ה-API של DeepSeek ללא צנזורה

מי שמגיע לביטוי "API של DeepSeek ללא צנזורה" רוצה דבר אחד ספציפי: מודל עם יכולת החשיבה והקוד של DeepSeek שעונה על השאלה שבאמת נשאלה. מחצית היכולת מתועדת היטב — DeepSeek-AI פרסמה את הארכיטקטורה ואת המספרים, והמשקלים נמצאים ב-Hugging Face תחת MIT. המחצית השנייה היא החלטה תפעולית, ובדרך כלל היא מתקבלת עבורך. הדף הזה מכסה את שתיהן: מהו מודל היסוד V4-Pro, מה הבנייה שלנו ב-3BIT-REAP עושה לו, ומה בדיוק פירוש "ללא צנזורה" כשאנחנו אומרים זאת.

01מה באמת אומר "API של DeepSeek ללא צנזורה"

שני מנגנונים שונים מתויקים תחת אותה מילה. הראשון הוא יישור שאפוי לתוך המשקלים — התנהגות סירוב שנלמדה במהלך האימון המאוחר. השני הוא שכבת מיתון בצד ההגשה: מסווג נפרד שבוחן את ההנחיה שלך לפני שהמודל רואה אותה ואת הפלט לפני שאתה רואה אותו, ויכול לקטוע תשובה באמצע משפט בלי קשר למה שהמודל התכוון לומר.

שניהם ניתנים למדידה, והשירות של DeepSeek עצמה נמדד. Promptfoo הרכיבה מערך של 1,360 הנחיות בנושאים רגישים פוליטית ודיווחה ש-R1 המתארח של DeepSeek סירב או התחמק ב-1,156 מהן — בערך 85%. עבודה אקדמית על אותה משפחה מצאה מצב כשל נבדל שהמחברים כינו דיכוי מחשבה, שבו עקבת החשיבה של המודל נקטעת כמעט מיד עם תחילתה בנושא רגיש. ביקורת נפרדת שפורסמה ב-Information Sciences תיעדה דיכוי ברמה הסמנטית: תוכן שנוכח בחשיבה הפנימית של המודל אך מושמט בשקט או נכתב מחדש לפני שהוא מגיע למשתמש. זו בעיה קשה יותר מסירוב גלוי, מפני שתשובה קטועה נראית כמו תשובה.

מה שאנחנו מריצים הוא מהדורת המשקלים הפתוחים, על חומרה שאנחנו מפעילים, בארצות הברית, תחת Shannon Lab LLC. אין שכבת סירוב לפני המודל ואין מסנן על מה שחוזר: ההנחיה שלך אינה מסווגת למדיניות לפני ההגשה, וזרם הפלט אינו נבדק בדרכו החוצה. מכיוון שמודל היסוד ברישיון MIT וציבורי, אתה יכול להשוות את הפלטים שלנו למשקלי הייחוס בעצמך במקום לסמוך על מילתנו.

02מודל היסוד: DeepSeek-V4-Pro, MoE של 1.6T

DeepSeek-V4 היא משפחת המשקלים הפתוחים הנוכחית של DeepSeek-AI, שהוצגה בתצוגה מקדימה באפריל 2026 ושוחררה תחת MIT בשני גדלים: V4-Flash (284B בסך הכול, 13B מופעלים) ו-V4-Pro (1.6T בסך הכול, 49B מופעלים). המאמר הזה עוסק בדרג ה-Pro. שניהם אומנו מראש על כ-33 טריליון טוקנים ושניהם תומכים במקור בהקשר של מיליון טוקנים.

יחס הדלילות הוא הדבר שכדאי לשים לב אליו: רק כ-3% מהפרמטרים נדלקים על כל טוקן נתון, וזה מה שהופך מודל בגודל כזה לניתן להגשה בכלל. בלוק ה-MoE עצמו הוא עדיין DeepSeekMoE — המומחים המנותבים בגרעיניות עדינה בתוספת המומחים המשותפים שתמיד פעילים, שהוצגו ב-V2 — עם שינויי V4 מזעריים בלבד, הבולט שבהם ניתוב האש בשכבות הראשונות. Multi-Token Prediction, מטרת האימון המשנית של V3 שגם מאפשרת פענוח ספקולטיבי, נשמרה ללא שינוי.

