API DeepSeek Flash gan chinsireacht

Optamaíonn formhór na bhfoirne a mheasúnaíonn API LLM an athróg mhícheart. Déanann siad tagarmharcáil ar an bhfiche leid is deacra ar féidir leo smaoineamh orthu, piocann siad an buaiteoir, agus faigheann siad amach sé seachtaine ina dhiaidh sin gur obair ghairid, struchtúrtha, athráiteach é nócha cúig faoin gcéad dá dtrácht a láimhseálfadh múnla ar cheathrú an phraghais go comhionann. Tá DeepSeek-V4-Flash ann don nócha cúig faoin gcéad sin. Baineann an leathanach seo le fios a bheith agat cathain atá tú ann — agus cathain nach bhfuil.

01Cad a fhaigheann tú i ndáiríre

Airí	DeepSeek-V4-Flash-0731 · W4A16-AUTOROUND-REAP
Aitheantóir múnla	DeepSeek-V4-Flash-0731-W4A16-AUTOROUND-REAP
Comhthéacs / uasaschur	262,144 comhartha / 16,384 comhartha
Praghas in aghaidh 1M (isteach / amach)	$0.50 / $2.00
Sruthú · glaonna uirlisí · réasúnaíocht	Tá — na trí chanúint
Aschur struchtúrtha	json_schema agus response_format
Ionchur íomhá (fís)	Níl — téacs amháin
Ciseal diúltaithe / scagaire aschuir	Ceann ar bith
Á fhreastal ar	bhraisle GPU Shannon féin

Sroicheann trí chanúint API na meáchain chéanna: /v1/chat/completions (cruth OpenAI), /v1/messages (cruth Anthropic), agus /v1/responses. Oibríonn an sruthú ar an trí cinn. Tá an tagairt iomlán paraiméadar sna cáipéisí API.

02Cárb as dó: sinsearacht DeepSeek

Chaith DeepSeek-AI cúig ghlúin mhúnla ar aon cheist amháin: iompar teorann a bhaint as múnla atá saor le freastal, ní saor le hoiliúint amháin. Rianaíonn beagnach gach cinneadh ailtireachta sa líne siar chuige sin, agus tá na cinn thábhachtacha foilsithe. Míníonn trí cinn cad air a bhfuil tú ag glaoch nuair a bhuaileann tú an críochphointe seo.

DeepSeekMoE — saineolaithe mínghráinneacha móide ceann comhroinnte

Cuireann sraith Meascáin Saineolaithe mórán líonraí aisfhriotha beaga agus ródaire a roghnaíonn dornán in aghaidh an chomhartha in ionad aon líonra mhóir amháin. Slisníonn leagan DeepSeek na saineolaithe níos míne ná an leagan amach gnáthaigh ochtar saineolaí, mar sin ceannaíonn na FLOPanna gníomhachtaithe céanna meascán i bhfad níos sainiúla ó thaobh comhcheangail, agus scarann sé saineolaí comhroinnte a dtéann gach comhartha tríd, ionas nach n-athfhoghlaimítear an t-eolas coitianta go hiomarcach taobh istigh de gach speisialtóir. Sheol DeepSeek-V3 é sin mar 256 saineolaí ródaithe móide 1 shaineolaí comhroinnte, ag gníomhachtú 8 gcinn ródaithe in aghaidh an chomhartha — 671B paraiméadar san iomlán, 37B gníomhach — móide cothromú ualaigh saor ó chaillteanas cúnta: in ionad téarma pionóis a dhíghrádaíonn an cháilíocht, brúnn laofacht in aghaidh an tsaineolaí na scóir ródaithe suas nó síos ag gach céim de réir mar a ritheann an saineolaí sin faoi-ualaithe nó ró-ualaithe.

