Óritskoðaða DeepSeek API-ið

Fólk sem kemur að orðunum „óritskoðað DeepSeek API“ vill eitt tiltekið: líkan með rökhugsunar- og forritunargetu DeepSeek sem svarar spurningunni sem það raunverulega spurði. Getuhelmingurinn er vel skjalfestur — DeepSeek-AI birti byggingarlagið og tölurnar, og þyngdirnar eru á Hugging Face undir MIT. Seinni helmingurinn er rekstrarákvörðun, og hún er yfirleitt tekin fyrir þig. Þessi síða fjallar um hvort tveggja: hvað V4-Pro grunnlíkanið er, hvað 3BIT-REAP smíðin okkar gerir við það, og nákvæmlega hvað „óritskoðað“ þýðir þegar við segjum það.

01Hvað „óritskoðað DeepSeek API“ þýðir í raun

Tveir ólíkir búnaðir eru settir undir sama orðið. Sá fyrri er samstilling sem er bökuð inn í þyngdirnar — neitunarhegðun sem lærist í eftirþjálfun. Sá seinni er ritstýringarlag á þjónustuhliðinni: sérstakur flokkari sem skoðar fyrirmælin þín áður en líkanið sér þau og úttakið áður en þú sérð það, og getur skorið svar af í miðri setningu óháð því hvað líkanið ætlaði að segja.

Hvort tveggja er mælanlegt, og fyrsta stigs þjónusta DeepSeek hefur verið mæld. Promptfoo setti saman safn af 1.360 pólitískt viðkvæmum spurningum og greindi frá því að hýst R1-líkan DeepSeek hafnaði eða vék sér undan 1.156 þeirra — um það bil 85%. Fræðileg vinna um sömu ætt fann sérstakan bilunarham sem höfundarnir kölluðu hugsunarbælingu, þar sem rökhugsunarslóð líkansins endar nánast um leið og hún hefst þegar efnið er viðkvæmt. Sjálfstæð úttekt birt í Information Sciences skjalfesti bælingu á merkingarstigi: efni sem er til staðar í innri rökhugsun líkansins en er í kyrrþey fellt út eða endurskrifað áður en það nær til notandans. Það er erfiðara vandamál en bein neitun, því stytt svar lítur út eins og svar.

Það sem við keyrum er útgáfan með opnum þyngdum, á vélbúnaði sem við rekum, í Bandaríkjunum, undir Shannon Lab LLC. Það er ekkert neitunarlag fyrir framan líkanið og engin sía á því sem kemur til baka: fyrirmælin þín eru ekki flokkuð eftir stefnu áður en þeim er svarað, og úttaksstreymið er ekki skoðað á leiðinni út. Þar sem grunnlíkanið er með MIT-leyfi og opinbert geturðu borið úttak okkar saman við viðmiðunarþyngdirnar sjálfur frekar en að taka orð okkar fyrir því.

02Grunnlíkanið: DeepSeek-V4-Pro, MoE með 1,6 billjón færibreytum

DeepSeek-V4 er núverandi fjölskylda DeepSeek-AI með opnum þyngdum, kynnt í apríl 2026 og gefin út undir MIT í tveimur stærðum: V4-Flash (284 milljarðar alls, 13 milljarðar virkjaðir) og V4-Pro (1,6 billjónir alls, 49 milljarðar virkjaðir). Þessi grein fjallar um Pro-þrepið. Bæði voru forþjálfuð á um það bil 33 billjónum tákna og bæði styðja milljón tákna samhengi frá grunni.

Strjálleikahlutfallið er það sem vert er að taka eftir: aðeins um 3% færibreytanna virkjast á hverju tákni, sem er það sem gerir líkan af þessari stærð þjónanlegt yfirhöfuð. MoE-blokkin sjálf er enn DeepSeekMoE — fínkorna beindir sérfræðingar auk sameiginlegra sérfræðinga sem eru alltaf virkir, kynntir í V2 — með aðeins minniháttar V4-breytingum, mest áberandi hakkabeiningu í neðstu lögunum. Multi-Token Prediction, hjálparmarkmiðið úr V3 sem gerir líka spákaupmennskuafkóðun mögulega, helst óbreytt.

