무검열 DeepSeek API

"무검열 DeepSeek API"라는 문구를 검색해 오는 사람들이 원하는 것은 하나로 분명합니다. DeepSeek의 추론력과 코딩 능력을 갖추되, 실제로 던진 질문에 답하는 모델입니다. 능력 쪽 절반은 잘 문서화되어 있습니다. DeepSeek-AI가 아키텍처와 수치를 공개했고, 가중치는 MIT 라이선스로 Hugging Face에 있습니다. 나머지 절반은 운영상의 결정이며, 대개 여러분 대신 누군가가 내려 줍니다. 이 페이지는 둘 다 다룹니다. V4-Pro 파운데이션이 무엇인지, 우리의 3BIT-REAP 빌드가 거기에 무엇을 하는지, 그리고 우리가 "무검열"이라고 말할 때 그것이 정확히 무슨 뜻인지.

01"무검열 DeepSeek API"가 실제로 뜻하는 것

서로 다른 두 메커니즘이 같은 단어 아래에 묶입니다. 첫째는 가중치에 구워 넣은 정렬, 즉 후처리 학습 과정에서 배운 거절 행동입니다. 둘째는 서빙 측 모더레이션 레이어입니다. 모델이 보기 전에 프롬프트를, 여러분이 보기 전에 출력을 검사하는 별도의 분류기이며, 모델이 무엇을 말하려 했든 상관없이 응답을 문장 중간에서 끊어 버릴 수 있습니다.

둘 다 측정 가능하며, DeepSeek의 자사 서비스는 실제로 측정되었습니다. Promptfoo는 정치적으로 민감한 질문 1,360개 세트를 구성했고, DeepSeek가 호스팅하는 R1이 그중 1,156개, 약 85%를 거절하거나 회피했다고 보고했습니다. 같은 계열을 다룬 학술 연구는 저자들이 사고 억제라고 부른 별도의 실패 양상을 찾아냈는데, 민감한 주제에서는 모델의 추론 트레이스가 시작하자마자 거의 곧바로 종료되는 현상입니다. Information Sciences에 실린 별도의 감사는 의미 수준의 억제를 기록했습니다. 모델의 내부 추론에는 존재하지만 사용자에게 도달하기 전에 조용히 생략되거나 다시 쓰이는 내용입니다. 잘려 나간 답변은 답변처럼 보이기 때문에, 이는 노골적인 거절보다 더 까다로운 문제입니다.

우리가 구동하는 것은 공개 가중치 릴리스이며, 우리가 운영하는 하드웨어 위에서, 미국에서, Shannon Lab LLC 아래에서 돌아갑니다. 모델 앞단에 거절 레이어가 없고 돌아오는 내용에 필터도 적용되지 않습니다. 여러분의 프롬프트는 서빙 전에 정책 분류를 거치지 않고, 출력 스트림도 나가는 길에 검사되지 않습니다. 파운데이션이 MIT 라이선스로 공개되어 있으므로, 우리 말을 믿는 대신 우리 출력을 레퍼런스 가중치와 직접 비교해 볼 수 있습니다.

02파운데이션: 1.6T MoE인 DeepSeek-V4-Pro

DeepSeek-V4는 DeepSeek-AI의 현행 공개 가중치 제품군으로, 2026년 4월에 미리 공개되었고 MIT 라이선스로 두 가지 크기가 출시되었습니다. V4-Flash(총 284B, 활성 13B)와 V4-Pro(총 1.6T, 활성 49B)입니다. 이 글은 Pro 티어에 관한 것입니다. 둘 다 대략 33조 토큰으로 사전 학습되었고, 둘 다 100만 토큰 컨텍스트를 네이티브로 지원합니다.

주목할 것은 희소성 비율입니다. 주어진 토큰마다 파라미터의 약 3%만 발화하며, 이 크기의 모델을 애초에 서비스 가능하게 만드는 것이 바로 이 점입니다. MoE 블록 자체는 여전히 DeepSeekMoE입니다. V2에서 도입된 세분화된 라우팅 전문가와 항상 켜져 있는 공유 전문가 구조이며, V4에서의 변경은 미미합니다. 가장 눈에 띄는 것은 최초 레이어들의 해시 라우팅입니다. 투기적 디코딩을 가능하게 하는 V3의 보조 목적함수인 Multi-Token Prediction도 그대로 유지되었습니다.