MLA — aire a oireann sa chuimhne

Is é an taisce KV an leath eile d'fhadhb an chostais fhreastail, a fhásann go líneach leis an gcomhthéacs agus a bhíonn i gceannas ar an gcuimhne ag fadanna seichimhe fada. Comhbhrúnn Multi-head Latent Attention, a tugadh isteach i DeepSeek-V2, eochracha agus luachanna go comhpháirteach isteach i veicteoir folaigh íseal-chéime agus taisceann sé é sin, ag athchruthú K/V inúsáidte ar an toirt. Tuairiscíonn figiúirí foilsithe V2 DeepSeek, i gcoinne a múnla dlúth DeepSeek 67B níos luaithe, laghdú 93.3% ar an taisce KV agus tréchur uasta giniúna 5.76× níos airde. Sin an fáth gur bunriachtanas é fuinneog 262K comhartha sa teaghlach seo seachas breiseán préimhe.

Aire ghann — agus an fasach do chomharthaí saora

Chuir V3.2-Exp DeepSeek Sparse Attention leis: scórálann innéacsóir éadrom comharthaí comhthéacs i gcoinne na ceiste, agus coinníonn roghnóir na cinn is airde scór amháin. Is é an admháil an chuid spéisiúil, ní an mheicníocht. D'fhoilsigh DeepSeek comparáid taobh le taobh i gcoinne V3.1-Terminus le MMLU-Pro comhionann ag 85.0, AIME 2025 suas (88.4 → 89.3), SWE-bench Verified beagán síos (68.4 → 67.8) — cáilíocht chothrom go bunúsach — agus ghearr siad a bpraghsanna API os cionn 50% an lá céanna. Ailtireacht, tuairiscithe go macánta, ag iompú go díreach ina praghas. Is í an argóint sin céim amháin níos faide é Flash.

Glúin V4

Cuireann V4, réamhthaispeáinte in Aibreán 2026 faoi cheadúnas MIT, hibrideach de Compressed Sparse Attention agus Heavily Compressed Attention in ionad na cruaiche aire arís, oileann sé leis an optamóir Muon ar bhreis is 32T comhartha, agus coinníonn sé cuspóir tuair il-chomharthaí V3 — a fheidhmíonn freisin mar dhíchódú tuairimeach, agus a thomhais DeepSeek ag ráta glactha 85–90% don dara comhartha do luasghéarú díchódaithe de thart ar 1.8× i V3. Tuairiscíonn achoimre V4 go ritheann V4-Pro ar 27% de FLOPanna tátail aon-chomhartha V3.2 agus 10% dá thaisce KV. Nochtann an teaghlach trí leibhéal iarrachta réasúnaíochta, agus is orthu sin a mhapálann ár bparaiméadar reasoning_effort.

Foinsí: DeepSeek-V2 (arXiv 2405.04434) · DeepSeekMoE (arXiv 2401.06066) · Tuarascáil Theicniúil DeepSeek-V3 (arXiv 2412.19437) · cárta múnla DeepSeek-V3.2-Exp · DeepSeek-V4 (arXiv 2606.19348). Is figiúirí tuairiscithe ag DeepSeek iad uile.

03Cad a chiallaíonn "Flash" i ndáiríre

Is é seo an pointe a fhaigheann formhór na gcomparáidí mícheart, mar sin is fiú é a rá go lom: ní Pro cainníochtaithe, bearrtha ná driogtha é Flash DeepSeek. Is múnla Meascáin Saineolaithe níos lú é a oileadh ar leithligh lena rith réamhoiliúna féin. Tugann páipéar réamhthaispeána V4 an dá mhéid:

Figiúirí ó pháipéar réamhthaispeána DeepSeek-V4. Liostaíonn na seicphointí oifigiúla a fhreastalaímid — V4-Flash-0731 agus V4-Pro-0813 — iomláin beagán níos mó de 304B agus 1.7T ar a gcártaí múnla; ní athdhearbhaíonn DeepSeek na paraiméadair ghníomhachtaithe do na tógálacha sin.

Déanann dhá uimhir an obair anseo. Socraíonn na paraiméadair iomlána an lorg cuimhne, a chinneann cé mhéad crua-earraí a ghlacann cóip den mhúnla. Socraíonn na paraiméadair ghníomhachtaithe an uimhríocht in aghaidh an chomhartha, a chinneann an tréchur. Tá Flash thart ar 5.6× níos lú ar an gcéad cheann agus 3.8× níos lú ar an dara ceann — agus tá mionrud is fiú a thabhairt faoi deara sa bhearna sin: gníomhachtaíonn Flash 13 as 284 billiún paraiméadar, thart ar 4.6%, agus gníomhachtaíonn Pro 49 as 1,600 billiún, thart ar 3.1%. Is é Flash an múnla is lú gainne. Ní hé Pro le níos lú saineolaithe lasta go simplí é; is dearadh níos dlúithe agus cothromaithe ar bhealach difriúil é a chaitheann sciar níos mó de féin ar gach comhartha a tháirgeann sé. Is fíorrogha innealtóireachta é sin, ní ísliú céime.