החלקים החדשים ב-V4 הם מבניים. Manifold-Constrained Hyper-Connections (mHC) מחליפים את מסלול השארית הפשוט במטריצת ערבוב נלמדת המוגבלת ליריעה של מטריצות סטוכסטיות כפולות באמצעות היטל Sinkhorn–Knopp — זרם שארית שמשקלל מחדש לפי הקלט בלי הסחיפה הנומרית שהורגת ערימות עמוקות מאוד. האימון עבר מ-AdamW ל-Muon ברוב המודולים, בעזרת אורתוגונליזציית Newton–Schulz, כאשר AdamW נשמר רק לשיכונים, לראשי החיזוי, לנרמול ולפרמטרי ה-mHC הסטטיים. ומשקלי המומחים מאומנים ב-FP4 כשרוב שאר הפרמטרים ב-FP8 — מודעות לקוונטיזציה כבר מההתחלה, וזה חשוב לאופן שבו המודל סופג דחיסה נוספת בחן.

03מ-MLA ל-CSA + HCA: כיצד DeepSeek שומרת על הקשר ארוך זול

הקו המנחה של DeepSeek לאורך ארבעה דורות אינו גודל, אלא כלכלת קשב. כל גרסה תקפה את מטמון ה-KV, שגדל ליניארית עם ההקשר ושולט בזיכרון באורכים גדולים.

• V2 הציגה את Multi-head Latent Attention (MLA) — דחיסה משותפת בדרגה נמוכה של מפתחות וערכים לווקטור סמוי, כך שהיצירה שומרת במטמון את הווקטור הזה בתוספת מפתח RoPE מנותק במקום K ו-V מלאים לכל ראש. DeepSeek דיווחה על ירידת מטמון ה-KV לכ-4–14% מקשב רב-ראשי סטנדרטי, תוך שמירה או שיפור של האיכות.
• V3 הרחיבה זאת ל-671B, והפכה את MLA להנחת ברירת המחדל להקשר ארוך זול במודלים פתוחים.
• V3.2 הוסיפה את DeepSeek Sparse Attention (DSA), שבוחרת תת-קבוצת top-k מההיסטוריה לכל שאילתה דרך אינדקסר קל במקום להקשיב להכול.
• V4 מכליאה. Compressed Sparse Attention (CSA) דוחסת תחילה את ערכי ה-KV של כל m טוקנים לערך אחד עם משקלים נלמדים, ואז מריצה בחירת top-k דלילה על הערכים הדחוסים האלה. Heavily Compressed Attention (HCA) דוחסת באגרסיביות רבה יותר אך נשארת צפופה על התוצאה. שני סוגי השכבות משולבים לסירוגין לאורך הערימה, כך שסיכום גלובלי זול ואחזור מקומי מדויק מתקיימים יחד.

התמורה המדווחת בהקשר של מיליון טוקנים חדה: V4-Pro זקוק לכ-27% מפעולות ה-FLOP להסקה לכל טוקן ו-10% ממטמון ה-KV של V3.2. לכן בקשה של 262K מתנהגת כמו בקשה רגילה ולא כאירוע זיכרון, ולכן מספרי האחזור בהקשר ארוך מחזיקים במקום להתמוטט אחרי כמה עשרות אלפי טוקנים.

04מה אומרת הסיומת 3BIT-REAP

מזהה הקטלוג שלנו מסתיים ב-3BIT-REAP, וזה מתאר שני שלבי דחיסה בלתי תלויים שמוחלים בזה אחר זה.

REAP: גיזום מומחים, לא מיזוגם

REAP הוא Router-weighted Expert Activation Pruning, מבית Cerebras Research — "REAP the Experts: Why Pruning Prevails for One-Shot MoE Compression", שהתקבל ל-ICLR 2026. ב-MoE דליל הנתב אינו משתמש במומחיו באופן אחיד: זנב ארוך נבחר לעיתים רחוקות, בחולשה, או שניהם. REAP מדרג כל מומחה בשילוב של ערכי שער הנתב (באיזו תדירות ובאיזו עוצמה הוא נבחר) עם נורמות ההפעלה של המומחה (כמה הפלט שלו תורם), ואז מוחק את המפסידים לחלוטין.