V4의 새로운 부분은 구조적입니다. Manifold-Constrained Hyper-Connections(mHC)는 평범한 잔차 경로를 학습된 혼합 행렬로 대체하며, Sinkhorn–Knopp 사영을 통해 이중 확률 행렬의 다양체 위로 제약합니다. 매우 깊은 스택을 무너뜨리는 수치적 표류 없이 입력마다 가중치를 다시 조정하는 잔차 스트림인 셈입니다. 학습은 대부분의 모듈에서 AdamW를 떠나 Newton–Schulz 직교화를 쓰는 Muon으로 옮겨 갔고, AdamW는 임베딩, 예측 헤드, 정규화, 그리고 정적 mHC 파라미터에만 남았습니다. 그리고 전문가 가중치는 FP4로, 나머지 대부분의 파라미터는 FP8로 학습되었습니다. 처음부터 양자화를 염두에 둔 설계이며, 이는 모델이 추가 압축을 얼마나 무리 없이 견디는지와 직결됩니다.

03MLA에서 CSA + HCA로: DeepSeek이 롱 컨텍스트를 싸게 유지하는 방법

네 세대를 관통하는 DeepSeek의 일관된 주제는 크기가 아니라 어텐션 경제학입니다. 모든 버전이 KV 캐시를 공략해 왔습니다. KV 캐시는 컨텍스트에 비례해 선형으로 늘고 길이가 길어질수록 메모리를 지배합니다.

• V2는 Multi-head Latent Attention(MLA)을 도입했습니다 — 키와 값을 잠재 벡터로 저랭크 공동 압축해, 생성 시 헤드별 전체 K와 V 대신 그 벡터와 분리된 RoPE 키만 캐싱합니다. DeepSeek은 표준 멀티헤드 어텐션 대비 KV 캐시가 대략 4~14%로 줄면서 품질은 유지되거나 개선되었다고 보고했습니다.
• V3는 이를 671B로 확장해, 공개 모델에서 값싼 롱 컨텍스트의 기본 전제를 MLA로 만들었습니다.
• V3.2는 DeepSeek Sparse Attention(DSA)을 추가해, 전부에 어텐션을 걸지 않고 가벼운 인덱서로 쿼리마다 히스토리의 상위 k개 부분집합을 선택합니다.
• V4는 이를 혼합합니다. Compressed Sparse Attention(CSA)은 먼저 m 토큰마다의 KV 엔트리를 학습된 가중치로 하나의 엔트리로 압축한 다음, 그 압축된 엔트리들 위에서 희소 상위 k 선택을 수행합니다. Heavily Compressed Attention(HCA)은 훨씬 공격적으로 압축하되 그 결과 위에서는 밀집 어텐션을 유지합니다. 두 레이어 유형이 스택 전반에 번갈아 배치되어, 값싼 전역 요약과 정밀한 국소 검색이 공존합니다.

100만 토큰 컨텍스트에서 보고된 효과는 뚜렷합니다. V4-Pro는 V3.2 대비 토큰당 추론 FLOPs의 약 27%, KV 캐시의 10%만 필요합니다. 262K 요청이 메모리 사건이 아니라 평범한 요청처럼 동작하는 이유이자, 롱 컨텍스트 검색 수치가 수만 토큰을 넘겨 붕괴하지 않고 유지되는 이유입니다.

043BIT-REAP 접미사의 의미

우리 카탈로그 ID는 3BIT-REAP으로 끝나며, 이는 순서대로 적용된 두 가지 독립적인 압축 단계를 가리킵니다.

