API DeepSeek Tanpa Sensor

Orang yang tiba lewat frasa "API DeepSeek tanpa sensor" menginginkan satu hal spesifik: model dengan kemampuan penalaran dan pemrograman khas DeepSeek yang menjawab pertanyaan yang benar-benar mereka ajukan. Separuh soal kemampuan sudah terdokumentasi dengan baik — DeepSeek-AI mempublikasikan arsitektur dan angkanya, dan bobotnya ada di Hugging Face di bawah MIT. Separuh keduanya adalah keputusan operasional, dan biasanya diputuskan untuk Anda. Halaman ini membahas keduanya: apa itu fondasi V4-Pro, apa yang dilakukan build 3BIT-REAP kami terhadapnya, dan persisnya apa arti "tanpa sensor" ketika kami mengucapkannya.

01Apa arti "API DeepSeek tanpa sensor" sebenarnya

Dua mekanisme berbeda diarsipkan di bawah kata yang sama. Yang pertama adalah alignment yang dipanggang ke dalam bobot — perilaku menolak yang dipelajari selama pasca-pelatihan. Yang kedua adalah lapisan moderasi di sisi penyajian: sebuah pengklasifikasi terpisah yang memeriksa prompt Anda sebelum modelnya melihatnya dan memeriksa keluarannya sebelum Anda melihatnya, dan bisa memotong respons di tengah kalimat terlepas dari apa yang ingin dikatakan modelnya.

Keduanya bisa diukur, dan layanan pihak pertama DeepSeek sudah pernah diukur. Promptfoo menyusun kumpulan 1.360 prompt berisi pertanyaan sensitif secara politik dan melaporkan bahwa R1 yang dihosting DeepSeek menolak atau mengalihkan 1.156 di antaranya — kira-kira 85%. Kerja akademik pada keluarga yang sama menemukan mode kegagalan tersendiri yang penulisnya sebut thought suppression, di mana jejak penalaran model berhenti hampir tepat setelah dimulai pada topik sensitif. Audit terpisah yang terbit di Information Sciences mendokumentasikan penekanan pada level semantik: konten yang hadir dalam penalaran internal model tetapi diam-diam dihilangkan atau ditulis ulang sebelum sampai ke pengguna. Itu masalah yang lebih pelik daripada penolakan terang-terangan, karena jawaban yang terpotong terlihat seperti jawaban.

Yang kami jalankan adalah rilis bobot terbuka, di perangkat keras yang kami operasikan, di Amerika Serikat, di bawah Shannon Lab LLC. Tidak ada lapisan penolakan di depan modelnya dan tidak ada filter yang diterapkan pada apa yang kembali: prompt Anda tidak diklasifikasikan untuk kepatuhan kebijakan sebelum dilayani, dan aliran keluarannya tidak diperiksa dalam perjalanan keluar. Karena fondasinya berlisensi MIT dan publik, Anda bisa membandingkan keluaran kami dengan bobot rujukannya sendiri alih-alih sekadar percaya kata-kata kami.

02Fondasinya: DeepSeek-V4-Pro, sebuah MoE 1,6T

DeepSeek-V4 adalah keluarga bobot terbuka DeepSeek-AI saat ini, dipratinjau pada April 2026 dan dirilis di bawah MIT dalam dua ukuran: V4-Flash (total 284B, aktif 13B) dan V4-Pro (total 1,6T, aktif 49B). Artikel ini membahas tingkat Pro. Keduanya dipra-latih pada kira-kira 33 triliun token dan keduanya secara native mendukung konteks satu juta token.

Rasio sparsity-nya adalah hal yang perlu diperhatikan: hanya sekitar 3% parameter yang menyala pada token mana pun, dan itulah yang membuat model sebesar ini bisa dilayani sama sekali. Blok MoE-nya sendiri masih DeepSeekMoE — expert terutekan berbutir halus plus expert bersama yang selalu aktif yang diperkenalkan di V2 — dengan hanya perubahan kecil di V4, yang paling kentara adalah hash routing di lapisan-lapisan paling awal. Multi-Token Prediction, tujuan tambahan dari V3 yang juga memungkinkan speculative decoding, dipertahankan tanpa perubahan.

Bagian-bagian baru di V4 bersifat struktural. Manifold-Constrained Hyper-Connections (mHC) menggantikan jalur residual biasa dengan matriks pencampur terpelajar yang dibatasi ke manifold matriks doubly stochastic lewat proyeksi Sinkhorn–Knopp — aliran residual yang membobot ulang per masukan tanpa penyimpangan numerik yang membunuh tumpukan yang sangat dalam. Pelatihan berpindah dari AdamW ke Muon untuk sebagian besar modul, memakai ortogonalisasi Newton–Schulz, dengan AdamW dipertahankan hanya untuk embedding, prediction head, normalisasi, dan parameter mHC statis. Dan bobot expert dilatih dalam FP4 sementara sebagian besar parameter lain dalam FP8 — sadar-kuantisasi sejak awal, dan itu penting untuk seberapa mulus model menerima kompresi lebih lanjut.