הטענה של המאמר היא שגיזום מנצח מיזוג: מיזוג ממצע ומאבד את ההתמחות הפונקציונלית שבגללה בכלל שווה לבנות MoE, בעוד שמחיקת המומחים שהנתב בקושי מגיע אליהם משמרת אותה. במודלים מ-20B ועד 1T, REAP עלה על מיזוג ועל שיטות גיזום מתחרות במדדי יצירה, והמחברים מדווחים על תוצאות כמעט חסרות אובדן ביצירת קוד ובקריאת כלים בגיזום של 50% מהמומחים ב-Qwen3-Coder-480B וב-Kimi-K2 — וזה בדיוק פרופיל העומס שבשבילו המודל הזה כאן.

משקלים של 3 סיביות: דרג הדחיסה למודלי היסוד הגדולים ביותר

מה ששורד עובר אז קוונטיזציה למשקלים של 3 סיביות. שלוש סיביות זה אגרסיבי, ואיננו מעמידים פנים אחרת: לאורך המערך אנחנו משתמשים ב-W8A16 כשמודל היסוד קטן מספיק כדי לא להזדקק לדחיסה, ב-W4A16-AUTOROUND-REAP באמצע, וב-3BIT-REAP רק על מודלי היסוד הגדולים ביותר, שם זה ההבדל בין להגיש את המודל לבין לא להגיש אותו.

שווה לומר את המחיר בפשטות: MoE של 1.6T ב-3 סיביות אינו זהה סיבית-בסיבית למהדורת הייחוס, ועלות איכות קטנה היא אמיתית. מה שמקבלים תמורתה הוא מודל יסוד שהתקרה הלא דחוסה שלו נמצאת הרבה מעל כל דבר שנכנס בנוחות בדיוק גבוה יותר — ומכיוון שהמומחים של V4 אומנו מלכתחילה ב-FP4, המודל מתנהג היטב באופן חריג תחת דחיסת משקלים נוספת. אם אתה רוצה בניית DeepSeek עם יד קלה יותר על הדיוק, DeepSeek-V4-Flash-0731-W4A16-AUTOROUND-REAP משתמש במשקלים של 4 סיביות עם הפעלות של 16 סיביות ובעיגול הנלמד של AutoRound, על אותו הקשר של 262K במחיר $0.50 קלט / $2.00 פלט.

05חשיבה, וחוגת ה-reasoning_effort

האימון המאוחר של V4 מאמן מומחי תחום בנפרד — מתמטיקה, קוד, סוכנים, ציות להוראות — עם SFT ואחריו GRPO, שיטת Group Relative Policy Optimization ש-DeepSeek הציגה עם R1. המומחים האלה מאוחדים אז למודל אחד באמצעות זיקוק on-policy תחת מטרת reverse-KL, כך שנקודת בדיקה אחת נושאת התנהגות ברמת מומחה בכמה תחומים בבת אחת במקום להיות גנרליסט בינוני בכולם.

המודל המשוחרר חושף מצבי חשיבה מדורגים ולא מתג בינארי. בשער שלנו זהו הפרמטר הסטנדרטי reasoning_effort, הכפתור השימושי ביותר במודל הזה:

• Low — מענה כמעט ישיר: סיווג, חילוץ, שכתוב, וכל דבר שבו אתה משלם על הידע של המודל ולא על השיקול שלו.
• Medium — מצב העבודה שהוא ברירת המחדל לסקירת קוד, לניפוי שגיאות ולניתוח רב-שלבי.
• High — שיקול ארוך לפני המענה. כאן נפתרות הבעיות הקשות, וכאן נמצא חשבון טוקני הפלט שלך, מכיוון שטוקני חשיבה מחויבים כפלט.