REAP: 전문가를 병합하지 않고 잘라내기

REAP은 Cerebras Research의 Router-weighted Expert Activation Pruning으로, ICLR 2026에 채택된 "REAP the Experts: Why Pruning Prevails for One-Shot MoE Compression"에서 나왔습니다. 희소 MoE에서 라우터는 전문가를 고르게 쓰지 않습니다. 긴 꼬리 쪽은 드물게, 약하게, 또는 둘 다인 방식으로 선택됩니다. REAP은 라우터 게이트 값(얼마나 자주, 얼마나 강하게 선택되는가)과 전문가 활성화 노름(출력이 얼마나 기여하는가)을 결합해 전문가마다 점수를 매기고, 하위권을 그대로 삭제합니다.

논문의 주장은 프루닝이 병합을 이긴다는 것입니다. 병합은 애초에 MoE를 만들 가치가 있게 했던 기능적 전문화를 평균 내어 없애 버리는 반면, 라우터가 거의 닿지 않는 전문가를 삭제하는 것은 그 전문화를 보존합니다. 20B에서 1T에 이르는 모델 전반에서 REAP은 생성 벤치마크에서 병합 및 경쟁 프루닝 기법을 앞섰고, 저자들은 Qwen3-Coder-480B와 Kimi-K2에서 전문가 50% 프루닝에도 코드 생성과 툴 호출에서 사실상 무손실이라고 보고했습니다. 이 모델이 여기 있는 이유인 워크로드 프로필과 정확히 일치합니다.

3비트 가중치: 가장 큰 파운데이션을 위한 압축 티어

살아남은 부분은 이어서 3비트 가중치로 양자화됩니다. 3비트는 공격적이며, 우리도 아닌 척하지 않습니다. 라인업 전반에서 파운데이션이 굳이 쥐어짤 필요 없이 작으면 W8A16을, 중간에는 W4A16-AUTOROUND-REAP을, 그리고 3BIT-REAP은 가장 큰 파운데이션에만 씁니다. 거기서는 이것이 모델을 서비스하느냐 못 하느냐의 차이이기 때문입니다.

트레이드오프는 분명히 말해 두겠습니다. 3비트 1.6T MoE는 레퍼런스 릴리스와 비트 단위로 동일하지 않으며, 작은 품질 비용은 실재합니다. 그 대가로 얻는 것은 비압축 상한이 더 높은 정밀도로 편하게 들어가는 어떤 모델보다도 훨씬 위에 있는 파운데이션입니다. 게다가 V4의 전문가는 애초에 FP4로 학습되었기 때문에, 이 모델은 추가 가중치 압축에서 유난히 얌전하게 굴러갑니다. 정밀도를 덜 건드린 DeepSeek 빌드를 원한다면 DeepSeek-V4-Flash-0731-W4A16-AUTOROUND-REAP이 4비트 가중치와 16비트 활성화, AutoRound의 학습된 반올림을 쓰며, 동일한 262K 컨텍스트에 입력 $0.50 / 출력 $2.00입니다.

05추론, 그리고 reasoning_effort 다이얼

V4의 후처리 학습은 도메인 전문가 모델을 따로 학습시킵니다. 수학, 코딩, 에이전트, 지시 수행을 SFT로 학습한 뒤 DeepSeek이 R1과 함께 도입한 Group Relative Policy Optimization 기법인 GRPO를 적용합니다. 그런 다음 역 KL 목적함수 아래 온폴리시 증류로 이들을 하나의 모델로 통합합니다. 덕분에 단일 체크포인트가 모든 것에 어중간한 제너럴리스트가 되는 대신 여러 도메인에서 동시에 전문가급 행동을 지닙니다.

출시된 모델은 이진 스위치가 아니라 단계적인 사고 모드를 노출합니다. 우리 게이트웨이에서는 표준 reasoning_effort 파라미터가 그것이며, 이 모델에서 가장 유용한 단일 노브입니다.

• Low — 거의 곧바로 답하기: 분류, 추출, 재작성 등 모델의 숙고가 아니라 지식에 값을 치르는 모든 작업.
• Medium — 코드 리뷰, 디버깅, 다단계 분석을 위한 기본 작업 모드.
• High — 답하기 전 긴 숙고. 어려운 문제가 풀리는 곳이자, 추론 토큰이 출력으로 과금되므로 출력 요금이 쌓이는 곳입니다.