A ndeir uimhreacha DeepSeek féin

Foilsíonn an dá chárta múnla oifigiúla scóir ar na tagarmharcanna gníomhaireachta agus innealtóireachta bogearraí céanna, rud a fhágann gur comparáid neamhghnách glan é seo — an tsaotharlann chéanna, an creat measúnaithe céanna, dhá mhéid:

Tagarmharc (tuairiscithe ag DeepSeek)	V4-Flash-0731	V4-Pro-0813
Terminal Bench 2.1	82.7	87.9
Toolathlon-Verified	70.3	74.1
DeepSWE	54.4	62.7
NL2Repo	54.2	61.5
DSBench-FullStack	68.7	71.1

Buann Pro gach ró. Sin an cheannlíne mhacánta, agus b'fhearr linn go léifeá anseo í ná go bhfaighfeá amach í sa táirgeadh. Ach léigh na corrlaigh, mar is iad sin an rud atá á cheannach agat i ndáiríre. Ar Terminal Bench 2.1 is 5.2 pointe an bhearna ar mhúnla a bhfuil an cúigiú cuid is fiche de na paraiméadair aige; ar úsáid uirlisí is 3.8 pointe í. Leathnaíonn an bhearna san áit is doimhne a éiríonn an obair — 8.3 pointe ar DeepSWE, 7.3 ar NL2Repo, agus luaíonn an dá cheann acu réasúnaíocht cóid ilchéimeanna leanúnach. Sin cruth na malairte in aon tábla amháin: dúnann Flash formhór na faide ar thascanna teoranta agus tugann sé talamh uaidh ar thascanna oscailte.

Déanann cárta Flash DeepSeek féin an pointe níos géire fós: sáraíonn Flash-0731 réamhthaispeáint V4-Pro ar na tagarmharcanna liostaithe in ainneoin a líon paraiméadar gníomhachtaithe i bhfad níos lú. Is é an gnáthstaid sa réimse seo é go mbuann múnla beag níos nuaí ar cheann mór níos sine, agus is é an chúis nár cheart go mbeadh "an leibhéal is mó" mar fhreagra réamhshocraithe agat riamh.

04An iarmhír a léamh: W4A16-AUTOROUND-REAP

Deir ár n-aitheantóirí múnla a scéim chomhbhrúite os ard, mar is é an rud is mó a théann i bhfeidhm ar cháilíocht an aschuir é agus is beag duine a nochtann é. Titeann an ceann seo ina thrí mhaíomh.

W4A16 — meáchain 4-ghiotán, gníomhachtuithe 16-giotán

Stóráiltear na meáchain ag 4 ghiotán an ceann; sreabhann na gníomhachtuithe trí ag beachtas 16-giotán. Is cainníochtú meáchan-amháin é seo, agus dírítear ar an bhfíorscrogall i nginiúint comharthaí, is é sin an bandaleithead cuimhne seachas an uimhríocht. Cheannódh cainníochtú na ngníomhachtuithe freisin beagán níos mó luais agus chuirfeadh sé aill cruinnis i bhfad níos mó i mbaol; is é an rogha choimeádach dhílis iad a fhágáil ag 16 ghiotán. Is gearrscríobh ó éiceachóras an fhreastail é an nodaireacht — scríobhann litríocht an chainníochtaithe an rud céanna mar W4 le méid grúpa.

