अनसेंसर्ड DeepSeek API

"अनसेंसर्ड DeepSeek API" वाक्यांश तक पहुँचने वाले लोग एक ही खास चीज़ चाहते हैं: ऐसा मॉडल जिसमें DeepSeek की रीज़निंग और कोडिंग क्षमता हो और जो उसी सवाल का जवाब दे जो उन्होंने असल में पूछा है। क्षमता वाला आधा हिस्सा अच्छी तरह दस्तावेज़ित है — DeepSeek-AI ने आर्किटेक्चर और आँकड़े प्रकाशित किए हैं, और वेट्स MIT के तहत Hugging Face पर हैं। दूसरा आधा हिस्सा एक संचालन-संबंधी फ़ैसला है, और वह आमतौर पर आपके लिए कोई और कर देता है। यह पेज दोनों को कवर करता है: V4-Pro फ़ाउंडेशन क्या है, हमारा 3BIT-REAP बिल्ड उसके साथ क्या करता है, और जब हम "अनसेंसर्ड" कहते हैं तो उसका ठीक-ठीक क्या मतलब है।

01"अनसेंसर्ड DeepSeek API" का असल मतलब क्या है

एक ही शब्द के नीचे दो अलग-अलग तंत्र दर्ज हो जाते हैं। पहला है वेट्स में ही पकाई गई अलाइनमेंट — पोस्ट-ट्रेनिंग के दौरान सीखा गया इनकार का व्यवहार। दूसरा है सर्विंग-साइड मॉडरेशन लेयर: एक अलग क्लासिफ़ायर जो मॉडल के देखने से पहले आपके प्रॉम्प्ट की और आपके देखने से पहले आउटपुट की जाँच करता है, और मॉडल जो कहना चाहता था उसकी परवाह किए बिना जवाब को बीच वाक्य में काट सकता है।

दोनों को मापा जा सकता है, और DeepSeek की अपनी सेवा को मापा गया है। Promptfoo ने राजनीतिक रूप से संवेदनशील सवालों का 1,360-प्रॉम्प्ट सेट बनाया और बताया कि DeepSeek की होस्टेड R1 ने उनमें से 1,156 पर इनकार किया या बात टाल दी — करीब 85%। इसी परिवार पर हुए अकादमिक काम में एक अलग किस्म की नाकामी मिली जिसे लेखकों ने थॉट सप्रेशन कहा, जहाँ किसी संवेदनशील विषय पर मॉडल का रीज़निंग ट्रेस शुरू होते ही लगभग खत्म हो जाता है। Information Sciences में प्रकाशित एक अलग ऑडिट ने सिमेंटिक-स्तर के दमन को दर्ज किया: वह सामग्री जो मॉडल की आंतरिक रीज़निंग में मौजूद है पर उपयोगकर्ता तक पहुँचने से पहले चुपचाप छोड़ दी या दोबारा लिख दी जाती है। यह सीधे इनकार से ज़्यादा मुश्किल समस्या है, क्योंकि कटा-छँटा जवाब भी जवाब जैसा ही दिखता है।

हम जो चलाते हैं वह ओपन-वेट्स रिलीज़ है, उस हार्डवेयर पर जिसे हम चलाते हैं, संयुक्त राज्य अमेरिका में, Shannon Lab LLC के तहत। यहाँ मॉडल के आगे कोई रिफ्यूज़ल लेयर नहीं है और जो लौटता है उस पर कोई फ़िल्टर नहीं लगता: आपके प्रॉम्प्ट को परोसे जाने से पहले नीति के लिए वर्गीकृत नहीं किया जाता, और आउटपुट स्ट्रीम की बाहर निकलते समय जाँच नहीं होती। चूँकि फ़ाउंडेशन MIT-लाइसेंस वाला और सार्वजनिक है, आप हमारी बात मानने के बजाय हमारे आउटपुट को खुद रेफ़रेंस वेट्स से मिलाकर देख सकते हैं।

02फ़ाउंडेशन: DeepSeek-V4-Pro, एक 1.6T MoE

DeepSeek-V4 DeepSeek-AI का मौजूदा ओपन-वेट्स परिवार है, जिसकी झलक अप्रैल 2026 में दिखाई गई और जो MIT के तहत दो आकारों में आया: V4-Flash (कुल 284B, 13B सक्रिय) और V4-Pro (कुल 1.6T, 49B सक्रिय)। यह लेख Pro श्रेणी के बारे में है। दोनों को करीब 33 ट्रिलियन टोकन पर प्री-ट्रेन किया गया और दोनों मूल रूप से दस लाख टोकन कॉन्टेक्स्ट सपोर्ट करते हैं।

