Το DeepSeek API χωρίς λογοκρισία

Όσοι φτάνουν στη φράση «DeepSeek API χωρίς λογοκρισία» θέλουν ένα συγκεκριμένο πράγμα: ένα μοντέλο με την ικανότητα συλλογιστικής και προγραμματισμού της DeepSeek που απαντά στην ερώτηση που πραγματικά έκαναν. Το μισό της ικανότητας είναι καλά τεκμηριωμένο — η DeepSeek-AI δημοσίευσε την αρχιτεκτονική και τα νούμερα, και τα βάρη βρίσκονται στο Hugging Face με άδεια MIT. Το δεύτερο μισό είναι απόφαση λειτουργίας, και συνήθως τη λαμβάνουν για σένα. Αυτή η σελίδα καλύπτει και τα δύο: τι είναι το θεμέλιο V4-Pro, τι του κάνει το δικό μας build 3BIT-REAP και τι ακριβώς εννοούμε όταν λέμε «χωρίς λογοκρισία».

01Τι σημαίνει στην πράξη «DeepSeek API χωρίς λογοκρισία»

Δύο διαφορετικοί μηχανισμοί μπαίνουν κάτω από την ίδια λέξη. Ο πρώτος είναι η ευθυγράμμιση ψημένη μέσα στα βάρη — συμπεριφορά άρνησης μαθημένη κατά το post-training. Ο δεύτερος είναι ένα επίπεδο moderation στην πλευρά του σερβιρίσματος: ένας ξεχωριστός ταξινομητής που εξετάζει το prompt σου πριν το δει το μοντέλο και την έξοδο πριν τη δεις εσύ, και μπορεί να κόψει μια απάντηση στη μέση της πρότασης ανεξάρτητα από το τι ήθελε να πει το μοντέλο.

Και τα δύο μετριούνται, και η υπηρεσία πρώτου μέρους της DeepSeek έχει μετρηθεί. Η Promptfoo συγκέντρωσε ένα σύνολο 1.360 πολιτικά ευαίσθητων ερωτήσεων και ανέφερε ότι το φιλοξενούμενο R1 της DeepSeek αρνήθηκε ή απέφυγε 1.156 από αυτές — περίπου 85%. Ακαδημαϊκή δουλειά στην ίδια οικογένεια εντόπισε έναν διακριτό τρόπο αστοχίας που οι συγγραφείς ονόμασαν καταστολή σκέψης, όπου το ίχνος συλλογιστικής του μοντέλου τερματίζει σχεδόν μόλις ξεκινήσει σε ένα ευαίσθητο θέμα. Ξεχωριστός έλεγχος που δημοσιεύτηκε στο Information Sciences τεκμηρίωσε καταστολή σε σημασιολογικό επίπεδο: περιεχόμενο που υπάρχει στην εσωτερική συλλογιστική του μοντέλου και παραλείπεται ή ξαναγράφεται αθόρυβα πριν φτάσει στον χρήστη. Αυτό είναι δυσκολότερο πρόβλημα από μια ξεκάθαρη άρνηση, επειδή μια κολοβωμένη απάντηση μοιάζει με απάντηση.

Αυτό που τρέχουμε εμείς είναι η έκδοση ανοιχτών βαρών, σε υλικό που λειτουργούμε εμείς, στις Ηνωμένες Πολιτείες, υπό τη Shannon Lab LLC. Δεν υπάρχει επίπεδο άρνησης μπροστά από το μοντέλο ούτε φίλτρο σε ό,τι γυρίζει πίσω: το prompt σου δεν ταξινομείται για πολιτική πριν σερβιριστεί, και η ροή εξόδου δεν επιθεωρείται στον δρόμο της προς τα έξω. Επειδή το θεμέλιο έχει άδεια MIT και είναι δημόσιο, μπορείς να συγκρίνεις τις δικές μας εξόδους με τα βάρη αναφοράς μόνος σου, αντί να μας πιστέψεις στον λόγο.