AUTOROUND — slánú foghlamtha, ní slánú go dtí an ceann is gaire

Slánaíonn cainníochtú saonta gach meáchan go dtí an luach inléirithe is gaire. Níl sin optamach mar is léir: is féidir le meáchan amháin a shlánú ar an mbealach "mícheart" earráid a thug a chomharsana isteach a chealú, agus le billiúin meáchan bíonn na hidirghníomhaíochtaí sin i gceannas. Caitheann AutoRound, ó Intel, leis an gcinneadh slánaithe féin mar rud le foghlaim — suaitheadh in-oilte in aghaidh an mheáchain srianta go ±0.5, díreach go leor le haon chinneadh slánaithe amháin a iompú agus riamh níos mó, móide raonta bearrtha infhoghlamtha, optamaithe le fánadh grádáin sínithe i gcoinne cuspóra athchruthaithe aschuir de réir bloic thar thacar calabraithe beag. Dhá chéad céim, agus déanta.

I gcomparáidí foilsithe Intel buann AutoRound ar GPTQ i 30 as 32 cás tástáilte, ar AWQ i 27 as 32 agus ar OmniQuant i 29 as 32 ag socruithe meáchan-amháin 4-ghiotán, le gnóthachain thar shlánú saonta go dtí an ceann is gaire de 6.9 go 33.2 pointe cruinnis ag 2 ghiotán. Ní chosnaíonn aon chuid de faic tráth an tátail: is rogha níos fearr uimhreacha é, déanta uair amháin, as líne.

REAP — saineolaithe nach ródaíonn éinne chucu a scriosadh

Is comhbhrú aon-urchair do mhúnlaí MoE é REAP (Router-weighted Expert Activation Pruning), ó Cerebras Systems agus ó Ollscoil Calgary. Scórálann sé gach saineolaí de réir cé chomh láidir agus cé chomh minic a gheataíonn an ródaire chuige, méadaithe faoi mhéid aschuir an tsaineolaí sin, agus scriosann sé na saineolaithe is lú suntas go buan — gan aon athoiliúint ina dhiaidh.

Is é príomhthoradh an pháipéir an ceann úsáideach: ag cóimheasa arda comhbhrúite, is fearr saineolaithe a bhearradh ná iad a chumasc. Is cúis le rud a dtugann na húdair titim fo-spáis fheidhmiúil air é saineolaithe atá difriúil ó thaobh feidhme a chumasc — cailleann an ródaire an rialú mínghráinneach, ionchur-spleách a rinne fiúntas na MoE, agus fágtar é ag stiúradh idir meáin statacha. A gcuid uimhreacha trasna múnlaí ó 20B go 1T paraiméadar: ag comhbhrú saineolaithe 25% ar thascanna códaithe, cailleann REAP 2.8% de mheánchruinneas san áit a gcailleann bonnlínte cumaisc os cionn 5%; ag 50%, cailleann REAP 8.0% san áit a gcailleann an cumasc os cionn 20%. Ar Qwen3-Coder-480B ag bearradh 50% is 1.4% an titim, i gcoinne 39.3% do bhearradh saonta bunaithe ar mhinicíocht. D'fhoilsigh Cerebras seicphointí REAP don líne DeepSeek i measc daoine eile.

Cén fáth 4-ghiotán anseo agus 3-ghiotán ar Pro

Caithfidh an dá leibhéal oiriúnú agus fanacht tapa ar an rang crua-earraí céanna. Iompraíonn Pro 1.7 trilliún paraiméadar, mar sin tá an chóireáil 3-ghiotán níos ionsaithí de dhíth air le hoiriúnú ar chor ar bith. Iompraíonn Flash thart ar 300 billiún, mar sin níl — agus caitear an giotán a shábhálann sé ar an dílseacht in ionad ar an oiriúnú.

Tá níos mó tábhachta leis an ngiotán breise sin ná mar a thugann a uimhríocht le fios, mar níl damáiste an chainníochtaithe líneach. I dtomhais WikiText-2 an pháipéir AWQ, téann Llama-2-7B ó chruinnmheas 5.47 ag FP16 go 5.60 ag 4 ghiotán — pionós 2.4% — ach go 6.24 ag 3 ghiotán, pionós 14%. Sin thart ar sé oiread an díghrádaithe ar son 25% níos mó comhbhrúite, agus seasann an patrún céanna ag 70B. Tá an páipéar GPTQ níos loime fós: ag 3 ghiotán, titeann an slánú saonta go dtí an ceann is gaire as a chéile ar mhúnlaí den rang 175B, isteach sna mílte cruinnmheasa, agus é fós inúsáidte go foirfe ag 4 ghiotán. Faoi bhun ceithre ghiotán, scoireann algartam maith cainníochtaithe de bheith ina áis dheas agus éiríonn sé ar an t-aon rud amháin atá ag coinneáil an mhúnla le chéile.