03Dari MLA ke CSA + HCA: bagaimana DeepSeek menjaga konteks panjang tetap murah

Benang merah DeepSeek sepanjang empat generasi bukanlah ukuran, melainkan ekonomi atensi. Setiap versi menyerang cache KV, yang tumbuh linear terhadap konteks dan mendominasi memori pada panjang yang besar.

• V2 memperkenalkan Multi-head Latent Attention (MLA) — kompresi gabungan berperingkat rendah atas key dan value menjadi satu vektor laten, sehingga generasi menyimpan vektor itu plus satu key RoPE yang dipisah alih-alih K dan V penuh per head. DeepSeek melaporkan cache KV turun ke sekitar 4–14% dari atensi multi-head standar, dengan kualitas terjaga atau membaik.
• V3 menskalakannya ke 671B, menjadikan MLA sebagai asumsi baku untuk konteks panjang yang murah di model terbuka.
• V3.2 menambahkan DeepSeek Sparse Attention (DSA), memilih subset top-k dari riwayat per kueri lewat pengindeks ringan alih-alih menaruh atensi ke semuanya.
• V4 menggabungkan keduanya. Compressed Sparse Attention (CSA) pertama-tama memampatkan entri KV setiap m token menjadi satu entri dengan bobot terpelajar, lalu menjalankan seleksi sparse top-k atas entri-entri terkompresi itu. Heavily Compressed Attention (HCA) memampatkan jauh lebih agresif tetapi tetap dense atas hasilnya. Kedua jenis lapisan diselang-seling sepanjang tumpukan, jadi ringkasan global yang murah dan pengambilan lokal yang presisi bisa hidup berdampingan.

Hasil yang dilaporkan pada konteks satu juta token cukup mencolok: V4-Pro membutuhkan sekitar 27% FLOPs inferensi per token dan 10% cache KV dibanding V3.2. Itulah sebabnya permintaan 262K berperilaku seperti permintaan biasa, bukan seperti peristiwa memori, dan sebabnya angka pengambilan konteks panjangnya bertahan alih-alih ambruk lewat beberapa puluh ribu token.

04Apa arti akhiran 3BIT-REAP

Id katalog kami berakhir dengan 3BIT-REAP, dan itu menggambarkan dua langkah kompresi independen yang diterapkan secara berurutan.

REAP: memangkas expert, bukan menggabungkannya

REAP adalah Router-weighted Expert Activation Pruning, dari Cerebras Research — "REAP the Experts: Why Pruning Prevails for One-Shot MoE Compression", diterima di ICLR 2026. Dalam MoE yang sparse, router tidak memakai expert-nya secara merata: ada ekor panjang yang jarang dipilih, lemah dipilih, atau keduanya. REAP menilai tiap expert dengan menggabungkan nilai gerbang router (seberapa sering dan seberapa kuat ia dipilih) dengan norma aktivasi expert (seberapa besar sumbangan keluarannya), lalu menghapus yang kalah sekaligus.

Argumen makalahnya adalah bahwa pemangkasan mengalahkan penggabungan: penggabungan merata-ratakan spesialisasi fungsional yang justru membuat MoE layak dibangun, sedangkan menghapus expert yang nyaris tak pernah dijangkau router justru mempertahankannya. Pada model dari 20B sampai 1T, REAP mengungguli penggabungan dan metode pemangkasan pesaing pada benchmark generatif, dan penulisnya melaporkan hasil nyaris tanpa kehilangan pada pembuatan kode dan tool calling di pemangkasan expert 50% pada Qwen3-Coder-480B dan Kimi-K2 — yang persis merupakan profil beban kerja tujuan model ini ada di sini.

Bobot 3-bit: tingkat kompresi untuk fondasi terbesar

Yang selamat kemudian dikuantisasi ke bobot 3-bit. Tiga bit itu agresif, dan kami tidak berpura-pura sebaliknya: di seluruh jajaran kami memakai W8A16 ketika fondasinya cukup kecil sehingga tidak perlu diperas, W4A16-AUTOROUND-REAP di tengah, dan 3BIT-REAP hanya pada fondasi terbesar, tempat pilihannya adalah antara melayani model itu atau tidak melayaninya sama sekali.