02Το θεμέλιο: DeepSeek-V4-Pro, ένα MoE 1,6T

Το DeepSeek-V4 είναι η τρέχουσα οικογένεια ανοιχτών βαρών της DeepSeek-AI, που παρουσιάστηκε τον Απρίλιο του 2026 και κυκλοφόρησε με άδεια MIT σε δύο μεγέθη: V4-Flash (284B συνολικά, 13B ενεργές) και V4-Pro (1,6T συνολικά, 49B ενεργές). Αυτό το άρθρο αφορά τη βαθμίδα Pro. Και τα δύο προεκπαιδεύτηκαν σε περίπου 33 τρισεκατομμύρια tokens και υποστηρίζουν εγγενώς context ενός εκατομμυρίου tokens.

Ο λόγος αραιότητας είναι αυτό που αξίζει να προσέξεις: μόνο περίπου 3% των παραμέτρων ενεργοποιούνται σε κάθε δεδομένο token, και αυτό είναι που κάνει ένα τόσο μεγάλο μοντέλο να μπορεί να σερβιριστεί καθόλου. Το ίδιο το μπλοκ MoE εξακολουθεί να είναι DeepSeekMoE — οι λεπτόκοκκοι δρομολογημένοι ειδικοί συν οι πάντοτε ενεργοί κοινοί ειδικοί που εισήχθησαν στο V2 — με μικρές μόνο αλλαγές στο V4, με πιο ορατή τη δρομολόγηση με hash στα πρώτα επίπεδα. Το Multi-Token Prediction, ο βοηθητικός στόχος του V3 που επιτρέπει και την εικαστική αποκωδικοποίηση, διατηρείται αμετάβλητο.

Τα νέα κομμάτια στο V4 είναι δομικά. Οι Manifold-Constrained Hyper-Connections (mHC) αντικαθιστούν το απλό υπολειμματικό μονοπάτι με έναν μαθημένο πίνακα ανάμειξης περιορισμένο στην πολλαπλότητα των διπλά στοχαστικών πινάκων μέσω προβολής Sinkhorn–Knopp — μια υπολειμματική ροή που επαναζυγίζει ανά είσοδο χωρίς την αριθμητική απόκλιση που σκοτώνει πολύ βαθιές στοίβες. Η εκπαίδευση μετακινήθηκε από τον AdamW στον Muon για τα περισσότερα modules, με ορθογωνιοποίηση Newton–Schulz, κρατώντας τον AdamW μόνο για embeddings, κεφαλές πρόβλεψης, κανονικοποίηση και τις στατικές παραμέτρους mHC. Και τα βάρη των ειδικών εκπαιδεύονται σε FP4 με τις περισσότερες άλλες παραμέτρους σε FP8 — με επίγνωση της κβάντισης από την αρχή, κάτι που μετράει για το πόσο ομαλά δέχεται το μοντέλο περαιτέρω συμπίεση.

03Από MLA σε CSA + HCA: πώς η DeepSeek κρατά φθηνό το μεγάλο context

Ο κοινός άξονας της DeepSeek σε τέσσερις γενιές δεν είναι το μέγεθος, είναι η οικονομία της προσοχής. Κάθε έκδοση επιτέθηκε στην KV cache, που μεγαλώνει γραμμικά με το context και κυριαρχεί στη μνήμη σε μεγάλα μήκη.

• Το V2 εισήγαγε το Multi-head Latent Attention (MLA) — μια κοινή συμπίεση χαμηλής τάξης κλειδιών και τιμών σε ένα λανθάνον διάνυσμα, ώστε η παραγωγή να αποθηκεύει εκείνο το διάνυσμα συν ένα αποσυζευγμένο κλειδί RoPE αντί για πλήρη K και V ανά κεφαλή. Η DeepSeek ανέφερε KV cache μειωμένη σε περίπου 4–14% της τυπικής multi-head attention, με την ποιότητα να διατηρείται ή να βελτιώνεται.
• Το V3 το κλιμάκωσε στα 671B, καθιστώντας το MLA την προεπιλεγμένη παραδοχή για φθηνό μεγάλο context στα ανοιχτά μοντέλα.
• Το V3.2 πρόσθεσε το DeepSeek Sparse Attention (DSA), επιλέγοντας ένα υποσύνολο top-k του ιστορικού ανά ερώτημα μέσω ενός ελαφρού indexer αντί να δίνει προσοχή σε όλα.
• Το V4 τα υβριδοποιεί. Το Compressed Sparse Attention (CSA) συμπιέζει πρώτα τις καταχωρίσεις KV κάθε m tokens σε μία καταχώριση με μαθημένα βάρη, και μετά τρέχει αραιή επιλογή top-k πάνω σε αυτές τις συμπιεσμένες καταχωρίσεις. Το Heavily Compressed Attention (HCA) συμπιέζει πολύ πιο επιθετικά αλλά παραμένει πυκνό πάνω στο αποτέλεσμα. Οι δύο τύποι επιπέδων εναλλάσσονται μέσα στη στοίβα, ώστε η φθηνή καθολική σύνοψη και η ακριβής τοπική ανάκτηση να συνυπάρχουν.