ध्यान देने लायक चीज़ स्पार्सिटी अनुपात है: किसी भी टोकन पर केवल लगभग 3% पैरामीटर सक्रिय होते हैं, और यही इतने बड़े मॉडल को परोसने लायक बनाता है। MoE ब्लॉक अब भी DeepSeekMoE ही है — V2 में आए बारीक रूटेड एक्सपर्ट और हमेशा चालू रहने वाले साझा एक्सपर्ट — जिसमें V4 के बदलाव मामूली हैं, और सबसे साफ़ दिखने वाला बदलाव शुरुआती लेयरों में हैश रूटिंग है। Multi-Token Prediction, यानी V3 का वह सहायक उद्देश्य जो स्पेकुलेटिव डिकोडिंग भी संभव बनाता है, ज्यों का त्यों बना हुआ है।

V4 के नए हिस्से संरचनात्मक हैं। Manifold-Constrained Hyper-Connections (mHC) सादे रेज़िड्युअल पथ की जगह एक सीखी हुई मिक्सिंग मैट्रिक्स रखता है, जिसे Sinkhorn–Knopp प्रोजेक्शन के ज़रिए दोहरे स्टोकैस्टिक मैट्रिक्स के मैनिफ़ोल्ड पर बाँधा जाता है — यानी एक ऐसा रेज़िड्युअल स्ट्रीम जो हर इनपुट पर दोबारा वेट देता है, बिना उस संख्यात्मक बहाव के जो बहुत गहरी परतों को मार डालता है। ट्रेनिंग ज़्यादातर मॉड्यूल के लिए AdamW से हटकर Muon पर चली गई, जो Newton–Schulz ऑर्थोगोनलाइज़ेशन इस्तेमाल करता है, और AdamW सिर्फ़ एम्बेडिंग, प्रेडिक्शन हेड, नॉर्मलाइज़ेशन और स्थिर mHC पैरामीटरों के लिए रखा गया। और एक्सपर्ट वेट्स को FP4 में प्रशिक्षित किया गया जबकि बाकी ज़्यादातर पैरामीटर FP8 में — यानी शुरू से ही क्वांटाइज़ेशन-अवेयर, जो इस बात के लिए मायने रखता है कि मॉडल आगे के कंप्रेशन को कितनी शालीनता से झेलता है।

03MLA से CSA + HCA तक: DeepSeek लंबे कॉन्टेक्स्ट को सस्ता कैसे रखता है

चार पीढ़ियों में DeepSeek की मूल कहानी आकार नहीं, अटेंशन का अर्थशास्त्र है। हर संस्करण ने KV कैश पर हमला किया है, जो कॉन्टेक्स्ट के साथ रैखिक रूप से बढ़ता है और लंबी लंबाइयों पर मेमोरी पर हावी हो जाता है।

• V2 ने Multi-head Latent Attention (MLA) पेश किया — कीज़ और वैल्यूज़ का एक लो-रैंक संयुक्त कंप्रेशन एक लेटेंट वेक्टर में, ताकि जनरेशन पूरी प्रति-हेड K और V के बजाय वह वेक्टर और एक अलग किया गया RoPE की कैश करे। DeepSeek ने बताया कि KV कैश घटकर मानक मल्टी-हेड अटेंशन का करीब 4–14% रह गया, और क्वालिटी बनी रही या बेहतर हुई।
• V3 ने इसे 671B तक बढ़ाया, जिससे MLA ओपन मॉडलों में सस्ते लंबे कॉन्टेक्स्ट की डिफ़ॉल्ट मान्यता बन गया।
• V3.2 ने DeepSeek Sparse Attention (DSA) जोड़ा, जो हर क्वेरी के लिए सब कुछ देखने के बजाय एक हल्के इंडेक्सर के ज़रिए इतिहास का टॉप-k हिस्सा चुनता है।
• V4 दोनों को मिलाता है। Compressed Sparse Attention (CSA) पहले हर m टोकन की KV प्रविष्टियों को सीखे हुए वेट के साथ एक प्रविष्टि में समेटता है, फिर उन समेटी गई प्रविष्टियों पर स्पार्स टॉप-k चयन चलाता है। Heavily Compressed Attention (HCA) कहीं ज़्यादा आक्रामक ढंग से समेटता है पर नतीजे पर सघन बना रहता है। दोनों तरह की लेयरें पूरे स्टैक में एक के बाद एक आती हैं, ताकि सस्ता वैश्विक सारांश और सटीक स्थानीय पुनर्प्राप्ति साथ-साथ रह सकें।

