Tsenseerimata DeepSeeki API

Inimesed, kes jõuavad fraasini „tsenseerimata DeepSeeki API”, tahavad üht kindlat asja: mudelit, millel on DeepSeeki arutlus- ja koodivõime ja mis vastab sellele küsimusele, mille nad tegelikult esitasid. Võimekuse pool on hästi dokumenteeritud — DeepSeek-AI avaldas arhitektuuri ja arvud ning kaalud on Hugging Face'is MIT-litsentsi all. Teine pool on käitamisotsus ja see tehakse tavaliselt sinu eest ära. See lehekülg katab mõlemat: mis on V4-Pro vundament, mida meie 3BIT-REAP ehitus sellega teeb ja mida täpselt „tsenseerimata” meie suus tähendab.

01Mida „tsenseerimata DeepSeeki API” tegelikult tähendab

Sama sõna alla lähevad kaks eri mehhanismi. Esimene on kaaludesse sisse küpsetatud joondus — järeltreeningu käigus õpitud keeldumiskäitumine. Teine on serveerimispoolne modereerimiskiht: eraldi klassifikaator, mis vaatab sinu päringut enne, kui mudel seda näeb, ja väljundit enne, kui sina seda näed, ning võib vastuse poole lause pealt katkestada, ükskõik mida mudel öelda tahtis.

Mõlemad on mõõdetavad ja DeepSeeki enda teenust on mõõdetud. Promptfoo pani kokku 1,360 poliitiliselt tundlikust päringust koosneva komplekti ja teatas, et DeepSeeki majutatud R1 keeldus või põikles kõrvale 1,156 puhul neist — umbes 85%. Akadeemiline töö sama perekonna kohta leidis eraldi tõrkeviisi, mida autorid nimetasid mõttekäigu summutamiseks: mudeli arutluskäik lõpeb tundlikul teemal peaaegu kohe, kui see algab. Eraldi audit, mis avaldati ajakirjas Information Sciences, dokumenteeris semantilise taseme summutamise: sisu, mis on mudeli sisemises arutluses olemas, jäetakse vaikselt välja või kirjutatakse ümber, enne kui see kasutajani jõuab. See on raskem probleem kui otsene keeldumine, sest kärbitud vastus näeb välja nagu vastus.

Meie käitame avatud kaaludega väljalaset, riistvaral, mida me ise haldame, Ameerika Ühendriikides, Shannon Lab LLC all. Mudeli ees ei ole keeldumiskihti ja tagastatavale ei rakendata filtrit: sinu päringut ei klassifitseerita enne teenindamist poliitika suhtes ja väljundvoogu ei kontrollita väljumisel. Kuna vundament on MIT-litsentsiga ja avalik, saad meie väljundeid ise referentskaaludega võrrelda, mitte meid lihtsalt sõnast uskuda.

02Vundament: DeepSeek-V4-Pro, 1.6T MoE

DeepSeek-V4 on DeepSeek-AI praegune avatud kaaludega perekond, mida tutvustati 2026. aasta aprillis ja mis anti MIT-litsentsi all välja kahes suuruses: V4-Flash (284B kokku, 13B aktiveeritud) ja V4-Pro (1.6T kokku, 49B aktiveeritud). See artikkel käsitleb Pro-taset. Mõlemad eeltreeniti umbes 33 triljonil tokenil ja mõlemad toetavad natiivselt miljoni tokeni pikkust konteksti.

Tähelepanu väärib hõredussuhe: mis tahes üksiku tokeni peale läheb tööle vaid umbes 3% parameetritest, ja just see teeb nii suure mudeli üldse serveeritavaks. MoE-plokk ise on endiselt DeepSeekMoE — V2-s tutvustatud peeneteralised marsruuditud eksperdid pluss alati sees olevad jagatud eksperdid — vaid väheste V4 muudatustega, millest silmatorkavaim on räsimarsruutimine kõige varasemates kihtides. Multi-Token Prediction, V3 abisiht, mis võimaldab ka spekulatiivset dekodeerimist, on muutmata kujul alles.

V4 uued osad on struktuursed. Manifold-Constrained Hyper-Connections (mHC) asendab tavalise jääkühenduse õpitud segamismaatriksiga, mis on Sinkhorni–Knoppi projektsiooni abil piiratud kahekordselt stohhastiliste maatriksite muutkonnale — jääkvoog, mis kaalub end sisendi järgi ümber ilma numbrilise triivita, mis väga sügavad virnad tapab. Treening kolis AdamW pealt enamiku moodulite jaoks Muonile, kasutades Newtoni–Schulzi ortogonaliseerimist, ning AdamW jäi ainult manustustele, ennustuspeadele, normaliseerimisele ja staatilistele mHC parameetritele. Eksperdikaalud treenitakse FP4-s, enamik ülejäänud parameetreid FP8-s — kvantiseerimisteadlikult algusest peale, ja see loeb selle juures, kui sujuvalt mudel edasist kokkusurumist talub.

