Sensuroimaton DeepSeek-API
1,6 biljoonan parametrin DeepSeek Mixture-of-Experts tarjottuna ilman kieltäytymiskerrosta: 262K konteksti, natiivi päättelyn taso, työkalukutsut ja kolme API-murretta omalla GPU-klusterillamme.
Tiivistelmä
DeepSeek-V4-Pro-0813-3BIT-REAP on Shannon AI:n sensuroimattoman valikoiman lippulaiva päättelyssä ja koodissa. Perustana on DeepSeek-AI:n avoinpainoinen V4-Pro — 1,6 biljoonaa parametria yhteensä, 49 miljardia aktivoituna tokenia kohti, MIT-lisensoitu, natiivisti koulutettu miljoonan tokenin kontekstille. Tarjoamme sen omalla GPU-klusterillamme 3-bittisillä painoilla ja REAP-asiantuntijakarsinnalla, 262 144 tokenin ikkunalla, 16 384 tokenin enimmäistulosteella, suoratoistolla, natiiveilla työkalukutsuilla, tiukalla json_schema-tulosteella ja reasoning_effort-säätimellä. $1.95 per 1M syötettä, $3.90 per 1M tulostetta. Ei näköä. Ei kieltäytymiskerrosta, ei tulosteen suodatusta.
Ihmiset, jotka päätyvät hakusanalle ”sensuroimaton DeepSeek-API”, haluavat yhden tietyn asian: mallin jolla on DeepSeekin päättely- ja koodauskyky ja joka vastaa siihen kysymykseen jonka oikeasti esitit. Kykypuoli on hyvin dokumentoitu — DeepSeek-AI julkaisi arkkitehtuurin ja luvut, ja painot ovat Hugging Facessa MIT-lisenssillä. Toinen puoli on operatiivinen päätös, ja se tehdään yleensä puolestasi. Tämä sivu käsittelee molemmat: mikä V4-Pro-perusta on, mitä 3BIT-REAP-buildimme tekee sille ja mitä tarkalleen ”sensuroimaton” tarkoittaa kun me sanomme sen.
01Mitä ”sensuroimaton DeepSeek-API” oikeasti tarkoittaa
Saman sanan alle luetaan kaksi eri mekanismia. Ensimmäinen on painoihin leivottu linjaus — jälkikoulutuksessa opittu kieltäytymiskäyttäytyminen. Toinen on palvelinpuolen moderointikerros: erillinen luokittelija, joka tarkastaa kehotteesi ennen kuin malli näkee sen ja tulosteen ennen kuin sinä näet sen, ja joka voi katkaista vastauksen kesken lauseen riippumatta siitä mitä malli halusi sanoa.
Molemmat ovat mitattavissa, ja DeepSeekin oma palvelu on mitattu. Promptfoo kokosi 1 360 kehotteen joukon poliittisesti herkkiä kysymyksiä ja raportoi, että DeepSeekin isännöimä R1 kieltäytyi tai väisti 1 156 niistä — noin 85 %. Akateeminen tutkimus samasta perheestä löysi selvän virhetilan, jota tekijät kutsuivat nimellä ajattelun vaimennus: mallin päättelyjälki päättyy lähes heti alettuaan herkässä aiheessa. Erillinen Information Sciences -lehdessä julkaistu auditointi dokumentoi semanttisen tason vaimennusta: sisältöä, joka on läsnä mallin sisäisessä päättelyssä mutta joka hiljaa jätetään pois tai kirjoitetaan uusiksi ennen kuin se saavuttaa käyttäjän. Se on vaikeampi ongelma kuin suora kieltäytyminen, koska typistetty vastaus näyttää vastaukselta.
Me ajamme avoinpainoista julkaisua, itse operoimallamme laitteistolla, Yhdysvalloissa, Shannon Lab LLC:n alaisuudessa. Mallin edessä ei ole kieltäytymiskerrosta eikä palautuvaan sisältöön kohdisteta suodatusta: kehotettasi ei luokitella käytännön mukaisesti ennen palvelua, eikä tulostevirtaa tarkasteta matkalla ulos. Koska perusta on MIT-lisensoitu ja julkinen, voit verrata tulosteitamme referenssipainoihin itse sen sijaan että uskoisit meitä sanaan.