거절 레이어가 없으므로 민감한 주제에서도 추론 트레이스가 잘리지 않습니다. 자사 서비스에서 기록된 사고 억제 패턴은 여기서 일어날 메커니즘 자체가 없습니다.

06코드와 에이전트 작업: 파운데이션의 점수

아래는 V4-Pro 릴리스에 대한 DeepSeek-AI 자체 공개 수치입니다. 우리 수치가 아니고, 우리의 양자화 빌드에서 측정한 것도 아닙니다. 이 파운데이션을 고를 정직한 이유이기에 싣되, 1차 당사자 수치임을 밝혀 두니 그에 맞게 가중치를 두고 보시기 바랍니다.

두 가지는 짚어 둘 만합니다. SWE-bench Verified 80.6%는 실제 저장소의 이슈 해결입니다. 낯선 코드베이스를 읽고, 결함을 찾아내고, 프로젝트 자체 테스트를 통과하는 패치를 만들어 내는 일입니다. 100만 토큰에서의 MRCR(83.5)은 전체 길이에서의 다회차 상호참조 검색으로, 롱 컨텍스트 주장이 장식이 아님을 말해 주는 수치입니다. DeepSeek은 이 모델의 Codeforces 레이팅 3206과 1M 컨텍스트 CorpusQA 62.0도 함께 보고했습니다.

위 수치는 DeepSeek-V4-Pro 레퍼런스 릴리스에 대해 DeepSeek-AI가 보고한 값입니다. 우리의 3BIT-REAP 빌드는 그 가중치를 압축한 변형이며 이 과제들에서 독립적으로 벤치마크되지 않았습니다. 레퍼런스 점수는 이 엔드포인트의 측정값이 아니라 파운데이션의 상한으로 보시기 바랍니다.

07262K 컨텍스트: 실제로 들어가는 것

레퍼런스 모델은 100만 토큰으로 학습되었습니다. 우리는 262,144를 제공합니다. 게이트웨이의 모든 모델이 공유하는 윈도우이므로, 모델을 바꾸는 일은 한 줄 수정이고 컨텍스트가 후퇴하는 일은 결코 없습니다. 실무에서 262K는 대부분의 실제 작업에서 컨텍스트가 제약이 되는 지점을 이미 지나 있습니다.

워크로드	대략 토큰 수	262K에 들어가는가?
중간 규모 서비스 저장소(약 5만 줄)	~600K	아니요 — 모듈 선별 필요
서브시스템 하나 + 테스트	~60–120K	예, 넉넉히
어떤 프로토콜의 RFC 전체	~150K	예
700쪽짜리 기술서적 한 권	~250K	예, 한계에 근접
긴 에이전트 실행, 툴 40턴 이상	~80–200K	예

계획에 넣어야 할 제약은 출력입니다. 응답당 최대 16,384 토큰입니다. 긴 문서 한 편이나 여러 파일에 걸친 상당한 패치는 되지만 코드베이스 하나는 되지 않습니다. 큰 생성 작업은 거대한 완성 하나를 요청하는 대신, 직전 출력을 다시 컨텍스트에 넣어 요청을 이어 붙여 처리합니다. 262K 윈도우가 그 방식을 값싸게 만들어 줍니다.

08가격, 그리고 라인업에서 V4-Pro의 자리

100만 토큰당 입력 $1.95 / 출력 $3.90인 V4-Pro는 최상위 추론 티어입니다. 문제가 어려울 때 꺼내는 모델입니다. 문제가 그저 클 뿐이라면, 같은 262K 윈도우의 더 싼 모델들이 4분의 1 가격에 해내 줍니다.