03MLA-st CSA + HCA-ni: kuidas DeepSeek hoiab pika konteksti odavana

DeepSeeki läbiv joon nelja põlvkonna vältel ei ole suurus, vaid tähelepanu ökonoomika. Iga versioon on rünnanud KV-vahemälu, mis kasvab kontekstiga lineaarselt ja domineerib pikkade pikkuste juures mälukasutust.

• V2 tõi sisse Multi-head Latent Attention'i (MLA) — võtmete ja väärtuste madalajärgulise ühiskompressiooni latentseks vektoriks, nii et genereerimine puhverdab selle vektori pluss lahtisidestatud RoPE-võtme, mitte täielikud peakohased K ja V. DeepSeek teatas KV-vahemälu kahanemisest umbes 4–14%-ni tavalisest mitmepealisest tähelepanust, kusjuures kvaliteet püsis või paranes.
• V3 skaleeris selle 671B peale, tehes MLA-st avatud mudelites odava pika konteksti vaikeeelduse.
• V3.2 lisas DeepSeek Sparse Attention'i (DSA), mis valib kerge indekseerija abil päringu kohta ajaloost top-k alamhulga, selle asemel et kõike tähele panna.
• V4 hübridiseerib. Compressed Sparse Attention (CSA) surub kõigepealt iga m tokeni KV-kirjed õpitud kaaludega üheks kirjeks kokku ja teeb seejärel nende kokkusurutud kirjete peal hõreda top-k valiku. Heavily Compressed Attention (HCA) surub palju agressiivsemalt kokku, kuid jääb tulemuse peal tihedaks. Need kaks kihitüüpi on virnas läbisegi, nii et odav globaalne kokkuvõte ja täpne lokaalne otsing eksisteerivad koos.

Miljoni tokeni pikkuse konteksti juures teatatud võit on jahmatav: V4-Pro vajab umbes 27% tokenikohastest inferentsi-FLOP-idest ja 10% KV-vahemälust, mis kulub V3.2-l. Just seepärast käitub 262K päring nagu tavaline päring, mitte nagu mälusündmus, ja just seepärast pika konteksti otsingunumbrid püsivad, selle asemel et paarikümne tuhande tokeni järel kokku kukkuda.

04Mida tähendab järelliide 3BIT-REAP

Meie kataloogi id lõpeb tähisega 3BIT-REAP ja see kirjeldab kaht sõltumatut kompressioonisammu, mis on rakendatud järjest.

REAP: ekspertide kärpimine, mitte liitmine

REAP on Router-weighted Expert Activation Pruning Cerebras Researchilt — „REAP the Experts: Why Pruning Prevails for One-Shot MoE Compression”, vastu võetud ICLR 2026-le. Hõredas MoE-s ei kasuta ruuter oma eksperte ühtlaselt: pikka saba valitakse harva, nõrgalt või mõlemat. REAP hindab iga eksperti, ühendades ruuteri väravaväärtused (kui sageli ja kui tugevalt teda valitakse) eksperdi aktivatsiooninormidega (kui palju tema väljund panustab), ja kustutab siis kaotajad päriselt ära.

Artikli väide on, et kärpimine lööb liitmise: liitmine keskmistab minema selle funktsionaalse spetsialiseerumise, mille pärast MoE-d üldse ehitama hakati, samas kui nende ekspertide kustutamine, kelleni ruuter vaevu jõuab, säilitab selle. Mudelites 20B-st 1T-ni edestas REAP generatiivsetes võrdlustestides nii liitmist kui ka konkureerivaid kärpemeetodeid ning autorid teatavad peaaegu kadudeta tulemustest koodigenereerimisel ja tööriistakutsetel 50% ekspertide kärpe juures mudelitel Qwen3-Coder-480B ja Kimi-K2 — mis on täpselt see koormusprofiil, mille jaoks see mudel siin on.

3-bitised kaalud: kompressioonitase kõige suurematele vundamentidele

Alles jäänu kvantiseeritakse seejärel 3-bitisteks kaaludeks. Kolm bitti on agressiivne ja me ei teeskle midagi muud: kogu valiku peale kasutame W8A16 seal, kus vundament on piisavalt väike, et pigistust mitte vajada, keskel W4A16-AUTOROUND-REAP ja 3BIT-REAP ainult kõige suurematel vundamentidel, kus see on vahe mudeli serveerimise ja mitteserveerimise vahel.