Nýju hlutarnir í V4 eru byggingarlegir. Manifold-Constrained Hyper-Connections (mHC) koma í stað venjulegu leifarleiðarinnar með lærðri blöndunarfylki sem er þvinguð inn á fjölbreiðu tvöfalt stokastískra fylkja með Sinkhorn–Knopp vörpun — leifarstraumur sem endurvegur sig eftir inntaki án tölulega reksins sem drepur mjög djúpa stafla. Þjálfunin færðist af AdamW yfir á Muon fyrir flestar einingar, með Newton–Schulz réttstöðuvörpun, og AdamW haldið eftir aðeins fyrir innfellingar, spáhausa, stöðlun og föstu mHC-færibreyturnar. Og þyngdir sérfræðinganna eru þjálfaðar í FP4 með flestar aðrar færibreytur í FP8 — meðvitað um bitaþjöppun frá byrjun, sem skiptir máli fyrir það hversu vel líkanið þolir frekari þjöppun.

03Frá MLA til CSA + HCA: hvernig DeepSeek heldur löngu samhengi ódýru

Rauði þráðurinn hjá DeepSeek í gegnum fjórar kynslóðir er ekki stærð, heldur hagfræði athygli. Hver útgáfa hefur ráðist á KV-skyndiminnið, sem vex línulega með samhenginu og ræður minnisnotkun þegar lengdin verður mikil.

• V2 kynnti Multi-head Latent Attention (MLA) — lágvíddar samþjöppun lykla og gilda í einn duldan vigur, svo úttaksgerðin geymir þann vigur auk aftengds RoPE-lykils í stað fullra K og V fyrir hvern haus. DeepSeek greindi frá KV-skyndiminni niður í um það bil 4–14% af venjulegri fjölhausa athygli, með gæðum haldið eða bættum.
• V3 skalaði það upp í 671 milljarð og gerði MLA að sjálfgefnu forsendunni fyrir ódýru löngu samhengi í opnum líkönum.
• V3.2 bætti við DeepSeek Sparse Attention (DSA), sem velur efstu k hluta sögunnar fyrir hverja fyrirspurn gegnum léttan vísi í stað þess að horfa á allt.
• V4 blandar saman. Compressed Sparse Attention (CSA) þjappar fyrst KV-færslum hverra m tákna í eina færslu með lærðum vogum og keyrir svo strjált efstu-k val yfir þessar þjöppuðu færslur. Heavily Compressed Attention (HCA) þjappar miklu harkalegar en helst þétt yfir niðurstöðuna. Lögin tvö skiptast á í gegnum staflann, svo ódýrt heildaryfirlit og nákvæm staðbundin endurheimt lifa hlið við hlið.

Ávinningurinn sem greint er frá við milljón tákna samhengi er sláandi: V4-Pro þarf um 27% af flotpunktsaðgerðum á hvert tákn og 10% af KV-skyndiminni V3.2. Þess vegna hegðar 262K beiðni sér eins og venjuleg beiðni frekar en sem minnisatburður, og þess vegna halda tölurnar um endurheimt í löngu samhengi frekar en að hrynja eftir nokkra tugi þúsunda tákna.

04Hvað 3BIT-REAP viðskeytið þýðir

Auðkennið okkar endar á 3BIT-REAP, og það lýsir tveimur óháðum þjöppunarskrefum sem beitt er í röð.

REAP: að grisja sérfræðinga, ekki sameina þá

REAP stendur fyrir Router-weighted Expert Activation Pruning, frá Cerebras Research — „REAP the Experts: Why Pruning Prevails for One-Shot MoE Compression“, samþykkt á ICLR 2026. Í strjálu MoE notar beinirinn sérfræðinga sína ekki jafnt: langur hali er valinn sjaldan, veikt eða hvort tveggja. REAP gefur hverjum sérfræðingi einkunn með því að sameina hliðgildi beinisins (hversu oft og hversu sterkt hann er valinn) og virknistærðir sérfræðingsins (hversu miklu úttak hans skilar), og eyðir svo taparunum alveg.