Το αναφερόμενο όφελος σε context ενός εκατομμυρίου tokens είναι εντυπωσιακό: το V4-Pro χρειάζεται περίπου 27% των FLOPs συμπερασμού ανά token και 10% της KV cache του V3.2. Γι' αυτό ένα αίτημα 262K συμπεριφέρεται σαν κανονικό αίτημα και όχι σαν συμβάν μνήμης, και γι' αυτό τα νούμερα ανάκτησης σε μεγάλο context κρατούν αντί να καταρρέουν μετά από μερικές δεκάδες χιλιάδες tokens.

04Τι σημαίνει η κατάληξη 3BIT-REAP

Το id του καταλόγου μας τελειώνει σε 3BIT-REAP, και αυτό περιγράφει δύο ανεξάρτητα βήματα συμπίεσης που εφαρμόζονται με τη σειρά.

REAP: κλάδεμα ειδικών, όχι συγχώνευση

Το REAP είναι Router-weighted Expert Activation Pruning, από τη Cerebras Research — «REAP the Experts: Why Pruning Prevails for One-Shot MoE Compression», που έγινε δεκτό στο ICLR 2026. Σε ένα αραιό MoE, ο router δεν χρησιμοποιεί τους ειδικούς του ομοιόμορφα: μια μακριά ουρά επιλέγεται σπάνια, ασθενώς ή και τα δύο. Το REAP βαθμολογεί κάθε ειδικό συνδυάζοντας τις τιμές της πύλης του router (πόσο συχνά και πόσο έντονα επιλέγεται) με τις νόρμες ενεργοποίησης του ειδικού (πόσο συνεισφέρει η έξοδός του) και μετά διαγράφει οριστικά τους χαμένους.

Το επιχείρημα της εργασίας είναι ότι το κλάδεμα κερδίζει τη συγχώνευση: η συγχώνευση εξαλείφει με τη μέση τιμή τη λειτουργική εξειδίκευση που έκανε το MoE να αξίζει να χτιστεί, ενώ η διαγραφή των ειδικών που ο router μόλις και μετά βίας φτάνει τη διατηρεί. Σε μοντέλα από 20B έως 1T, το REAP ξεπέρασε τη συγχώνευση και ανταγωνιστικές μεθόδους κλαδέματος σε παραγωγικά benchmark, και οι συγγραφείς αναφέρουν σχεδόν χωρίς απώλειες αποτελέσματα σε παραγωγή κώδικα και κλήση εργαλείων με 50% κλάδεμα ειδικών στα Qwen3-Coder-480B και Kimi-K2 — που είναι ακριβώς το προφίλ φόρτου για το οποίο υπάρχει αυτό το μοντέλο.

Βάρη 3 bit: η βαθμίδα συμπίεσης για τα μεγαλύτερα θεμέλια

Ό,τι επιβιώνει κβαντίζεται στη συνέχεια σε βάρη 3 bit. Τα τρία bit είναι επιθετικά, και δεν προσποιούμαστε το αντίθετο: σε όλη τη γκάμα χρησιμοποιούμε W8A16 όπου το θεμέλιο είναι αρκετά μικρό ώστε να μη χρειάζεται το σφίξιμο, W4A16-AUTOROUND-REAP στη μέση, και 3BIT-REAP μόνο στα μεγαλύτερα θεμέλια, όπου είναι η διαφορά ανάμεσα στο να σερβίρεις το μοντέλο και στο να μην το σερβίρεις.