Konsekuensinya layak dinyatakan terus terang: MoE 1,6T pada 3-bit tidak identik bit-per-bit dengan rilis rujukannya, dan biaya kualitas yang kecil itu nyata. Yang Anda dapatkan sebagai gantinya adalah fondasi yang plafon tanpa kompresinya jauh di atas apa pun yang muat dengan nyaman pada presisi lebih tinggi — dan karena expert V4 memang dilatih dalam FP4 sejak awal, modelnya luar biasa jinak di bawah kompresi bobot lebih lanjut. Kalau Anda mau build DeepSeek dengan sentuhan presisi yang lebih ringan, DeepSeek-V4-Flash-0731-W4A16-AUTOROUND-REAP memakai bobot 4-bit dengan aktivasi 16-bit dan pembulatan terpelajar milik AutoRound, pada konteks 262K yang sama seharga $0.50 masuk / $2.00 keluar.

05Penalaran, dan tuas reasoning_effort

Pasca-pelatihan V4 melatih spesialis per domain secara terpisah — matematika, pemrograman, agen, pengikutan instruksi — dengan SFT diikuti GRPO, metode Group Relative Policy Optimization yang diperkenalkan DeepSeek bersama R1. Para spesialis itu lalu disatukan menjadi satu model lewat distilasi on-policy di bawah tujuan reverse-KL, jadi satu checkpoint membawa perilaku setingkat spesialis di beberapa domain sekaligus alih-alih menjadi generalis yang biasa-biasa saja di semuanya.

Model yang dirilis menawarkan mode berpikir bertingkat, bukan sakelar biner. Di gateway kami itu adalah parameter standar reasoning_effort, satu-satunya tombol paling berguna pada model ini:

• Low — nyaris menjawab langsung: klasifikasi, ekstraksi, penulisan ulang, apa pun yang membuat Anda membayar pengetahuan modelnya alih-alih pertimbangannya.
• Medium — mode kerja default untuk code review, debugging, dan analisis bertahap.
• High — pertimbangan panjang sebelum menjawab. Tempat masalah-masalah sulit terpecahkan, dan tempat tagihan token keluaran Anda tinggal, karena token penalaran ditagih sebagai keluaran.

Karena tidak ada lapisan penolakan, jejak penalarannya tidak dipotong pada materi yang sensitif — pola thought suppression yang terdokumentasi pada layanan pihak pertama tidak punya mekanisme untuk terjadi di sini.

06Kode dan kerja agentik: skor fondasinya

Ini adalah angka yang dipublikasikan DeepSeek-AI sendiri untuk rilis V4-Pro — bukan angka kami, dan tidak diukur pada build terkuantisasi kami. Kami menampilkannya karena itulah alasan jujur untuk memilih fondasi ini, dan kami menandainya sebagai angka pihak pertama supaya Anda bisa menimbangnya sesuai itu.

Dua di antaranya layak dikomentari. SWE-bench Verified di 80,6% adalah penyelesaian isu di repositori nyata — membaca basis kode asing, menemukan cacatnya, menghasilkan patch yang lolos pengujian milik proyek itu sendiri. MRCR pada satu juta token (83,5) adalah pengambilan koreferensi multi-putaran pada panjang penuh, angka yang memberi tahu Anda bahwa klaim konteks panjangnya bukan hiasan. DeepSeek juga melaporkan rating Codeforces 3206 untuk model ini, dan 62,0 pada CorpusQA di konteks 1M.

Angka di atas dilaporkan DeepSeek-AI untuk rilis rujukan DeepSeek-V4-Pro. Build 3BIT-REAP kami adalah varian terkompresi dari bobot itu dan belum di-benchmark secara independen pada tugas-tugas ini; perlakukan skor rujukan sebagai plafon fondasinya, bukan sebagai pengukuran endpoint ini.

07Konteks 262K: apa yang benar-benar muat

Model rujukannya dilatih untuk satu juta token. Kami melayani 262.144 — jendela yang dibagi setiap model di gateway ini, jadi berpindah model adalah perubahan satu baris dan tidak pernah menjadi kemunduran konteks. Dalam praktiknya 262K sudah melewati titik di mana konteks menjadi kendala untuk sebagian besar pekerjaan nyata:

Beban kerja	Perkiraan token	Muat di 262K?
Repo layanan berukuran menengah (~50 ribu baris)	~600K	Tidak — pilih modulnya
Satu subsistem + pengujiannya	~60–120K	Ya, dengan lapang
Set RFC lengkap untuk sebuah protokol	~150K	Ya
Buku teknis 700 halaman	~250K	Ya, mepet batas
Sesi agen panjang, 40+ giliran tool	~80–200K	Ya

Batas yang perlu direncanakan adalah keluarannya: maksimum 16.384 token per respons. Itu satu dokumen panjang atau satu patch multi-berkas yang lumayan, tetapi bukan sebuah basis kode. Pekerjaan generasi besar diselesaikan dengan merangkai permintaan sambil mengembalikan keluaran sebelumnya ke dalam konteks — yang dibuat murah oleh jendela 262K — bukan dengan meminta satu penyelesaian raksasa.