Mar sin is é an léamh macánta ar an dá iarmhír seo ná: suíonn Flash níos gaire dá leagan neamh-chomhbhrúite féin ná mar a shuíonn Pro dá cheann féin. Is é Pro an múnla is láidre fós — socraíonn an tábla tagarmhairc thuas é sin. Thug sé níos mó uaidh le teacht anseo, agus íocann tú as an bpribhléid.

Foinsí: AutoRound — "Optimize Weight Rounding via Signed Gradient Descent for the Quantization of LLMs" (arXiv 2309.05516), Intel, Findings of EMNLP 2024. REAP — "REAP the Experts: Why Pruning Prevails for One-Shot MoE Compression" (arXiv 2510.13999), Cerebras Systems. Figiúirí cruinnmheasa ó AWQ (arXiv 2306.00978) agus GPTQ (arXiv 2210.17323).

05Flash i gcoinne Pro ag an gcríochphointe

Chlúdaigh rannóg 03 na bunmhúnlaí. Seo mar a fheictear an dá leibhéal mar tháirgí ar ár ngeata:

	DeepSeek-V4-Flash-0731	DeepSeek-V4-Pro-0813
Cainníochtú	W4A16-AUTOROUND-REAP	3BIT-REAP
Beachtas meáchan	4 ghiotán, slánú foghlamtha	3 ghiotán
Bunmhúnla (iomlán / gníomhach)	~304B / 13B	~1.7T / 49B
Ionchur in aghaidh 1M comhartha	$0.50	$1.95
Aschur in aghaidh 1M comhartha	$2.00	$3.90
Comhthéacs / uasaschur	262,144 / 16,384	262,144 / 16,384
Uirlisí · aschur struchtúrtha · sruthú	Tá	Tá
Fís	Níl	Níl
Ciseal diúltaithe	Ceann ar bith	Ceann ar bith

Tabhair faoi deara nach n-athraíonn: tá an comhthéacs, an uasteorainn aschuir, na glaonna uirlisí, an t-aschur struchtúrtha agus easpa an chisil diúltaithe comhionann. Ní bhogann ach an bunmhúnla, an cainníochtú agus an praghas. Fágann sin gur athrú aon teaghráin amháin i do chód é malartú eatarthu agus gur cinneadh eacnamaíoch amháin é i d'ailtireacht.

Cad a chosnaíonn aon ghlao amháin ar an uasmhéid

Líon an comhthéacs 262,144 comhartha ar fad agus tóg an t-aschur 16,384 comhartha iomlán:

Ar phraghas liosta. Flash: $0.131 ionchur + $0.033 aschur. Pro: $0.511 + $0.064. Cóimheas 3.51×. Roinneann Flash an t-urlár $0.50 / $2.00 le MiniMax-M3, Laguna-S-2.1, MiMo-V2.5, MiMo-V2.5-Pro agus Hy3 freisin — féach an chatalóg iomlán le feiceáil conas atá siad sin difriúil ó thaobh físe agus aschuir struchtúrtha.

06Matamaitic na toirte, oibrithe amach

Níl "3.9× níos saoire" fíor ach ar an ionchur. Ar an aschur tá Flash 1.95× níos saoire. Braitheann do shábháil iarbhír, dá bhrí sin, ar do chóimheas ionchuir-go-haschuir, agus tá an leathadh sách leathan le cinntí deartha a athrú. Ceithre ualach oibre réalaíocha, gach ceann ag 100,000 iarratas:

Ualach oibre	Isteach / amach in aghaidh an ghlao	Flash	Pro	Sábháil
Aicmiú ticéad	1,200 / 120	$84	$281	3.3×
Freagairt ceisteanna RAG	8,000 / 600	$520	$1,794	3.4×
Achoimre ar cháipéis fhada	60,000 / 1,500	$3,300	$12,285	3.7×
Giniúint sonraí sintéiseacha	500 / 2,000	$425	$878	2.1×