Ο συμβιβασμός αξίζει να ειπωθεί καθαρά: ένα MoE 1,6T σε 3 bit δεν είναι πανομοιότυπο σε επίπεδο bit με την έκδοση αναφοράς, και ένα μικρό κόστος ποιότητας είναι υπαρκτό. Αυτό που παίρνεις σε αντάλλαγμα είναι ένα θεμέλιο του οποίου η ασυμπίεστη οροφή βρίσκεται πολύ πάνω από οτιδήποτε χωρά άνετα σε μεγαλύτερη ακρίβεια — και επειδή οι ειδικοί του V4 εκπαιδεύτηκαν εξαρχής σε FP4, το μοντέλο συμπεριφέρεται ασυνήθιστα καλά κάτω από περαιτέρω συμπίεση βαρών. Αν θέλεις ένα build της DeepSeek με ελαφρύτερο χέρι στην ακρίβεια, το DeepSeek-V4-Flash-0731-W4A16-AUTOROUND-REAP χρησιμοποιεί βάρη 4 bit με ενεργοποιήσεις 16 bit και τη μαθημένη στρογγυλοποίηση του AutoRound, στο ίδιο context 262K με $0.50 in / $2.00 out.

05Συλλογιστική και ο διακόπτης reasoning_effort

Το post-training του V4 εκπαιδεύει ειδικούς ανά τομέα ξεχωριστά — μαθηματικά, προγραμματισμό, πράκτορες, τήρηση οδηγιών — με SFT ακολουθούμενο από GRPO, τη μέθοδο Group Relative Policy Optimization που εισήγαγε η DeepSeek με το R1. Αυτοί οι ειδικοί ενοποιούνται στη συνέχεια σε ένα μοντέλο μέσω on-policy distillation με αντίστροφο στόχο KL, ώστε ένα μόνο checkpoint να κουβαλά συμπεριφορά επιπέδου ειδικού σε πολλούς τομείς ταυτόχρονα αντί να είναι ένας γενικός που τα κάνει όλα μέτρια.

Το μοντέλο που κυκλοφόρησε εκθέτει διαβαθμισμένους τρόπους σκέψης αντί για δυαδικό διακόπτη. Στο δικό μας gateway αυτό είναι η τυπική παράμετρος reasoning_effort, το πιο χρήσιμο κουμπί αυτού του μοντέλου:

• Low — σχεδόν άμεση απάντηση: ταξινόμηση, εξαγωγή, ξαναγράψιμο, οτιδήποτε όπου πληρώνεις για τη γνώση του μοντέλου και όχι για τη σκέψη του.
• Medium — ο προεπιλεγμένος τρόπος εργασίας για έλεγχο κώδικα, αποσφαλμάτωση και ανάλυση πολλών βημάτων.
• High — μακρά σκέψη πριν την απάντηση. Εκεί λύνονται τα δύσκολα προβλήματα, και εκεί ζει ο λογαριασμός σου σε tokens εξόδου, αφού τα tokens συλλογιστικής χρεώνονται ως έξοδος.

Επειδή δεν υπάρχει επίπεδο άρνησης, το ίχνος συλλογιστικής δεν κολοβώνεται σε ευαίσθητα θέματα — το μοτίβο καταστολής σκέψης που τεκμηριώθηκε στην υπηρεσία πρώτου μέρους δεν έχει μηχανισμό να συμβεί εδώ.

06Κώδικας και αντζεντική δουλειά: τι σκοράρει το θεμέλιο

Αυτά είναι τα δημοσιευμένα νούμερα της ίδιας της DeepSeek-AI για την κυκλοφορία του V4-Pro — όχι δικά μας, και όχι μετρημένα στο δικό μας κβαντισμένο build. Τα δείχνουμε επειδή είναι ο ειλικρινής λόγος για να διαλέξεις αυτό το θεμέλιο, και τα επισημαίνουμε ως πρώτου μέρους ώστε να τα σταθμίσεις ανάλογα.

Δύο αξίζουν σχόλιο. Το SWE-bench Verified στο 80,6% είναι επίλυση ζητημάτων σε πραγματικά αποθετήρια — διάβασμα μιας άγνωστης βάσης κώδικα, εντοπισμός του σφάλματος, παραγωγή ενός patch που περνά τα ίδια τα τεστ του έργου. Το MRCR σε ένα εκατομμύριο tokens (83,5) είναι ανάκτηση συναναφοράς πολλών γύρων σε πλήρες μήκος, το νούμερο που σου λέει ότι ο ισχυρισμός για το μεγάλο context δεν είναι διακοσμητικός. Η DeepSeek αναφέρει επίσης βαθμολογία Codeforces 3206 για το μοντέλο και 62,0 στο CorpusQA σε context 1M.