02Perusta: DeepSeek-V4-Pro, 1,6 biljoonan parametrin MoE
DeepSeek-V4 on DeepSeek-AI:n nykyinen avoinpainoinen perhe, esiteltynä huhtikuussa 2026 ja julkaistuna MIT-lisenssillä kahdessa koossa: V4-Flash (284 mrd yhteensä, 13 mrd aktivoitua) ja V4-Pro (1,6 bilj. yhteensä, 49 mrd aktivoitua). Tämä artikkeli käsittelee Pro-tasoa. Molemmat esikoulutettiin noin 33 biljoonalla tokenilla ja molemmat tukevat natiivisti miljoonan tokenin kontekstia.
Harvuussuhde on se mikä kannattaa huomata: vain noin 3 % parametreista laukeaa millä tahansa yksittäisellä tokenilla, ja juuri se tekee näin suuresta mallista ylipäätään tarjottavan. MoE-lohko itsessään on yhä DeepSeekMoE — V2:ssa esitellyt hienojakoiset reititetyt asiantuntijat plus aina päällä olevat jaetut asiantuntijat — vain pienin V4-muutoksin, näkyvimmin hash-reititys aivan ensimmäisissä kerroksissa. Multi-Token Prediction, V3:n apufunktio joka mahdollistaa myös spekulatiivisen dekoodauksen, on säilytetty muuttumattomana.
V4:n uudet osat ovat rakenteellisia. Manifold-Constrained Hyper-Connections (mHC) korvaa tavallisen jäännöspolun opitulla sekoitusmatriisilla, joka on rajoitettu kaksoisstokastisten matriisien monistoon Sinkhorn–Knopp-projektiolla — jäännösvirta, joka painottaa uudelleen syötekohtaisesti ilman sitä numeerista ajautumista joka tappaa hyvin syvät pinot. Koulutus siirtyi AdamW:stä Muoniin useimmissa moduuleissa Newton–Schulz-ortogonalisointia käyttäen, ja AdamW jäi vain upotuksille, ennustepäille, normalisoinnille ja staattisille mHC-parametreille. Ja asiantuntijapainot koulutetaan FP4-muodossa muiden parametrien ollessa enimmäkseen FP8 — kvantisointitietoisesti alusta asti, millä on merkitystä sille miten sulavasti malli kestää lisäpakkauksen.
03MLA:sta CSA + HCA:han: näin DeepSeek pitää pitkän kontekstin halpana
DeepSeekin punainen lanka neljän sukupolven ajan ei ole koko vaan huomiotalous. Jokainen versio on käynyt KV-välimuistin kimppuun, joka kasvaa lineaarisesti kontekstin mukana ja hallitsee muistia pitkillä pituuksilla.
- V2 esitteli Multi-head Latent Attentionin (MLA) — avainten ja arvojen matalan asteen yhteispakkauksen latentiksi vektoriksi, jolloin generointi tallentaa välimuistiin sen vektorin plus irrotetun RoPE-avaimen täysien pääkohtaisten K:n ja V:n sijaan. DeepSeek raportoi KV-välimuistin pudonneen noin 4–14 prosenttiin tavanomaisesta monipäähuomiosta laadun säilyessä tai parantuessa.
- V3 skaalasi sen 671 miljardiin, mikä teki MLA:sta oletusoletuksen halvalle pitkälle kontekstille avoimissa malleissa.
- V3.2 lisäsi DeepSeek Sparse Attentionin (DSA), joka valitsee historiasta top-k-osajoukon kyselyä kohti kevyen indeksoijan avulla sen sijaan että huomioisi kaiken.
- V4 hybridisoi. Compressed Sparse Attention (CSA) pakkaa ensin joka m:n tokenin KV-merkinnät yhdeksi merkinnäksi opituilla painoilla ja ajaa sitten harvan top-k-valinnan näiden pakattujen merkintöjen yli. Heavily Compressed Attention (HCA) pakkaa paljon aggressiivisemmin mutta pysyy tiheänä tuloksen yli. Nämä kaksi kerrostyyppiä lomitetaan pinon läpi, joten halpa globaali yhteenveto ja täsmällinen paikallinen haku ovat yhtä aikaa käytössä.