מכיוון שאין שכבת סירוב, עקבת החשיבה אינה נקטעת בנושאים רגישים — לדפוס דיכוי המחשבה שתועד בשירות של החברה עצמה אין מנגנון להתרחש כאן.

06קוד ועבודת סוכנים: מה מודל היסוד מקבל

אלה המספרים שפרסמה DeepSeek-AI עצמה עבור מהדורת V4-Pro — לא שלנו, ולא נמדדו על הבנייה המקוונטזת שלנו. אנחנו מציגים אותם כי הם הסיבה הכנה לבחור במודל היסוד הזה, ומסמנים אותם כמדווחים על ידי היצרן כדי שתשקלל אותם בהתאם.

שניים ראויים להערה. SWE-bench Verified ב-80.6% הוא פתרון תקלות במאגרי קוד אמיתיים — קריאת בסיס קוד לא מוכר, איתור הפגם, והפקת טלאי שעובר את הבדיקות של הפרויקט עצמו. MRCR במיליון טוקנים (83.5) הוא אחזור קו-רפרנציה רב-סבבי באורך המלא, המספר שאומר לך שהטענה על ההקשר הארוך אינה קישוט. DeepSeek מדווחת גם על דירוג Codeforces של 3206 למודל, ועל 62.0 ב-CorpusQA בהקשר של מיליון טוקנים.

המספרים שלמעלה מדווחים על ידי DeepSeek-AI עבור מהדורת הייחוס DeepSeek-V4-Pro. הבנייה שלנו ב-3BIT-REAP היא וריאנט דחוס של אותם משקלים ולא נמדדה באופן עצמאי במשימות האלה; התייחס לציוני הייחוס כאל תקרת מודל היסוד, לא כאל מדידה של נקודת הקצה הזו.

07הקשר של 262K: מה באמת נכנס

מודל הייחוס מאומן למיליון טוקנים. אנחנו מגישים 262,144 — החלון שכל מודל בשער חולק, כך שמעבר בין מודלים הוא שינוי של שורה אחת ולעולם אינו נסיגה בהקשר. בפועל 262K הוא מעבר לנקודה שבה ההקשר מגביל ברוב העבודה האמיתית:

עומס עבודה	טוקנים משוער	נכנס ב-262K?
מאגר שירות בינוני (~50 אלף שורות)	~600K	לא — בחר מודולים
תת-מערכת אחת והבדיקות שלה	~60–120K	כן, בנוחות
מערך RFC מלא של פרוטוקול	~150K	כן
ספר טכני בן 700 עמודים	~250K	כן, קרוב לגבול
ריצת סוכן ארוכה, 40+ סבבי כלים	~80–200K	כן

המגבלה שכדאי לתכנן סביבה היא הפלט: 16,384 טוקנים לכל היותר לתשובה. זה מסמך ארוך או טלאי משמעותי על פני קבצים רבים, אבל לא בסיס קוד. עבודות יצירה גדולות נעשות בשרשור בקשות כשהפלט הקודם חוזר להקשר — מה שחלון ה-262K הופך לזול — ולא בבקשה להשלמה ענקית אחת.

08מחיר, ואיפה V4-Pro יושב במערך

ב-$1.95 קלט / $3.90 פלט למיליון טוקנים, V4-Pro הוא דרג הדגל לחשיבה — המודל שאליו פונים כשהבעיה קשה. כשהיא רק גדולה, מודלים זולים יותר על אותו חלון של 262K יעשו את זה ברבע מהמחיר.

מודל ללא צנזורה	קלט / 1M	פלט / 1M	ראייה	הכי מתאים ל
DeepSeek-V4-Pro · 3BIT-REAP	$1.95	$3.90	לא	חשיבה קשה, קוד, סוכנים
DeepSeek-V4-Flash · W4A16	$0.50	$2.00	לא	אותו מוצא, נפח גבוה
GLM-5.2 · 3BIT-REAP	$0.73	$2.34	לא	סוס עבודה כללי
Kimi-K3 · 3BIT-REAP	$3.83	$19.12	כן	סוכנים רב-מודליים ברמה הגבוהה
MiniMax-M3 · 3BIT-REAP	$0.50	$2.00	כן	הראייה הזולה ביותר