Τα παραπάνω νούμερα είναι δηλωμένα από τη DeepSeek-AI για την έκδοση αναφοράς DeepSeek-V4-Pro. Το δικό μας build 3BIT-REAP είναι μια συμπιεσμένη παραλλαγή εκείνων των βαρών και δεν έχει αξιολογηθεί ανεξάρτητα σε αυτές τις εργασίες· δες τα σκορ αναφοράς ως την οροφή του θεμελίου, όχι ως μέτρηση αυτού του endpoint.

07Context 262K: τι χωράει πραγματικά

Το μοντέλο αναφοράς είναι εκπαιδευμένο για ένα εκατομμύριο tokens. Εμείς σερβίρουμε 262.144 — το παράθυρο που μοιράζονται όλα τα μοντέλα στο gateway, ώστε η αλλαγή μοντέλου να είναι αλλαγή μίας γραμμής και ποτέ οπισθοδρόμηση στο context. Στην πράξη, τα 262K είναι πέρα από το σημείο όπου το context γίνεται περιοριστικό για την περισσότερη πραγματική δουλειά:

Φόρτος εργασίας	Κατά προσέγγιση tokens	Χωράει σε 262K;
Μεσαίο αποθετήριο υπηρεσίας (~50k γραμμές)	~600K	Όχι — επίλεξε modules
Ένα υποσύστημα και τα τεστ του	~60–120K	Ναι, άνετα
Πλήρες σύνολο RFC για ένα πρωτόκολλο	~150K	Ναι
Ένα τεχνικό βιβλίο 700 σελίδων	~250K	Ναι, κοντά στο όριο
Μεγάλη εκτέλεση πράκτορα, 40+ γύροι εργαλείων	~80–200K	Ναι

Το όριο που πρέπει να λάβεις υπόψη στον σχεδιασμό είναι η έξοδος: 16.384 tokens το πολύ ανά απάντηση. Αυτό είναι ένα μεγάλο έγγραφο ή ένα ουσιαστικό patch πολλών αρχείων, αλλά όχι μια βάση κώδικα. Οι μεγάλες δουλειές παραγωγής γίνονται με αλυσίδα αιτημάτων, βάζοντας την προηγούμενη έξοδο ξανά στο context — κάτι που το παράθυρο 262K κάνει φθηνό — και όχι ζητώντας μία τεράστια ολοκλήρωση.

08Τιμή, και πού κάθεται το V4-Pro μέσα στη γκάμα

Στα $1.95 in / $3.90 out ανά εκατομμύριο tokens, το V4-Pro είναι η ναυαρχίδα της συλλογιστικής — το μοντέλο στο οποίο καταφεύγεις όταν το πρόβλημα είναι δύσκολο. Όταν είναι απλώς μεγάλο, φθηνότερα μοντέλα στο ίδιο παράθυρο 262K θα το κάνουν στο ένα τέταρτο της τιμής.

Μοντέλο χωρίς λογοκρισία	In / 1M	Out / 1M	Όραση	Ιδανικό για
DeepSeek-V4-Pro · 3BIT-REAP	$1.95	$3.90	Όχι	Δύσκολη συλλογιστική, κώδικας, πράκτορες
DeepSeek-V4-Flash · W4A16	$0.50	$2.00	Όχι	Ίδια καταγωγή, μεγάλος όγκος
GLM-5.2 · 3BIT-REAP	$0.73	$2.34	Όχι	Γενικής χρήσης άλογο εργασίας
Kimi-K3 · 3BIT-REAP	$3.83	$19.12	Ναι	Κορυφαίοι πολυτροπικοί πράκτορες
MiniMax-M3 · 3BIT-REAP	$0.50	$2.00	Ναι	Φθηνότερη όραση