Röksemd greinarinnar er sú að grisjun slái sameiningu út: sameining meðaltalar burt þá starfrænu sérhæfingu sem gerði MoE-líkanið þess virði að byggja, en að eyða sérfræðingum sem beinirinn nær varla til varðveitir hana. Í líkönum frá 20 milljörðum upp í 1 billjón sló REAP út sameiningu og samkeppnisaðferðir við grisjun á myndunarviðmiðum, og höfundarnir greina frá nánast taplausum niðurstöðum í kóðamyndun og verkfærakalli við 50% grisjun sérfræðinga á Qwen3-Coder-480B og Kimi-K2 — sem er nákvæmlega það vinnuálagssnið sem þetta líkan er hér fyrir.

3 bita þyngdir: þjöppunarþrepið fyrir stærstu grunnlíkönin

Það sem lifir af er svo þjappað niður í 3 bita þyngdir. Þrír bitar eru harkalegir, og við þykjumst ekki annað: í línunni notum við W8A16 þar sem grunnlíkanið er nógu lítið til að þurfa ekki kreistuna, W4A16-AUTOROUND-REAP í miðjunni, og 3BIT-REAP aðeins á stærstu grunnlíkönunum, þar sem það er munurinn á því að þjóna líkaninu og að þjóna því ekki.

Málamiðlunin er þess virði að segja berum orðum: 3 bita MoE með 1,6 billjón færibreytum er ekki bita-eins og viðmiðunarútgáfan, og lítill gæðakostnaður er raunverulegur. Það sem þú færð fyrir hann er grunnlíkan þar sem óþjappaða þakið liggur langt ofar öllu sem kemst þægilega fyrir á meiri nákvæmni — og þar sem sérfræðingar V4 voru þjálfaðir í FP4 frá byrjun er líkanið óvenju vel hegðað undir frekari þjöppun þyngda. Ef þú vilt DeepSeek-smíð með léttari hendi á nákvæmninni notar DeepSeek-V4-Flash-0731-W4A16-AUTOROUND-REAP 4 bita þyngdir með 16 bita virkjunum og lærðri námundun AutoRound, á sama 262K samhengi á $0.50 inn / $2.00 út.

05Rökhugsun, og reasoning_effort stillirinn

Eftirþjálfun V4 þjálfar sérhæfð svið hvert í sínu lagi — stærðfræði, forritun, gerendur, fylgni við fyrirmæli — með SFT og svo GRPO, Group Relative Policy Optimization aðferðinni sem DeepSeek kynnti með R1. Þessi sérfræðilíkön eru svo sameinuð í eitt líkan með eimingu á eigin stefnu undir öfugu KL-markmiði, svo einn vörðupunktur ber hegðun á sérfræðingsstigi í mörgum sviðum í einu í stað þess að vera alhliða líkan sem er miðlungs í öllu.

Útgefna líkanið býður upp á stigskipta hugsunarhætti frekar en tvíundarrofa. Á gáttinni okkar er það staðlaða reasoning_effort færibreytan, gagnlegasti stillirinn á þessu líkani:

• Low — nánast bein svörun: flokkun, útdráttur, endurritun, allt þar sem þú ert að borga fyrir þekkingu líkansins frekar en íhugun þess.
• Medium — sjálfgefni vinnuhátturinn fyrir kóðarýni, villuleit og margþrepa greiningu.
• High — löng íhugun áður en svarað er. Þar sem erfiðu vandamálin leysast, og þar sem úttakstáknareikningurinn þinn býr, því rökhugsunartákn eru rukkuð sem úttak.