Raportoitu hyöty miljoonan tokenin kontekstissa on jyrkkä: V4-Pro tarvitsee noin 27 % tokenikohtaisista päättelyn FLOPeista ja 10 % KV-välimuistista verrattuna V3.2:een. Siksi 262K-pyyntö käyttäytyy kuin tavallinen pyyntö eikä kuin muistitapahtuma, ja siksi pitkän kontekstin hakuluvut pitävät sen sijaan että romahtaisivat muutaman kymmenentuhannen tokenin jälkeen.
04Mitä 3BIT-REAP-pääte tarkoittaa
Luettelotunnuksemme päättyy merkintään 3BIT-REAP, ja se kuvaa kahta itsenäistä pakkausvaihetta järjestyksessä sovellettuna.
REAP: asiantuntijoiden karsinta, ei yhdistäminen
REAP on Router-weighted Expert Activation Pruning, Cerebras Researchilta — ”REAP the Experts: Why Pruning Prevails for One-Shot MoE Compression”, hyväksytty ICLR 2026:een. Harvassa MoE:ssa reititin ei käytä asiantuntijoitaan tasaisesti: pitkä häntä valitaan harvoin, heikosti tai molempia. REAP pisteyttää kunkin asiantuntijan yhdistämällä reitittimen porttiarvot (kuinka usein ja kuinka voimakkaasti se valitaan) ja asiantuntijan aktivaationormit (kuinka paljon sen tuloste vaikuttaa) ja poistaa sitten häviäjät kokonaan.
Artikkelin argumentti on, että karsinta voittaa yhdistämisen: yhdistäminen keskiarvoistaa pois sen toiminnallisen erikoistumisen, jonka takia MoE kannatti rakentaa, kun taas reitittimen tuskin tavoittamien asiantuntijoiden poistaminen säilyttää sen. 20 miljardista biljoonaan parametriin ulottuvissa malleissa REAP päihitti yhdistämisen ja kilpailevat karsintamenetelmät generatiivisissa vertailuissa, ja tekijät raportoivat lähes häviöttömiä tuloksia koodin generoinnissa ja työkalukutsuissa 50 %:n asiantuntijakarsinnalla malleilla Qwen3-Coder-480B ja Kimi-K2 — mikä on täsmälleen se kuormaprofiili, jota varten tämä malli on täällä.
3-bittiset painot: pakkaustaso suurimmille perustoille
Jäljelle jäävä kvantisoidaan sitten 3-bittisiksi painoiksi. Kolme bittiä on aggressiivista, emmekä väitä muuta: valikoimassa käytämme W8A16-muotoa siellä missä perusta on riittävän pieni jottei purristusta tarvita, W4A16-AUTOROUND-REAP-muotoa keskivaiheilla ja 3BIT-REAP-muotoa vain suurimmilla perustoilla, joilla se on ero mallin tarjoamisen ja tarjoamatta jättämisen välillä.
Kompromissi kannattaa sanoa suoraan: 3-bittinen 1,6 biljoonan MoE ei ole bitilleen sama kuin referenssijulkaisu, ja pieni laatukustannus on todellinen. Vastineeksi saat perustan, jonka pakkaamaton katto on kaukana yläpuolella mitä tahansa mikä mahtuisi mukavasti korkeammalla tarkkuudella — ja koska V4:n asiantuntijat koulutettiin alun perin FP4-muodossa, malli käyttäytyy epätavallisen hyvin lisäpainopakkauksen alla. Jos haluat DeepSeek-buildin kevyemmällä otteella tarkkuuteen, DeepSeek-V4-Flash-0731-W4A16-AUTOROUND-REAP käyttää 4-bittisiä painoja 16-bittisillä aktivaatioilla ja AutoRoundin opitulla pyöristyksellä, samalla 262K kontekstilla hintaan $0.50 sisään / $2.00 ulos.
05Päättely ja reasoning_effort-säädin
V4:n jälkikoulutus kouluttaa alan erikoismallit erikseen — matematiikka, koodaus, agentit, ohjeiden noudattaminen — SFT:llä ja sen jälkeen GRPO:lla, DeepSeekin R1:n mukana esittelemällä Group Relative Policy Optimization -menetelmällä. Nämä erikoismallit yhdistetään sitten yhdeksi malliksi on-policy-distilloinnilla käänteisen KL:n tavoitteen alla, jolloin yksi tarkistuspiste kantaa erikoistason käyttäytymistä useilla alueilla yhtä aikaa sen sijaan että olisi yleismalli joka on keskinkertainen kaikessa.