An patrún: dá mhéad comhthéacs a bhrúnn tú agus dá laghad téacs a ghineann tú, is amhlaidh is mó a shábhálann Flash duit. Is iad píblíní aisghabhála, sórtáil cáipéisí, anailís logaí agus trascríbhinní, agus eastóscadh comhthéacs fhada an áit is fearr — tá siad faoi cheannas an ionchuir faoi ord méide, agus is ar an ionchur a chónaíonn an lascaine 3.9×. Más é d'ualach oibre leid ghairid a tháirgeann na mílte comhartha próis ina ionad sin, cúngaíonn an bhearna go dtí thart ar 2× agus éiríonn an argóint chumais do Pro níos láidre dá réir.

Píosa uimhríochta eile is fiú a chur i do cheann: ar $0.50 in aghaidh an mhilliúin comhartha ionchuir, cosnaíonn sé 13.1 cent an fhuinneog 262,144 comhartha ar fad a líonadh. Scoireann leidiú comhthéacs fhada de bheith ina cheist bhuiséid ar an bpraghas sin, rud a chiallaíonn uaireanta gur féidir leat ciseal aisghabhála a scipeáil ar fad agus ligean don fhuinneog chomhthéacs an obair a dhéanamh — sábháil innealtóireachta anuas ar an sábháil comharthaí.

07Cad a chiallaíonn "gan chinsireacht" anseo, go beacht

Úsáidtear an focal go scaoilte, mar sin seo é ár sainmhíniú, ráite mar airí den chríochphointe: níl aon aicmitheoir diúltaithe os comhair an mhúnla agus níl aon scagadh ábhair á chur ar a aschur. Ní stopann aon rud leid agus ní fhilleann sé diúltú stánaithe; ní iniúchann aon rud an críochnú agus ní dhéanann sé é a athscagadh. D'obair tháirgthe ardtoirte tá na hiarmhairtí níos lú drámata agus níos úsáidí ná mar a thugann an focal le fios:

• Gan fabhtdhearbhuithe ar thrácht neamhurchóideach. Diúltaíonn críochphointí scagtha go rialta d'achoimrí leighis, do thuarascálacha slándála, do fhionnachtain dhlíthiúil, do ficsean, d'ábhar laghdaithe díobhála agus don mhodhnóireacht féin — na catagóirí go beacht ina bhfuil post baisce ag próiseáil téacs faoi ábhar íogair seachas aon rud díobhálach a tháirgeadh. Ag céad míle iarratas, is míle ró briste é ráta bréagdhiúltaithe aon faoin gcéad.
• Conarthaí cinntitheacha. Iarr freagra json_schema agus faigheann tú JSON a mheaitseálann an scéimre, ní alt leithscéil san áit ar cheart oibiacht a bheith. Ní gá craobh diúltaithe a bheith ag do pharsálaí, agus ní gá do do loighic aththrialach idirdhealú a dhéanamh idir teip iompair agus teip pholasaí.
• Is leatsa an polasaí. Sin an mhalairt. Má tá ráillí cosanta de dhíth ar do tháirge do d'úsáideoirí deiridh, tógann tú ag do chiseal féin iad, áit a bhfuil eolas agat ar d'úsáideoirí agus ar do dhlínse, in ionad buillí faoi thuairim soláthraí faoin dá rud a fháil le hoidhreacht. Fanann do chuntas faoi rialú ár bPolasaí Úsáide Freagraí.

Ní hionann gan chinsireacht agus gan ailíniú nó gan chabhair. Leanann an múnla treoracha fós agus urramaíonn sé leid chórais fós. Más mian leat go ndiúltódh sé do chatagóirí áirithe do d'úsáideoirí féin, abair é sin ansin — is leatsa an treoir sin le scríobh anois seachas linne le forchur.

08Cumais agus teorainneacha macánta

Iompraíonn dhá chumas formhór na hoibre don toirt. Iompaíonn aschur dian json_schema críochnú ina ró bunachair sonraí gan chiseal parsála agus gan chraobh diúltaithe. Fágann glaonna uirlisí sna trí chanúint gur inneall ciallmhar é Flash do na fo-chéimeanna saora de ghníomhaire a ritheann a phleanálaí barrleibhéil ar mhúnla níos láidre. Cuir reasoning_effort leis, a ligeann duit comharthaí breise a chaitheamh ar an gcodán den trácht a bhfuil siad de dhíth air amháin, agus comhthéacs 262,144 comhartha comhionann le ceann Pro — ní ghéilleann tú comhthéacs tríd an leibhéal saor a phiocadh, rud atá neamhghnách.