Þar sem ekkert neitunarlag er til staðar er rökhugsunarslóðin ekki stytt á viðkvæmu efni — hugsunarbælingarmynstrið sem skjalfest var á fyrsta stigs þjónustunni hefur engan búnað til að eiga sér stað hér.

06Kóði og gerendavinna: hvað grunnlíkanið skorar

Þetta eru tölur sem DeepSeek-AI birti sjálft fyrir V4-Pro útgáfuna — ekki okkar, og ekki mældar á okkar bitaþjöppuðu smíð. Við sýnum þær af því þær eru heiðarlega ástæðan til að velja þetta grunnlíkan, og merkjum þær sem tölur frá framleiðanda svo þú getir vegið þær eftir því.

Tvær eiga skilið umsögn. SWE-bench Verified upp á 80,6% er úrlausn mála í raunverulegum kóðasöfnum — að lesa ókunnugt kóðasafn, finna gallann og búa til bót sem stenst prófin sem verkefnið á sjálft. MRCR við eina milljón tákna (83,5) er endurheimt samvísana í mörgum umferðum í fullri lengd, talan sem segir þér að langsamhengisstaðhæfingin sé ekki skraut. DeepSeek greinir líka frá Codeforces-einkunn upp á 3206 fyrir líkanið, og 62,0 á CorpusQA í 1M samhengi.

Tölurnar hér að ofan eru frá DeepSeek-AI fyrir DeepSeek-V4-Pro viðmiðunarútgáfuna. Okkar 3BIT-REAP smíð er þjöppuð útgáfa af þeim þyngdum og hefur ekki verið mæld sjálfstætt á þessum verkefnum; líttu á viðmiðunarskorin sem þak grunnlíkansins, ekki sem mælingu á þessum endapunkti.

07262K samhengi: hvað kemst raunverulega fyrir

Viðmiðunarlíkanið er þjálfað fyrir milljón tákn. Við þjónum 262,144 — glugganum sem öll líkön á gáttinni deila, svo að skipta um líkan er einnar línu breyting og aldrei afturför í samhengi. Í reynd er 262K komið fram yfir þann punkt þar sem samhengið bindur í flestri raunverulegri vinnu:

Vinnuálag	Áætluð tákn	Kemst fyrir í 262K?
Miðlungsstórt þjónustusafn (~50 þús. línur)	~600K	Nei — veldu einingar
Eitt undirkerfi + prófin þess	~60–120K	Já, með góðu móti
Allt RFC-safnið fyrir samskiptareglu	~150K	Já
700 blaðsíðna tæknibók	~250K	Já, nálægt mörkunum
Löng gerendakeyrsla, 40+ verkfæraumferðir	~80–200K	Já

Takmörkunin sem þarf að skipuleggja í kringum er úttakið: 16,384 tákn að hámarki í hverju svari. Það er langt skjal eða veruleg fjölskrárbót, en ekki heilt kóðasafn. Stór myndunarverk eru unnin með því að keðja beiðnir saman með fyrra úttakinu aftur í samhenginu — sem 262K glugginn gerir ódýrt — frekar en með því að biðja um eina risavaxna útfyllingu.

08Verð, og hvar V4-Pro situr í línunni

Á $1.95 inn / $3.90 út á hverja milljón tákna er V4-Pro flaggskipsþrepið í rökhugsun — líkanið sem þú grípur til þegar vandamálið er erfitt. Þegar það er einungis stórt leysa ódýrari líkön á sama 262K glugga það fyrir fjórðung verðsins.