दस लाख टोकन कॉन्टेक्स्ट पर बताया गया फ़ायदा साफ़ है: V4-Pro को V3.2 की तुलना में प्रति टोकन इन्फ़रेंस FLOPs का करीब 27% और KV कैश का 10% चाहिए। यही वजह है कि 262K की रिक्वेस्ट किसी मेमोरी-घटना के बजाय सामान्य रिक्वेस्ट जैसी बरतती है, और लंबे कॉन्टेक्स्ट के पुनर्प्राप्ति आँकड़े कुछ दसियों हज़ार टोकन के बाद ढहने के बजाय टिके रहते हैं।

043BIT-REAP प्रत्यय का क्या मतलब है

हमारी कैटलॉग आईडी 3BIT-REAP पर खत्म होती है, और यह क्रम से लगाए गए दो स्वतंत्र कंप्रेशन चरणों का वर्णन करती है।

REAP: एक्सपर्ट को मिलाना नहीं, हटाना

REAP यानी Router-weighted Expert Activation Pruning, Cerebras Research से — "REAP the Experts: Why Pruning Prevails for One-Shot MoE Compression", ICLR 2026 में स्वीकृत। किसी स्पार्स MoE में राउटर अपने एक्सपर्ट का इस्तेमाल एक-सा नहीं करता: एक लंबी पूँछ कभी-कभार, कमज़ोर ढंग से, या दोनों तरह से चुनी जाती है। REAP हर एक्सपर्ट को राउटर गेट मानों (कितनी बार और कितने मज़बूती से चुना गया) और एक्सपर्ट एक्टिवेशन नॉर्म (उसका आउटपुट कितना योगदान देता है) को मिलाकर अंक देता है, फिर हारने वालों को सीधे मिटा देता है।

पेपर की दलील यह है कि प्रूनिंग मर्जिंग से बेहतर है: मर्जिंग उसी कार्यात्मक विशेषज्ञता को औसत करके मिटा देती है जिसके लिए MoE बनाना सार्थक था, जबकि उन एक्सपर्ट को मिटाना जिन तक राउटर मुश्किल से पहुँचता है, उसे बचाए रखता है। 20B से 1T तक के मॉडलों में REAP ने जनरेटिव बेंचमार्क पर मर्जिंग और प्रतिस्पर्धी प्रूनिंग विधियों को पीछे छोड़ा, और लेखक Qwen3-Coder-480B तथा Kimi-K2 पर 50% एक्सपर्ट प्रूनिंग पर कोड जनरेशन और टूल कॉलिंग में लगभग बिना नुकसान वाले नतीजे बताते हैं — और यही वह वर्कलोड प्रोफ़ाइल है जिसके लिए यह मॉडल यहाँ है।

3-बिट वेट्स: सबसे बड़े फ़ाउंडेशनों के लिए कंप्रेशन श्रेणी

जो बचता है उसे फिर 3-बिट वेट्स में क्वांटाइज़ किया जाता है। तीन बिट आक्रामक हैं, और हम इससे अलग होने का दिखावा नहीं करते: पूरे लाइनअप में हम W8A16 वहाँ इस्तेमाल करते हैं जहाँ फ़ाउंडेशन इतना छोटा है कि उसे कसने की ज़रूरत नहीं, बीच में W4A16-AUTOROUND-REAP, और 3BIT-REAP सिर्फ़ सबसे बड़े फ़ाउंडेशनों पर, जहाँ यही मॉडल को परोस पाने और न परोस पाने के बीच का फ़र्क़ है।