Kompromiss tasub otse välja öelda: 3-bitine 1.6T MoE ei ole referentsväljalaskega bitthaaval identne ja väike kvaliteedikulu on tõeline. Vastu saad vundamendi, mille kokkusurumata lagi on kaugel kõrgemal kõigest, mis kõrgema täpsuse juures mugavalt ära mahub — ja kuna V4 eksperdid treeniti juba algselt FP4-s, käitub mudel edasise kaalukompressiooni all ebatavaliselt hästi. Kui tahad DeepSeeki ehitust, mis täpsust kergema käega puudutab, kasutab DeepSeek-V4-Flash-0731-W4A16-AUTOROUND-REAP 4-bitiseid kaale 16-bitiste aktivatsioonidega ja AutoRoundi õpitud ümardamist, samal 262K kontekstil hinnaga $0.50 sisse / $2.00 välja.

05Arutlus ja reasoning_effort ketas

V4 järeltreening treenib valdkonnaspetsialiste eraldi — matemaatika, kodeerimine, agendid, juhiste järgimine — SFT-ga ja seejärel GRPO-ga, Group Relative Policy Optimization meetodiga, mille DeepSeek tõi sisse R1-ga. Need spetsialistid ühendatakse siis üheks mudeliks poliitikapõhise destilleerimisega pöörd-KL siha all, nii et üksainus kontrollpunkt kannab korraga mitmes valdkonnas spetsialisti tasemel käitumist, selle asemel et olla generalist, kes on kõiges keskpärane.

Väljastatud mudel avab binaarse lüliti asemel astmelised mõtlemisrežiimid. Meie lüüsis on see standardne parameeter reasoning_effort, selle mudeli kõige kasulikum nupp:

• Low — peaaegu otsene vastamine: klassifitseerimine, ekstraktimine, ümberkirjutamine, kõik, kus sa maksad mudeli teadmiste, mitte tema kaalutlemise eest.
• Medium — vaikimisi tööreziim koodiülevaatuseks, silumiseks ja mitmesammuliseks analüüsiks.
• High — pikk kaalutlemine enne vastamist. Siin lahendatakse rasked ülesanded ja siin elab sinu väljunditokenite arve, sest arutlustokenid arveldatakse väljundina.

Kuna keeldumiskihti ei ole, ei kärbita arutluskäiku tundlikul teemal — mõttekäigu summutamise mustril, mis on DeepSeeki enda teenusel dokumenteeritud, ei ole siin mehhanismi, mille kaudu tekkida.

06Kood ja agenditöö: mida vundament skoorib

Need on DeepSeek-AI enda avaldatud arvud V4-Pro väljalaske kohta — mitte meie omad ega mõõdetud meie kvantiseeritud ehitusel. Näitame neid, sest need on aus põhjus seda vundamenti valida, ja märgime need esimese poole omadeks, et sa saaksid neid vastavalt kaaluda.

Kaks väärivad kommentaari. SWE-bench Verified 80.6% on päris hoidlate probleemide lahendamine — võõra koodibaasi lugemine, defekti leidmine, paiga tootmine, mis läbib projekti enda testid. MRCR miljoni tokeni juures (83.5) on mitmevooruline koreferentsiotsing täispikkuses, see number, mis ütleb sulle, et pika konteksti väide ei ole dekoratiivne. DeepSeek teatab mudeli kohta ka Codeforcesi reitingut 3206 ja 62.0 CorpusQA-l 1M kontekstiga.

Ülaltoodud arvud on DeepSeek-AI teatatud DeepSeek-V4-Pro referentsväljalaske kohta. Meie 3BIT-REAP ehitus on nende kaalude kokkusurutud variant ja seda ei ole nendel ülesannetel sõltumatult võrreldud; kohtle referentsskoore vundamendi laena, mitte selle otspunkti mõõtmisena.

07262K kontekst: mis sinna tegelikult ära mahub

Referentsmudel on treenitud miljoni tokeni peale. Meie serveerime 262,144 — akna, mida jagavad kõik lüüsi mudelid, nii et mudeli vahetamine on üherealine muudatus ega ole kunagi kontekstitaandareng. Praktikas on 262K juba sealtpoolt punkti, kus kontekst enamikul päris tööl piiravaks jääb:

Koormus	Ligikaudu tokeneid	Kas mahub 262K sisse?
Keskmise suurusega teenuse hoidla (~50k rida)	~600K	Ei — vali moodulid
Üks alamsüsteem + selle testid	~60–120K	Jah, mugavalt
Protokolli täielik RFC-komplekt	~150K	Jah
700-leheküljeline tehniline raamat	~250K	Jah, piiri lähedal
Pikk agendijooks, 40+ tööriistavooru	~80–200K	Jah

Piir, millega arvestada, on väljund: maksimaalselt 16,384 tokenit vastuse kohta. See on pikk dokument või arvestatav mitme faili paik, aga mitte koodibaas. Suured genereerimistööd tehakse päringuid aheldades, eelmine väljund konteksti tagasi pannes — mida 262K aken odavaks teeb — mitte üht hiiglaslikku lõpetust küsides.