Ας είμαστε ευθείς για τη σύγκριση που θα κάνει ο κόσμος: το ίδιο το API της DeepSeek είναι φθηνότερο από αυτό — το V4-Pro πρώτου μέρους τιμολογείται γύρω στα $0.435 in / $0.87 out, και η τιμολόγηση εισόδου με cache hit είναι ακόμη χαμηλότερη. Αν το κόστος ανά token είναι το μοναδικό σου κριτήριο και η συμπεριφορά moderation δεν επηρεάζει τη δουλειά σου, χρησιμοποίησε το API πρώτου μέρους· προτιμούμε να στο πούμε παρά να το ανακαλύψεις αργότερα. Το επιπλέον κόστος αγοράζει ένα διαφορετικό σύνολο ιδιοτήτων: κανένα επίπεδο άρνησης και κανένα φίλτρο εξόδου, έναν πάροχο στις ΗΠΑ υπό τη Shannon Lab LLC, ένα καρφιτσωμένο checkpoint με ημερομηνία (0813) ώστε μια αθόρυβη αναβάθμιση από τα πάνω να μην αλλάξει ποτέ τις εξόδους σου στη μέση ενός έργου, τρεις διαλέκτους API πάνω σε ένα μοντέλο, και το ίδιο παράθυρο 262K και την ίδια επιφάνεια παραμέτρων σε όλα τα δώδεκα μοντέλα της γκάμας.

09Πώς το καλείς: τρεις διάλεκτοι, ένα μοντέλο

Κάθε μοντέλο στο gateway απαντά και στα τρία endpoints, με streaming στο καθένα. Δεν υιοθετείς νέο SDK — αλλάζεις ένα base URL και ένα id μοντέλου.

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 — διάλεκτος OpenAI· δουλεύει με τα SDK της OpenAI και ό,τι είναι χτισμένο πάνω τους.
• /v1/messages — διάλεκτος Anthropic, για βάσεις κώδικα ήδη γραμμένες για εκείνη τη μορφή.
• /v1/responses — η διεπαφή τύπου Responses.

Υποστηρίζονται σε αυτό το μοντέλο: streaming, εγγενής κλήση εργαλείων, αυστηρή δομημένη έξοδος json_schema, response_format και reasoning_effort. Πλήρης αναφορά παραμέτρων και ζωντανό playground υπάρχουν στην τεκμηρίωση του API.

10Ειλικρινή όρια

Τέσσερα πράγματα που πρέπει να ξέρεις πριν χτίσεις πάνω του:

• Χωρίς όραση. Μόνο κείμενο· δεν δέχεται είσοδο εικόνας σε κανένα endpoint. Αν χρειάζεσαι μοντέλο χωρίς λογοκρισία που βλέπει, χρησιμοποίησε τα Kimi-K3, Kimi-K2.6, MiniMax-M3, MiMo-V2.5 ή inkling.
• Οροφή εξόδου 16.384 tokens. Τα tokens συλλογιστικής μετρούν σε αυτήν σε υψηλή προσπάθεια, οπότε μια μακρά σκέψη αφήνει λιγότερο χώρο για την απάντηση. Άλυσε αιτήματα για μεγάλες δουλειές παραγωγής.
• Τα 3 bit είναι πραγματική συμπίεση. Τα σκορ αναφοράς περιγράφουν το θεμέλιο, όχι αυτό το build. Για τη βαθμίδα με τη μεγαλύτερη πιστότητα, τα μοντέλα W8A16 (MiMo-V2.5-Pro, MiMo-V2.5, Hy3) φέρουν τη λιγότερη κβάντιση.
• Η απουσία λογοκρισίας δεν είναι χωρίς συνέπειες. Κανένα επίπεδο άρνησης σημαίνει ότι η ευθύνη για το τι ρωτάς και για το τι κάνεις με την απάντηση μένει σε σένα — υπό τους όρους χρήσης μας και τον νόμο του τόπου όπου δραστηριοποιείσαι.

11Συχνές ερωτήσεις

---

Πηγές: DeepSeek-AI — κάρτα μοντέλου DeepSeek-V4-Pro · Τεχνική αναφορά DeepSeek-V4 (CSA/HCA, mHC, Muon) · DeepSeek-V2 (MLA, DeepSeekMoE) · Τεχνική αναφορά DeepSeek-V3 · REAP the Experts (Cerebras Research) · Έλεγχος λογοκρισίας της Promptfoo · Discovering Forbidden Topics in Language Models. Τα νούμερα των benchmark είναι δηλωμένα από τη DeepSeek-AI για την έκδοση αναφοράς· η ανεξάρτητη επαλήθευση του συμπιεσμένου build από τρίτους εκκρεμεί. Οι τιμές είναι οι τιμές καταλόγου του Shannon AI στις 5 Σεπτεμβρίου 2026.