इस अदला-बदली को साफ़ कह देना बनता है: 3-बिट वाला 1.6T MoE रेफ़रेंस रिलीज़ से बिट-दर-बिट एक-सा नहीं है, और क्वालिटी की एक छोटी कीमत असली है। इसके बदले आपको ऐसा फ़ाउंडेशन मिलता है जिसकी बिना कंप्रेस की गई छत उस हर चीज़ से कहीं ऊपर है जो ज़्यादा प्रिसिज़न पर आराम से समा सकती है — और चूँकि V4 के एक्सपर्ट शुरू से ही FP4 में प्रशिक्षित थे, यह मॉडल आगे के वेट कंप्रेशन के तहत असामान्य रूप से अच्छा बरताव करता है। अगर आपको प्रिसिज़न पर हल्के हाथ वाला DeepSeek बिल्ड चाहिए, तो DeepSeek-V4-Flash-0731-W4A16-AUTOROUND-REAP उसी 262K कॉन्टेक्स्ट पर $0.50 इन / $2.00 आउट में 4-बिट वेट्स, 16-बिट एक्टिवेशन और AutoRound की सीखी हुई राउंडिंग इस्तेमाल करता है।

05रीज़निंग, और reasoning_effort डायल

V4 की पोस्ट-ट्रेनिंग डोमेन विशेषज्ञों को अलग-अलग प्रशिक्षित करती है — गणित, कोडिंग, एजेंट, निर्देश-पालन — पहले SFT और फिर GRPO, यानी वह Group Relative Policy Optimization विधि जो DeepSeek ने R1 के साथ पेश की थी। फिर उन विशेषज्ञों को रिवर्स-KL उद्देश्य के तहत ऑन-पॉलिसी डिस्टिलेशन से एक ही मॉडल में मिला दिया जाता है, ताकि एक ही चेकपॉइंट कई डोमेन में विशेषज्ञ-स्तर का व्यवहार साथ लेकर चले, न कि ऐसा सामान्यज्ञ बने जो हर जगह औसत हो।

जारी किया गया मॉडल किसी बाइनरी स्विच के बजाय क्रमबद्ध थिंकिंग मोड देता है। हमारे गेटवे पर वह मानक reasoning_effort पैरामीटर है, इस मॉडल का अकेला सबसे उपयोगी नॉब:

• Low — लगभग सीधा जवाब: वर्गीकरण, निष्कर्षण, दोबारा लिखना, यानी हर वह काम जहाँ आप मॉडल के विचार-विमर्श के बजाय उसके ज्ञान के लिए भुगतान कर रहे हैं।
• Medium — कोड रिव्यू, डीबगिंग और कई चरणों वाले विश्लेषण के लिए डिफ़ॉल्ट कामकाजी मोड।
• High — जवाब देने से पहले लंबा विचार-विमर्श। यहीं मुश्किल समस्याएँ हल होती हैं, और यहीं आपका आउटपुट-टोकन बिल रहता है, क्योंकि रीज़निंग टोकन आउटपुट के रूप में बिल होते हैं।

चूँकि कोई रिफ्यूज़ल लेयर नहीं है, संवेदनशील विषयों पर रीज़निंग ट्रेस काटा नहीं जाता — पहले-पक्ष सेवा पर दर्ज थॉट-सप्रेशन वाले पैटर्न के होने का यहाँ कोई तंत्र ही नहीं है।

06कोड और एजेंटिक काम: फ़ाउंडेशन के अंक

ये V4-Pro रिलीज़ के लिए DeepSeek-AI के अपने प्रकाशित आँकड़े हैं — हमारे नहीं, और हमारे क्वांटाइज़्ड बिल्ड पर मापे गए नहीं। हम इन्हें इसलिए दिखाते हैं क्योंकि यही इस फ़ाउंडेशन को चुनने की ईमानदार वजह हैं, और इन्हें पहले-पक्ष के रूप में चिह्नित करते हैं ताकि आप उसी हिसाब से इनका वज़न तय कर सकें।

दो पर टिप्पणी बनती है। SWE-bench Verified पर 80.6% असली रिपॉज़िटरी में इशू सुलझाने का काम है — अनजान कोडबेस पढ़ना, खामी ढूँढ़ना, और ऐसा पैच बनाना जो प्रोजेक्ट के अपने टेस्ट पास कर ले। दस लाख टोकन पर MRCR (83.5) पूरी लंबाई पर मल्टी-राउंड कोरेफ़रेंस रिट्रीवल है, वही आँकड़ा जो बताता है कि लंबे कॉन्टेक्स्ट का दावा सजावटी नहीं है। DeepSeek मॉडल के लिए 3206 की Codeforces रेटिंग भी बताता है, और 1M कॉन्टेक्स्ट पर CorpusQA में 62.0।