Óritskoðað líkan	Inn / 1M	Út / 1M	Sjón	Best fyrir
DeepSeek-V4-Pro · 3BIT-REAP	$1.95	$3.90	Nei	Erfið rökhugsun, kóði, gerendur
DeepSeek-V4-Flash · W4A16	$0.50	$2.00	Nei	Sama ætt, mikið magn
GLM-5.2 · 3BIT-REAP	$0.73	$2.34	Nei	Alhliða vinnuhestur
Kimi-K3 · 3BIT-REAP	$3.83	$19.12	Já	Fjölþátta gerendur í efsta flokki
MiniMax-M3 · 3BIT-REAP	$0.50	$2.00	Já	Ódýrasta sjónin

Til að vera hreinskilin um samanburðinn sem fólk gerir í raun: API DeepSeek sjálfs er ódýrara en þetta — fyrsta stigs V4-Pro er skráð á um $0.435 inn / $0.87 út, og verðið á inntaki sem hittir í skyndiminni er enn lægra. Ef verð á tákn er eina viðmiðið þitt og ritstýringarhegðunin hefur ekki áhrif á vinnuna þína, notaðu þá fyrsta stigs API-ið; við segjum þér það frekar en að þú komist að því síðar. Álagið kaupir annað safn eiginleika: ekkert neitunarlag og enga úttakssíu, bandarískan rekstraraðila undir Shannon Lab LLC, festan dagsettan vörðupunkt (0813) svo hljóðlát uppfærsla að ofan breyti aldrei úttakinu þínu í miðju verkefni, þrjár API-mállýskur á móti einu líkani, og sama 262K glugga og sama færibreytuyfirborð í öllum tólf líkönunum í línunni.

09Að kalla á það: þrjár mállýskur, eitt líkan

Öll líkön á gáttinni svara á öllum þremur endapunktunum, með streymi á hverjum. Þú tekur ekki upp nýtt SDK — þú breytir grunnslóð og líkanaauðkenni.

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-mállýskan; virkar með OpenAI SDK-unum og öllu sem byggt er á þeim.
• /v1/messages — Anthropic-mállýskan, fyrir kóðasöfn sem þegar eru skrifuð gegn því formi.
• /v1/responses — viðmótið í Responses-stíl.

Stutt á þessu líkani: streymi, innbyggt verkfærakall, strangt skipulagt json_schema úttak, response_format og reasoning_effort. Fullkomið yfirlit yfir færibreytur og lifandi leikvöllur eru í API-skjölunum.

10Heiðarlegar takmarkanir

Fernt sem vert er að vita áður en þú byggir á því:

• Engin sjón. Aðeins texti; það tekur ekki við myndainntaki á neinum endapunkti. Ef þú þarft óritskoðað líkan sem sér skaltu nota Kimi-K3, Kimi-K2.6, MiniMax-M3, MiMo-V2.5 eða inkling.
• 16,384 tákna úttaksþak. Rökhugsunartákn telja á móti því við mikinn þunga, svo löng íhugun skilur eftir minna rými fyrir svarið. Keðjaðu beiðnir fyrir stór myndunarverk.
• 3 bitar eru raunveruleg þjöppun. Viðmiðunarskorin lýsa grunnlíkaninu, ekki þessari smíð. Fyrir þrepið með mestri trúmennsku bera W8A16 líkönin (MiMo-V2.5-Pro, MiMo-V2.5, Hy3) minnstu bitaþjöppunina.
• Óritskoðað er ekki afleiðingalaust. Ekkert neitunarlag þýðir að ábyrgðin á því sem þú spyrð um, og því sem þú gerir við svarið, situr hjá þér — samkvæmt þjónustuskilmálum okkar og lögunum þar sem þú starfar.

11Algengar spurningar

---

Heimildir: DeepSeek-AI — líkanaspjald DeepSeek-V4-Pro · Tækniskýrsla DeepSeek-V4 (CSA/HCA, mHC, Muon) · DeepSeek-V2 (MLA, DeepSeekMoE) · Tækniskýrsla DeepSeek-V3 · REAP the Experts (Cerebras Research) · Ritskoðunarúttekt Promptfoo · Discovering Forbidden Topics in Language Models. Viðmiðunartölur eru frá DeepSeek-AI fyrir viðmiðunarútgáfuna; sjálfstæð staðfesting þriðja aðila á bitaþjöppuðu smíðinni er ókomin. Verð eru listaverð Shannon AI frá og með 5. september 2026.