08Harga, dan posisi V4-Pro di jajaran

Pada $1.95 masuk / $3.90 keluar per satu juta token, V4-Pro adalah tingkat penalaran andalan — model yang Anda ambil ketika masalahnya sulit. Ketika masalahnya sekadar besar, model yang lebih murah pada jendela 262K yang sama akan mengerjakannya dengan seperempat harga.

Model tanpa sensor	Masuk / 1J	Keluar / 1J	Visi	Paling cocok untuk
DeepSeek-V4-Pro · 3BIT-REAP	$1.95	$3.90	Tidak	Penalaran berat, kode, agen
DeepSeek-V4-Flash · W4A16	$0.50	$2.00	Tidak	Garis keturunan sama, volume tinggi
GLM-5.2 · 3BIT-REAP	$0.73	$2.34	Tidak	Kuda beban serbaguna
Kimi-K3 · 3BIT-REAP	$3.83	$19.12	Ya	Agen multimodal kelas atas
MiniMax-M3 · 3BIT-REAP	$0.50	$2.00	Ya	Visi termurah

Berterus terang soal perbandingan yang pasti akan orang buat: API DeepSeek sendiri lebih murah daripada ini — V4-Pro pihak pertama terdaftar di sekitar $0.435 masuk / $0.87 keluar, dan harga masukan cache-hit mereka bahkan lebih rendah lagi. Kalau harga per token adalah satu-satunya kriteria Anda dan perilaku moderasinya tidak memengaruhi pekerjaan Anda, pakai saja API pihak pertama; kami lebih baik mengatakannya sekarang daripada membiarkan Anda mengetahuinya belakangan. Selisih harganya membeli sekumpulan sifat yang berbeda: tanpa lapisan penolakan dan tanpa filter keluaran, operator Amerika Serikat di bawah Shannon Lab LLC, checkpoint bertanggal yang dikunci (0813) sehingga pembaruan hulu yang diam-diam tidak pernah mengubah keluaran Anda di tengah proyek, tiga dialek API untuk satu model, dan jendela 262K serta permukaan parameter yang sama di seluruh dua belas model di jajaran ini.

09Cara memanggilnya: tiga dialek, satu model

Setiap model di gateway menjawab pada ketiga endpoint, dengan streaming di masing-masing. Anda tidak perlu mengadopsi SDK baru — Anda mengganti base URL dan id model.

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 — dialek OpenAI; bekerja dengan SDK OpenAI dan apa pun yang dibangun di atasnya.
• /v1/messages — dialek Anthropic, untuk basis kode yang sudah ditulis mengikuti bentuk itu.
• /v1/responses — antarmuka bergaya Responses.

Yang didukung pada model ini: streaming, tool calling native, output terstruktur json_schema yang ketat, response_format, dan reasoning_effort. Rujukan parameter lengkap dan playground langsung ada di dokumentasi API.

10Batasan yang jujur

Empat hal yang perlu diketahui sebelum Anda membangun di atasnya:

• Tanpa visi. Teks saja; model ini tidak akan menerima masukan gambar di endpoint mana pun. Kalau Anda butuh model tanpa sensor yang bisa melihat, pakai Kimi-K3, Kimi-K2.6, MiniMax-M3, MiMo-V2.5 atau inkling.
• Plafon keluaran 16.384 token. Token penalaran ikut dihitung terhadap plafon itu pada effort tinggi, jadi pertimbangan yang panjang menyisakan lebih sedikit ruang untuk jawabannya. Rangkai permintaan untuk pekerjaan generasi besar.
• 3-bit adalah kompresi yang nyata. Skor rujukan menggambarkan fondasinya, bukan build ini. Untuk tingkat kesetiaan tertinggi, model W8A16 (MiMo-V2.5-Pro, MiMo-V2.5, Hy3) membawa kuantisasi paling sedikit.
• Tanpa sensor bukan berarti tanpa konsekuensi. Tidak adanya lapisan penolakan berarti tanggung jawab atas apa yang Anda tanyakan, dan apa yang Anda lakukan dengan jawabannya, ada pada Anda — di bawah ketentuan layanan kami dan hukum di tempat Anda beroperasi.

11Pertanyaan yang sering diajukan

---

Sumber: DeepSeek-AI — kartu model DeepSeek-V4-Pro · Laporan teknis DeepSeek-V4 (CSA/HCA, mHC, Muon) · DeepSeek-V2 (MLA, DeepSeekMoE) · Laporan teknis DeepSeek-V3 · REAP the Experts (Cerebras Research) · Audit sensor Promptfoo · Discovering Forbidden Topics in Language Models. Angka benchmark dilaporkan DeepSeek-AI untuk rilis rujukan; verifikasi pihak ketiga yang independen atas build terkompresi masih tertunda. Harga adalah harga daftar Shannon AI per 5 September 2026.