ऊपर के आँकड़े DeepSeek-V4-Pro रेफ़रेंस रिलीज़ के लिए DeepSeek-AI द्वारा बताए गए हैं। हमारा 3BIT-REAP बिल्ड उन्हीं वेट्स का एक कंप्रेस्ड रूप है और इन कामों पर उसका स्वतंत्र बेंचमार्क नहीं हुआ है; रेफ़रेंस अंकों को फ़ाउंडेशन की छत मानिए, इस एंडपॉइंट का माप नहीं।

07262K कॉन्टेक्स्ट: असल में क्या समाता है

रेफ़रेंस मॉडल दस लाख टोकन के लिए प्रशिक्षित है। हम 262,144 परोसते हैं — वही विंडो जो गेटवे का हर मॉडल साझा करता है, इसलिए मॉडल बदलना एक पंक्ति का बदलाव है और कभी कॉन्टेक्स्ट की गिरावट नहीं। व्यवहार में 262K उस बिंदु से आगे है जहाँ ज़्यादातर असली काम में कॉन्टेक्स्ट अड़चन बनता है:

वर्कलोड	लगभग टोकन	262K में समाता है?
मँझोले आकार का सर्विस रिपो (~50k लाइनें)	~600K	नहीं — मॉड्यूल चुनिए
एक सबसिस्टम + उसके टेस्ट	~60–120K	हाँ, आराम से
किसी प्रोटोकॉल का पूरा RFC सेट	~150K	हाँ
700 पन्नों की तकनीकी किताब	~250K	हाँ, सीमा के करीब
लंबा एजेंट रन, 40+ टूल टर्न	~80–200K	हाँ

जिस सीमा को ध्यान में रखकर योजना बनानी है वह आउटपुट है: प्रति जवाब अधिकतम 16,384 टोकन। यह एक लंबा दस्तावेज़ या एक ठीक-ठाक मल्टी-फ़ाइल पैच तो है, पर पूरा कोडबेस नहीं। बड़े जनरेशन काम एक विशाल कंप्लीशन माँगकर नहीं, बल्कि पिछले आउटपुट को कॉन्टेक्स्ट में वापस डालकर रिक्वेस्ट की शृंखला बनाकर किए जाते हैं — और 262K विंडो इसे सस्ता बना देती है।

08कीमत, और लाइनअप में V4-Pro कहाँ बैठता है

$1.95 इन / $3.90 आउट प्रति दस लाख टोकन पर V4-Pro प्रमुख रीज़निंग श्रेणी है — वह मॉडल जिसे आप तब चुनते हैं जब समस्या कठिन हो। जब वह सिर्फ़ बड़ी हो, तो उसी 262K विंडो वाले सस्ते मॉडल यही काम एक-चौथाई कीमत में कर देंगे।

अनसेंसर्ड मॉडल	इन / 1M	आउट / 1M	विज़न	किसके लिए सबसे अच्छा
DeepSeek-V4-Pro · 3BIT-REAP	$1.95	$3.90	नहीं	कठिन रीज़निंग, कोड, एजेंट
DeepSeek-V4-Flash · W4A16	$0.50	$2.00	नहीं	वही वंश, ज़्यादा मात्रा
GLM-5.2 · 3BIT-REAP	$0.73	$2.34	नहीं	सामान्य कामकाजी घोड़ा
Kimi-K3 · 3BIT-REAP	$3.83	$19.12	हाँ	सबसे ऊँचे दर्जे के मल्टीमॉडल एजेंट
MiniMax-M3 · 3BIT-REAP	$0.50	$2.00	हाँ	सबसे सस्ता विज़न