08Hind ja V4-Pro koht valikus

Hinnaga $1.95 sisse / $3.90 välja miljoni tokeni kohta on V4-Pro lipulaevast arutlustase — mudel, mille järele haarad siis, kui ülesanne on raske. Kui see on lihtsalt suur, teevad odavamad mudelid samal 262K aknal selle ära veerandi hinna eest.

Tsenseerimata mudel	Sisse / 1M	Välja / 1M	Nägemine	Millele sobib
DeepSeek-V4-Pro · 3BIT-REAP	$1.95	$3.90	Ei	Raske arutlus, kood, agendid
DeepSeek-V4-Flash · W4A16	$0.50	$2.00	Ei	Sama päritolu, suur maht
GLM-5.2 · 3BIT-REAP	$0.73	$2.34	Ei	Üldotstarbeline tööhobune
Kimi-K3 · 3BIT-REAP	$3.83	$19.12	Jah	Tippklassi multimodaalsed agendid
MiniMax-M3 · 3BIT-REAP	$0.50	$2.00	Jah	Odavaim nägemine

Ausalt selle võrdluse kohta, mille inimesed tegelikult teevad: DeepSeeki enda API on sellest odavam — esimese poole V4-Pro hind on umbes $0.435 sisse / $0.87 välja ja nende vahemälutabamusega sisendihind on veelgi madalam. Kui hind tokeni kohta on sinu ainus kriteerium ja modereerimiskäitumine sinu tööd ei mõjuta, kasuta esimese poole API-t; ütleme selle pigem ise välja, kui laseme sul hiljem avastada. Lisatasu eest saad teistsuguse omaduste komplekti: keeldumiskihti ega väljundifiltrit ei ole, USA käitaja Shannon Lab LLC näol, kinnistatud kuupäevastatud kontrollpunkt (0813), nii et vaikne ülesvoolu uuendus ei muuda kunagi keset projekti sinu väljundeid, kolm API dialekti ühe mudeli vastu ning sama 262K aken ja parameetripind kõigi kaheteistkümne valikus oleva mudeli peale.

09Kutsumine: kolm dialekti, üks mudel

Iga lüüsi mudel vastab kõigil kolmel otspunktil, igaühel voogedastusega. Sa ei võta kasutusele uut SDK-d — sa muudad baas-URL-i ja mudeli id-d.

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 — OpenAI dialekt; töötab OpenAI SDK-de ja kõigega, mis nende peale ehitatud.
• /v1/messages — Anthropicu dialekt, koodibaasidele, mis on juba selle kuju järgi kirjutatud.
• /v1/responses — Responses-stiilis liides.

Sellel mudelil on toetatud: voogedastus, natiivsed tööriistakutsed, range json_schema struktureeritud väljund, response_format ja reasoning_effort. Täielik parameetriviide ja elav mänguväljak on API dokumentatsioonis.

10Ausad piirid

Neli asja, mida enne selle peale ehitamist teada:

• Nägemist ei ole. Ainult tekst; ta ei võta üheski otspunktis vastu pildisisendit. Kui vajad tsenseerimata mudelit, mis näeb, kasuta mudelit Kimi-K3, Kimi-K2.6, MiniMax-M3, MiMo-V2.5 või inkling.
• 16,384-tokeniline väljundilagi. Kõrge pingutuse juures lähevad arutlustokenid selle arvelt, nii et pikk kaalutlemine jätab vastusele vähem ruumi. Suurte genereerimistööde jaoks aheldada päringuid.
• 3 bitti on päris kompressioon. Referentsskoorid kirjeldavad vundamenti, mitte seda ehitust. Kõige suurema täpsusastme jaoks kannavad W8A16 mudelid (MiMo-V2.5-Pro, MiMo-V2.5, Hy3) kõige vähem kvantiseerimist.
• Tsenseerimata ei ole tagajärgedeta. Keeldumiskihi puudumine tähendab, et vastutus selle eest, mida sa küsid ja mida sa vastusega teed, on sinu — meie teenusetingimuste ja sinu tegutsemiskoha seaduse alusel.

11Korduma kippuvad küsimused

---

Allikad: DeepSeek-AI — DeepSeek-V4-Pro mudelikaart · DeepSeek-V4 tehniline aruanne (CSA/HCA, mHC, Muon) · DeepSeek-V2 (MLA, DeepSeekMoE) · DeepSeek-V3 tehniline aruanne · REAP the Experts (Cerebras Research) · Promptfoo tsensuuriaudit · Discovering Forbidden Topics in Language Models. Võrdlusarvud on DeepSeek-AI teatatud referentsväljalaske kohta; kokkusurutud ehituse sõltumatu kolmanda poole kontroll on tulemas. Hinnad on Shannon AI hinnakirjahinnad 5. septembri 2026 seisuga.