무검열 모델	입력 / 1M	출력 / 1M	비전	적합한 용도
DeepSeek-V4-Pro · 3BIT-REAP	$1.95	$3.90	없음	어려운 추론, 코드, 에이전트
DeepSeek-V4-Flash · W4A16	$0.50	$2.00	없음	같은 계보, 대량 처리
GLM-5.2 · 3BIT-REAP	$0.73	$2.34	없음	범용 주력 모델
Kimi-K3 · 3BIT-REAP	$3.83	$19.12	있음	최상급 멀티모달 에이전트
MiniMax-M3 · 3BIT-REAP	$0.50	$2.00	있음	가장 저렴한 비전

사람들이 실제로 하게 될 비교에 대해 솔직히 말하자면, DeepSeek 자사 API가 이보다 쌉니다. 자사 V4-Pro는 입력 약 $0.435 / 출력 $0.87로 표시되어 있고, 캐시 히트 입력 가격은 그보다도 낮습니다. 토큰당 가격이 유일한 기준이고 모더레이션 동작이 여러분의 작업에 영향을 주지 않는다면 자사 API를 쓰세요. 나중에 알게 되는 것보다 지금 말씀드리는 편이 낫습니다. 프리미엄이 사는 것은 다른 성질의 묶음입니다. 거절 레이어와 출력 필터가 없다는 점, Shannon Lab LLC라는 미국 운영 주체, 날짜가 박힌 고정 체크포인트(0813)라 조용한 업스트림 업그레이드가 프로젝트 도중에 출력을 바꾸지 않는다는 점, 하나의 모델에 세 가지 API 방언, 그리고 라인업의 열두 모델 전부에 걸친 동일한 262K 윈도우와 동일한 파라미터 표면입니다.

09호출하기: 세 방언, 하나의 모델

게이트웨이의 모든 모델은 세 엔드포인트 모두에서 응답하며, 각각 스트리밍을 지원합니다. 새 SDK를 도입할 필요가 없습니다. 베이스 URL과 모델 ID만 바꾸면 됩니다.

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 방언. OpenAI SDK 및 그 위에 만들어진 모든 것과 함께 동작합니다.
• /v1/messages — Anthropic 방언. 이미 그 형태로 작성된 코드베이스를 위한 것입니다.
• /v1/responses — Responses 스타일 인터페이스.

이 모델에서 지원되는 것: 스트리밍, 네이티브 툴 호출, 엄격한 json_schema 구조화 출력, response_format, reasoning_effort. 전체 파라미터 레퍼런스와 라이브 플레이그라운드는 API 문서에 있습니다.

10정직한 한계

이 모델 위에 무언가를 만들기 전에 알아야 할 네 가지입니다.

• 비전 없음. 텍스트 전용이며, 어떤 엔드포인트에서도 이미지 입력을 받지 않습니다. 볼 수 있는 무검열 모델이 필요하다면 Kimi-K3, Kimi-K2.6, MiniMax-M3, MiMo-V2.5, inkling을 쓰세요.
• 16,384 토큰 출력 상한. 강도가 높으면 추론 토큰이 이 상한을 잡아먹으므로, 긴 숙고는 답변에 쓸 공간을 줄입니다. 큰 생성 작업은 요청을 이어 붙이세요.
• 3비트는 실제 압축입니다. 레퍼런스 점수는 이 빌드가 아니라 파운데이션을 설명합니다. 가장 충실도가 높은 티어를 원한다면 W8A16 모델(MiMo-V2.5-Pro, MiMo-V2.5, Hy3)이 양자화가 가장 적습니다.
• 무검열은 결과가 없다는 뜻이 아닙니다. 거절 레이어가 없다는 것은 무엇을 묻고 그 답으로 무엇을 하는지에 대한 책임이 여러분에게 있다는 뜻입니다. 우리 서비스 약관과 여러분이 활동하는 지역의 법 아래에서 말입니다.

11자주 묻는 질문

---

출처: DeepSeek-AI — DeepSeek-V4-Pro 모델 카드 · DeepSeek-V4 기술 보고서 (CSA/HCA, mHC, Muon) · DeepSeek-V2 (MLA, DeepSeekMoE) · DeepSeek-V3 기술 보고서 · REAP the Experts (Cerebras Research) · Promptfoo 검열 감사 · Discovering Forbidden Topics in Language Models. 벤치마크 수치는 레퍼런스 릴리스에 대해 DeepSeek-AI가 보고한 값이며, 압축 빌드에 대한 독립적인 제3자 검증은 아직 진행되지 않았습니다. 가격은 2026년 9월 5일 기준 Shannon AI 정가입니다.