जो तुलना लोग असल में करेंगे उस पर सीधी बात: DeepSeek का अपना API इससे सस्ता है — पहले-पक्ष V4-Pro करीब $0.435 इन / $0.87 आउट पर सूचीबद्ध है, और उनकी कैश-हिट इनपुट कीमत उससे भी कम है। अगर प्रति टोकन कीमत ही आपका इकलौता मापदंड है और मॉडरेशन का व्यवहार आपके काम पर असर नहीं डालता, तो पहले-पक्ष API इस्तेमाल कीजिए; हम आपको यह बता देना पसंद करेंगे बजाय इसके कि आप बाद में खुद पता लगाएँ। यह अतिरिक्त कीमत गुणों का एक अलग समूह खरीदती है: कोई रिफ्यूज़ल लेयर नहीं और कोई आउटपुट फ़िल्टर नहीं, Shannon Lab LLC के तहत एक अमेरिकी संचालक, एक पिन किया हुआ तारीख़ वाला चेकपॉइंट (0813) ताकि कोई चुपचाप हुआ अपस्ट्रीम अपग्रेड प्रोजेक्ट के बीच में आपके आउटपुट न बदल दे, एक ही मॉडल पर तीन API डायलेक्ट, और लाइनअप के सभी बारह मॉडलों पर वही 262K विंडो तथा वही पैरामीटर सतह।

09इसे कॉल करना: तीन डायलेक्ट, एक मॉडल

गेटवे का हर मॉडल तीनों एंडपॉइंट पर जवाब देता है, और हर एक पर स्ट्रीमिंग के साथ। आपको नया SDK नहीं अपनाना पड़ता — आप एक बेस URL और एक मॉडल आईडी बदलते हैं।

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 डायलेक्ट; OpenAI SDK और उन पर बनी हर चीज़ के साथ काम करता है।
• /v1/messages — Anthropic डायलेक्ट, उन कोडबेस के लिए जो पहले से उसी ढाँचे में लिखे हैं।
• /v1/responses — Responses-शैली वाला इंटरफ़ेस।

इस मॉडल पर समर्थित: स्ट्रीमिंग, नेटिव टूल कॉलिंग, सख़्त json_schema स्ट्रक्चर्ड आउटपुट, response_format, और reasoning_effort। पूरा पैरामीटर संदर्भ और एक लाइव प्लेग्राउंड API दस्तावेज़ीकरण में हैं।

10ईमानदार सीमाएँ

इस पर कुछ बनाने से पहले चार बातें जान लीजिए:

• विज़न नहीं। सिर्फ़ टेक्स्ट; यह किसी भी एंडपॉइंट पर इमेज इनपुट स्वीकार नहीं करेगा। अगर आपको ऐसा अनसेंसर्ड मॉडल चाहिए जो देख सके, तो Kimi-K3, Kimi-K2.6, MiniMax-M3, MiMo-V2.5 या inkling इस्तेमाल कीजिए।
• 16,384-टोकन की आउटपुट छत। ऊँचे एफ़र्ट पर रीज़निंग टोकन भी इसी में गिने जाते हैं, इसलिए लंबा विचार-विमर्श जवाब के लिए कम जगह छोड़ता है। बड़े जनरेशन कामों के लिए रिक्वेस्ट की शृंखला बनाइए।
• 3-बिट एक असली कंप्रेशन है। रेफ़रेंस अंक फ़ाउंडेशन का वर्णन करते हैं, इस बिल्ड का नहीं। सबसे ऊँची निष्ठा वाली श्रेणी के लिए W8A16 मॉडल (MiMo-V2.5-Pro, MiMo-V2.5, Hy3) सबसे कम क्वांटाइज़ेशन रखते हैं।
• अनसेंसर्ड होने का मतलब परिणामों से मुक्ति नहीं। कोई रिफ्यूज़ल लेयर न होने का मतलब है कि आप क्या पूछते हैं और जवाब का क्या करते हैं, इसकी ज़िम्मेदारी आपकी है — हमारी सेवा शर्तों और आपके संचालन-क्षेत्र के कानून के तहत।

11अक्सर पूछे जाने वाले सवाल

---

स्रोत: DeepSeek-AI — DeepSeek-V4-Pro मॉडल कार्ड · DeepSeek-V4 तकनीकी रिपोर्ट (CSA/HCA, mHC, Muon) · DeepSeek-V2 (MLA, DeepSeekMoE) · DeepSeek-V3 तकनीकी रिपोर्ट · REAP the Experts (Cerebras Research) · Promptfoo सेंसरशिप ऑडिट · Discovering Forbidden Topics in Language Models। बेंचमार्क आँकड़े रेफ़रेंस रिलीज़ के लिए DeepSeek-AI द्वारा बताए गए हैं; कंप्रेस्ड बिल्ड का स्वतंत्र तीसरे-पक्ष सत्यापन अभी बाकी है। कीमतें 5 सितंबर 2026 तक की Shannon AI सूची कीमतें हैं।