Julkaistu malli tarjoaa portaittaiset ajattelutilat binäärisen kytkimen sijaan. Meidän yhdyskäytävässämme se on vakiomuotoinen reasoning_effort-parametri, tämän mallin hyödyllisin yksittäinen säädin:
- Matala — lähes suora vastaaminen: luokittelu, poiminta, uudelleenkirjoitus, kaikki missä maksat mallin tiedosta etkä sen harkinnasta.
- Keskitaso — oletustyötila koodikatselmoinnille, virheenjäljitykselle ja monivaiheiselle analyysille.
- Korkea — pitkä harkinta ennen vastaamista. Täällä vaikeat ongelmat ratkeavat ja täällä asuu tulostetokenilaskusi, koska päättelytokenit laskutetaan tulosteena.
Koska kieltäytymiskerrosta ei ole, päättelyjälkeä ei typistetä herkässä aiheessa — ajattelun vaimennuksen kuviolla, joka on dokumentoitu ensimmäisen osapuolen palvelussa, ei ole täällä mekanismia tapahtua.
06Koodi ja agenttityö: mitä perusta pisteyttää
Nämä ovat DeepSeek-AI:n omia julkaisemia lukuja V4-Pro-julkaisulle — eivät meidän, eikä niitä ole mitattu kvantisoidulla buildillamme. Näytämme ne, koska ne ovat rehellinen syy valita tämä perusta, ja merkitsemme ne ensimmäisen osapuolen luvuiksi jotta voit painottaa ne sen mukaisesti.
Kaksi ansaitsee kommentin. SWE-bench Verified 80,6 %:lla on oikean repositorion issue-ratkaisua — tuntemattoman koodikannan lukemista, vian paikantamista ja korjauksen tuottamista joka läpäisee projektin omat testit. MRCR miljoonan tokenin pituudella (83,5) on monikierroksista korreferenssihakua täydellä pituudella, se luku joka kertoo ettei pitkän kontekstin väite ole koristeellinen. DeepSeek raportoi mallille myös Codeforces-luokituksen 3206 ja 62,0 CorpusQA:ssa 1M kontekstilla.
Yllä olevat luvut ovat DeepSeek-AI:n raportoimia DeepSeek-V4-Pro-referenssijulkaisulle. 3BIT-REAP-buildimme on näiden painojen pakattu variantti eikä sitä ole riippumattomasti mitattu näissä tehtävissä; käsittele referenssipisteitä perustan kattona äläkä tämän päätepisteen mittauksena.
07262K konteksti: mitä siihen oikeasti mahtuu
Referenssimalli on koulutettu miljoonalle tokenille. Me tarjoamme 262 144 — ikkunan jonka jokainen yhdyskäytävän malli jakaa, joten mallin vaihto on yhden rivin muutos eikä koskaan kontekstin taantuma. Käytännössä 262K on ohi sen pisteen jossa konteksti rajoittaa useimmassa oikeassa työssä:
| Kuorma | Tokeneita n. | Mahtuuko 262K:hon? |
|---|---|---|
| Keskikokoinen palvelurepo (~50k riviä) | ~600K | Ei — valitse moduulit |
| Yksi alijärjestelmä + sen testit | ~60–120K | Kyllä, mukavasti |
| Protokollan täysi RFC-kokoelma | ~150K | Kyllä |
| 700-sivuinen tekninen kirja | ~250K | Kyllä, lähellä rajaa |
| Pitkä agenttiajo, 40+ työkalukierrosta | ~80–200K | Kyllä |
Raja jonka ympärille kannattaa suunnitella on tuloste: enintään 16 384 tokenia vastausta kohti. Se on pitkä dokumentti tai merkittävä monitiedostoinen korjaus, mutta ei koodikanta. Suuret generointityöt tehdään ketjuttamalla pyyntöjä edellinen tuloste takaisin kontekstiin — minkä 262K-ikkuna tekee halvaksi — eikä pyytämällä yhtä valtavaa täydennystä.