בכנות לגבי ההשוואה שאנשים באמת יעשו: ה-API של DeepSeek עצמה זול מזה — V4-Pro מהיצרן מתומחר בסביבות $0.435 קלט / $0.87 פלט, ותמחור הקלט שלהם בפגיעת מטמון נמוך עוד יותר. אם מחיר לטוקן הוא הקריטריון היחיד שלך והתנהגות המיתון אינה משפיעה על העבודה שלך, השתמש ב-API של היצרן; אנחנו מעדיפים לומר לך את זה מאשר שתגלה זאת בהמשך. הפרמיה קונה מערך תכונות אחר: בלי שכבת סירוב ובלי מסנן פלט, מפעיל אמריקאי תחת Shannon Lab LLC, נקודת בדיקה מתוארכת ומקובעת (0813) כך ששדרוג שקט במעלה הזרם לעולם לא ישנה את הפלטים שלך באמצע פרויקט, שלושה דיאלקטים של API מול מודל אחד, ואותו חלון 262K ואותו משטח פרמטרים בכל שנים-עשר המודלים במערך.

09לקרוא לו: שלושה דיאלקטים, מודל אחד

כל מודל בשער עונה בכל שלוש נקודות הקצה, עם הזרמה בכל אחת. אינך מאמץ SDK חדש — אתה משנה כתובת בסיס ומזהה מודל.

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 — דיאלקט OpenAI; עובד עם ערכות ה-SDK של OpenAI ועם כל דבר שבנוי עליהן.
• /v1/messages — דיאלקט Anthropic, לבסיסי קוד שכבר נכתבו מול הצורה הזו.
• /v1/responses — הממשק בסגנון Responses.

נתמכים במודל הזה: הזרמה, קריאת כלים מובנית, פלט מובנה קפדני לפי json_schema, response_format, ו-reasoning_effort. מדריך הפרמטרים המלא ומגרש משחקים חי נמצאים בתיעוד ה-API.

10מגבלות כנות

ארבעה דברים שכדאי לדעת לפני שבונים על זה:

• בלי ראייה. טקסט בלבד; הוא לא יקבל קלט תמונה באף נקודת קצה. אם אתה זקוק למודל ללא צנזורה שרואה, השתמש ב-Kimi-K3, Kimi-K2.6, MiniMax-M3, MiMo-V2.5 או inkling.
• תקרת פלט של 16,384 טוקנים. טוקני חשיבה נספרים לתוכה במאמץ גבוה, ולכן שיקול ארוך מותיר פחות מקום לתשובה. שרשר בקשות בעבודות יצירה גדולות.
• 3 סיביות זו דחיסה אמיתית. ציוני הייחוס מתארים את מודל היסוד, לא את הבנייה הזו. לדרג הנאמנות הגבוה ביותר, מודלי ה-W8A16 (MiMo-V2.5-Pro, MiMo-V2.5, Hy3) נושאים את הקוונטיזציה הפחותה ביותר.
• ללא צנזורה אין פירושו ללא השלכות. היעדר שכבת סירוב פירושו שהאחריות למה שאתה שואל, ולמה שאתה עושה עם התשובה, מוטלת עליך — תחת תנאי השירות שלנו והחוק במקום שבו אתה פועל.

11שאלות נפוצות

---

מקורות: DeepSeek-AI — כרטיס המודל DeepSeek-V4-Pro · הדוח הטכני של DeepSeek-V4 (CSA/HCA, mHC, Muon) · DeepSeek-V2 (MLA, DeepSeekMoE) · הדוח הטכני של DeepSeek-V3 · REAP the Experts (Cerebras Research) · ביקורת הצנזורה של Promptfoo · Discovering Forbidden Topics in Language Models. מספרי הבנצ'מרק מדווחים על ידי DeepSeek-AI עבור מהדורת הייחוס; אימות עצמאי של הבנייה הדחוסה על ידי צד שלישי טרם נעשה. המחירים הם מחירון Shannon AI נכון ל-5 בספטמבר 2026.