Tá na teorainneacha chomh nithiúil céanna:

• Gan fís. Is téacs amháin é Flash agus diúltóidh sé do chodanna íomhá i dteachtaireacht. Le haghaidh íomhánna ar mhúnla gan chinsireacht ar an urlár $0.50 / $2.00 céanna, is iad MiniMax-M3 agus MiMo-V2.5 na roghanna atá in ann fís a dhéanamh; is múnlaí físe níos láidre os cionn an leibhéil sin iad Kimi-K2.6 agus Kimi-K3.
• Ní barr an dréimire é. Cuireann uimhreacha DeepSeek féin Pro chun tosaigh ar gach tagarmharc gníomhaireachta foilsithe, agus an bhearna is leithne ar réasúnaíocht cóid ilchéimeanna leanúnach. San áit a gcosnaíonn aon fhreagra mícheart amháin níos mó ná míle ceann saor, caith an $1.45 breise in aghaidh an mhilliúin ar DeepSeek-V4-Pro.
• 16,384 comhartha aschuir in aghaidh an iarratais. Caithfear giniúintí fada a smiotadh trasna glaonna. Is í an uasteorainn chéanna í ar gach múnla a fhreastalaímid, agus ceanglaíonn sí i bhfad roimh an bhfuinneog chomhthéacs.

09Glaoch air

Dírigh aon chliant comhoiriúnach le OpenAI ar an ngeata agus athraigh an teaghrán múnla. Ní gá d'aon rud eile i do chruach bogadh.

curl https://api.shannon-ai.com/v1/chat/completions \
  -H "Authorization: Bearer $SHANNON_API_KEY" \
  -H "Content-Type: application/json" \
  -d '{
    "model": "DeepSeek-V4-Flash-0731-W4A16-AUTOROUND-REAP",
    "messages": [
      {"role": "system", "content": "Label the ticket. Reply only with the schema."},
      {"role": "user", "content": "The invoice PDF renders blank on Safari 18."}
    ],
    "response_format": {
      "type": "json_schema",
      "json_schema": {
        "name": "ticket_label",
        "schema": {
          "type": "object",
          "properties": {
            "category": {"type": "string"},
            "severity": {"type": "integer"},
            "needs_human": {"type": "boolean"}
          },
          "required": ["category", "severity", "needs_human"],
          "additionalProperties": false
        }
      }
    }
  }'

Oibríonn an t-aitheantóir múnla céanna gan athrú ar /v1/messages agus ar /v1/responses, agus is é sin an bealach is tapúla le múnla níos saoire a thástáil faoi imeascadh reatha gan do chliant a athscríobh. Tá na paraiméadair, cruthanna na n-imeachtaí sruthaithe, scéimreanna na nglaonna uirlisí agus na teorainneacha ráta doiciméadaithe sa tagairt API; tá gach múnla sa chatalóg liostaithe ag Taighde Shannon.

10Ceisteanna coitianta

---

Foinsí: DeepSeek-V2 (arXiv 2405.04434) · DeepSeekMoE (arXiv 2401.06066) · Tuarascáil Theicniúil DeepSeek-V3 (arXiv 2412.19437) · DeepSeek-V4 (arXiv 2606.19348) · cártaí múnla DeepSeek-V4-Flash-0731 agus DeepSeek-V4-Pro-0813 · AutoRound (arXiv 2309.05516, Intel) · REAP (arXiv 2510.13999, Cerebras Systems) · AWQ (arXiv 2306.00978) · GPTQ (arXiv 2210.17323). Tá gach figiúr bunmhúnla agus tagarmhairc mar a d'fhoilsigh a n-údair faoi seach iad; is iad ár luachanna liosta féin amhail Meán Fómhair 2026 iad praghsanna Shannon AI agus an comhthéacs a fhreastalaítear.