomto modelu podporujeme: streamování, nativní volání nástrojů, striktní strukturovaný výstup json_schema, response_format a reasoning_effort. Úplný přehled parametrů a živé hřiště najdete v dokumentaci API.

10Poctivé meze

Čtyři věci, které je dobré vědět, než na tom začnete stavět:

• Žádné vidění. Pouze text; obrazový vstup nepřijme na žádném endpointu. Pokud potřebujete model bez cenzury, který vidí, použijte Kimi-K3, Kimi-K2.6, MiniMax-M3, MiMo-V2.5 nebo inkling.
• Strop výstupu 16 384 tokenů. Při vysokém úsilí se do něj počítají uvažovací tokeny, takže dlouhé rozvažování nechá na odpověď méně místa. U velkých generovacích úloh řetězte požadavky.
• 3 bity jsou skutečná komprese. Referenční skóre popisují základ, ne tenhle build. Nejvěrnějším tierem jsou modely W8A16 (MiMo-V2.5-Pro, MiMo-V2.5, Hy3), které nesou nejméně kvantizace.
• Bez cenzury neznamená bez následků. Žádná vrstva odmítání znamená, že odpovědnost za to, na co se ptáte, a za to, co s odpovědí uděláte, leží na vás — podle našich obchodních podmínek a podle práva tam, kde působíte.

11Často kladené otázky

---

Zdroje: DeepSeek-AI — karta modelu DeepSeek-V4-Pro · Technická zpráva DeepSeek-V4 (CSA/HCA, mHC, Muon) · DeepSeek-V2 (MLA, DeepSeekMoE) · Technická zpráva DeepSeek-V3 · REAP the Experts (Cerebras Research) · Audit cenzury od Promptfoo · Discovering Forbidden Topics in Language Models. Benchmarková čísla uvádí DeepSeek-AI pro referenční vydání; nezávislé ověření komprimovaného buildu třetí stranou se teprve chystá. Ceny jsou ceníkové ceny Shannon AI k 5. září 2026.