08Hinta ja V4-Pron paikka valikoimassa
Hinnalla $1.95 sisään / $3.90 ulos miljoonaa tokenia kohti V4-Pro on lippulaivatason päättelymalli — se johon tartut kun ongelma on vaikea. Kun se on vain suuri, halvemmat mallit samalla 262K-ikkunalla tekevät sen neljäsosahintaan.
| Sensuroimaton malli | Sisään / 1M | Ulos / 1M | Näkö | Parhaiten sopii |
|---|---|---|---|---|
| DeepSeek-V4-Pro · 3BIT-REAP | $1.95 | $3.90 | Ei | Vaikea päättely, koodi, agentit |
| DeepSeek-V4-Flash · W4A16 | $0.50 | $2.00 | Ei | Sama sukulinja, suuri volyymi |
| GLM-5.2 · 3BIT-REAP | $0.73 | $2.34 | Ei | Yleiskäyttöinen työjuhta |
| Kimi-K3 · 3BIT-REAP | $3.83 | $19.12 | Kyllä | Huippuluokan multimodaaliset agentit |
| MiniMax-M3 · 3BIT-REAP | $0.50 | $2.00 | Kyllä | Halvin näkö |
Ollaan suoria siitä vertailusta jonka ihmiset oikeasti tekevät: DeepSeekin oma API on tätä halvempi — ensimmäisen osapuolen V4-Pro listautuu noin hintaan $0.435 sisään / $0.87 ulos, ja heidän välimuistiosumien syötehintansa on vielä matalampi. Jos tokenikohtainen hinta on ainoa kriteerisi eikä moderointikäyttäytyminen vaikuta työhösi, käytä ensimmäisen osapuolen API:a; sanomme sen mieluummin nyt kuin annamme sinun huomata sen myöhemmin. Lisähinnalla saat toisenlaisen joukon ominaisuuksia: ei kieltäytymiskerrosta eikä tulostesuodatinta, yhdysvaltalainen operaattori Shannon Lab LLC:n alaisuudessa, kiinnitetty päivätty tarkistuspiste (0813) jotta hiljainen päivitys ei koskaan muuta tulosteitasi kesken projektin, kolme API-murretta samaa mallia vasten sekä sama 262K-ikkuna ja parametripinta kaikissa valikoiman kahdessatoista mallissa.
09Kutsuminen: kolme murretta, yksi malli
Jokainen yhdyskäytävän malli vastaa kaikissa kolmessa päätepisteessä, suoratoisto mukana kussakin. Et ota käyttöön uutta SDK:ta — vaihdat perus-URL:n ja mallitunnuksen.
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-murre; toimii OpenAI-SDK:iden ja kaiken niiden päälle rakennetun kanssa./v1/messages— Anthropic-murre, koodikannoille jotka on jo kirjoitettu sitä muotoa vasten./v1/responses— Responses-tyylinen rajapinta.
Tässä mallissa tuettuna: suoratoisto, natiivit työkalukutsut, tiukka json_schema-rakenteinen tuloste, response_format ja reasoning_effort. Täysi parametriviite ja live-leikkikenttä ovat API-dokumentaatiossa.
10Rehelliset rajat
Neljä asiaa jotka kannattaa tietää ennen kuin rakennat sen varaan:
- Ei näköä. Vain teksti; se ei ota vastaan kuvasyötettä millään päätepisteellä. Jos tarvitset sensuroimattoman mallin joka näkee, käytä malleja Kimi-K3, Kimi-K2.6, MiniMax-M3, MiMo-V2.5 tai inkling.
- 16 384 tokenin tulostekatto. Päättelytokenit lasketaan sitä vasten korkealla tasolla, joten pitkä harkinta jättää vähemmän tilaa vastaukselle. Ketjuta pyyntöjä suurissa generointitöissä.
- 3 bittiä on todellista pakkausta. Referenssipisteet kuvaavat perustaa, eivät tätä buildia. Korkeimman tarkkuuden tasolle
W8A16-mallit (MiMo-V2.5-Pro, MiMo-V2.5, Hy3) kantavat vähiten kvantisointia. - Sensuroimaton ei ole seurauksetonta. Kieltäytymiskerroksen puuttuminen tarkoittaa, että vastuu siitä mitä kysyt ja mitä teet vastauksella on sinulla — käyttöehtojemme ja toimintapaikkasi lain mukaisesti.
Jokainen arkkitehtuuriväite ja vertailuluku tällä sivulla on peräisin julkisesta ensisijaisesta lähteestä. Lue ne itse.
11Usein kysytyt kysymykset
Mikä on sensuroimaton DeepSeek-API?
Se on DeepSeek-V4-Pro-avoinpainomalli tarjottuna Shannon AI:n omalla GPU-klusterilla ilman kieltäytymiskerrosta sen edessä ja ilman suodatusta sille mitä se palauttaa. Kutsut sitä osoitteissa /v1/chat/completions, /v1/messages tai /v1/responses 262 144 tokenin kontekti-ikkunalla, ja päätepiste vastaa sen sijaan että moderoisi.
Miten tämä eroaa DeepSeekin virallisesta API:sta?
Sama avoinpainoinen sukulinja, eri operaattori ja eri käytäntö. DeepSeekin oma palvelu on halvempi tokenia kohti ja ajaa omaa moderointiaan; Promptfoon ja akateemisten ryhmien julkaisemat auditoinnit dokumentoivat siellä kieltäytymistä ja semanttista vaimennusta poliittisesti herkissä kehotteissa. Shannon AI ajaa painot Yhdysvalloissa ilman kieltäytymiskerrosta, tarjoaa päättelyn tason ja työkalukutsut kolmella API-murteella ja kiinnittää päivätyn tarkistuspisteen, jotta tulosteet eivät muutu allasi.
Mitä 3BIT-REAP tarkoittaa?
Kahta pakkausvaihetta. REAP on Router-weighted Expert Activation Pruning, Cerebras Researchin menetelmä, joka poistaa Mixture-of-Experts-mallista harvoin ja heikosti reititetyt asiantuntijat pisteyttämällä kunkin asiantuntijan sen reitittimen porttiarvojen ja aktivaationormien perusteella. Jäljelle jäävä kvantisoidaan sitten 3-bittisiksi painoiksi. Yhdessä ne saavat 1,6 biljoonan parametrin perustan mahtumaan ja pysymään nopeana omalla GPU-klusterillamme.
Kuinka suuri konteksti-ikkuna ja enimmäistuloste ovat?
262 144 tokenia kontekstia ja enintään 16 384 tokenia tulostetta pyyntöä kohti. Se on karkeasti 600–800 sivua tekstiä sisään ja pitkä tekninen dokumentti tai laaja monitiedostoinen korjaus ulos. Pitkät työt tehdään ketjuttamalla pyyntöjä, ei nostamalla tulosterajaa.
Tukeeko DeepSeek V4 Pro työkalukutsuja ja JSON-skeeman mukaista tulostetta?
Kyllä molempia. Natiivit työkalukutsut, tiukka json_schema-rakenteinen tuloste ja response_format ovat kaikki tuettuja, samoin suoratoisto ja reasoning_effort-parametri. Se ei ota vastaan kuvasyötettä; jos tarvitset näköä sensuroimattomassa mallissa, käytä sen sijaan malleja Kimi-K3, Kimi-K2.6, MiniMax-M3, MiMo-V2.5 tai inkling.
Mitä sensuroimaton DeepSeek-API maksaa?
$1.95 miljoonalta syötetokenilta ja $3.90 miljoonalta tulostetokenilta. Samassa sensuroimattomassa valikoimassa DeepSeek-V4-Flash maksaa $0.50 sisään ja $2.00 ulos samalla 262K kontekstilla, ja GLM-5.2 maksaa $0.73 sisään ja $2.34 ulos, joten V4-Pro on se taso johon tartut kun ongelma on vaikea eikä vain suuri.
Kutsu DeepSeek V4 Prota sensuroimattomana
262K konteksti, päättelyn taso, työkalukutsut. OpenAI-, Anthropic- ja Responses-murteet yhdellä avaimella.
Lue API-dokumentaatio Kaikki mallikortitShannon Lab LLC · New Mexico, USA · mallit tarjotaan omalla GPU-klusterillamme
Lähteet: DeepSeek-AI — DeepSeek-V4-Pro mallikortti · DeepSeek-V4 tekninen raportti (CSA/HCA, mHC, Muon) · DeepSeek-V2 (MLA, DeepSeekMoE) · DeepSeek-V3 tekninen raportti · REAP the Experts (Cerebras Research) · Promptfoon sensuuriauditointi · Discovering Forbidden Topics in Language Models. Vertailuluvut ovat DeepSeek-AI:n raportoimia referenssijulkaisulle; riippumaton kolmannen osapuolen varmennus pakatulle buildille on kesken. Hinnat ovat Shannon AI:n listahintoja 5. syyskuuta 2026.