Necenzūruotas DeepSeek API

Žmonės, atėję pagal frazę „necenzūruotas DeepSeek API“, nori vieno konkretaus dalyko: modelio su DeepSeek samprotavimo ir programavimo gebėjimais, kuris atsako būtent į tai, ko jie paklausė. Gebėjimų pusė gerai dokumentuota — DeepSeek-AI paskelbė architektūrą ir skaičius, o svoriai guli Hugging Face su MIT licencija. Antroji pusė yra eksploatavimo sprendimas, ir paprastai jis priimamas už jus. Šiame puslapyje aptariama abi: kas yra V4-Pro pagrindas, ką jam padaro mūsų 3BIT-REAP versija ir ką tiksliai reiškia „necenzūruotas“, kai taip sakome.

01Ką iš tikrųjų reiškia „necenzūruotas DeepSeek API“

Po tuo pačiu žodžiu slepiasi du skirtingi mechanizmai. Pirmasis — į svorius įkeptas suderinimas, t. y. atsisakymo elgsena, išmokta po mokymo. Antrasis — moderavimo sluoksnis serverio pusėje: atskiras klasifikatorius, kuris apžiūri jūsų užklausą prieš ją pamatant modeliui ir išvestį prieš ją pamatant jums, ir gali nukirsti atsakymą sakinio viduryje, nepaisant to, ką modelis norėjo pasakyti.

Abu yra išmatuojami, ir paties DeepSeek paslauga buvo išmatuota. Promptfoo surinko 1 360 politiškai jautrių klausimų rinkinį ir pranešė, kad DeepSeek talpinamas R1 atsisakė arba nukreipė į šalį 1 156 iš jų — maždaug 85 %. Akademiniai darbai apie tą pačią šeimą aptiko atskirą gedimo tipą, kurį autoriai pavadino minties slopinimu: modelio samprotavimo pėdsakas nutrūksta beveik vos prasidėjęs, kai tema jautri. Atskiras auditas, paskelbtas žurnale Information Sciences, užfiksavo semantinio lygmens slopinimą: turinį, esantį vidiniame modelio samprotavime, bet tyliai praleidžiamą ar perrašomą prieš pasiekiant naudotoją. Tai sunkesnė problema nei atviras atsisakymas, nes sutrumpintas atsakymas atrodo kaip atsakymas.

Mes vykdome atviro kodo svorių leidimą mūsų pačių valdomoje aparatinėje įrangoje, Jungtinėse Valstijose, Shannon Lab LLC vardu. Prieš modelį nėra jokio atsisakymo sluoksnio ir grįžtančiam turiniui netaikomas joks filtras: jūsų užklausa prieš aptarnavimą nėra klasifikuojama pagal politiką, o išvesties srautas kelyje pas jus netikrinamas. Kadangi pagrindas turi MIT licenciją ir yra viešas, galite patys palyginti mūsų išvestis su etaloniniais svoriais, o ne tikėti mumis žodžiu.

02Pagrindas: DeepSeek-V4-Pro, 1,6 trln. MoE

DeepSeek-V4 yra dabartinė DeepSeek-AI atviro kodo svorių šeima, pristatyta 2026 m. balandį ir išleista su MIT licencija dviejų dydžių: V4-Flash (284 mlrd. viso, 13 mlrd. aktyvuojamų) ir V4-Pro (1,6 trln. viso, 49 mlrd. aktyvuojamų). Šis straipsnis yra apie Pro pakopą. Abu buvo iš anksto apmokyti maždaug ties 33 trilijonais žetonų ir abu iš prigimties palaiko milijono žetonų kontekstą.

Verta atkreipti dėmesį į retumo santykį: bet kuriam žetonui suveikia tik apie 3 % parametrų — būtent tai leidžia tokio dydžio modelį apskritai aptarnauti. Pats MoE blokas tebėra DeepSeekMoE — smulkiagrūdžiai maršrutizuojami ekspertai plius nuolat veikiantys bendrieji ekspertai, pristatyti V2 versijoje — su tik nedideliais V4 pakeitimais, labiausiai matomu maišos maršrutizavimu ankstyviausiuose sluoksniuose. Multi-Token Prediction, V3 pagalbinis tikslas, kuris taip pat įgalina spekuliatyvųjį dekodavimą, išlaikytas nepakitęs.

Naujovės V4 versijoje yra struktūrinės. Manifold-Constrained Hyper-Connections (mHC) pakeičia paprastą liekamąjį kelią išmokta maišymo matrica, apribota dvigubai stochastinių matricų daugdaroje per Sinkhorno–Knoppo projekciją — liekamasis srautas, kuris persveria svorius pagal įvestį be skaitinio dreifo, žudančio labai gilius sluoksnių rietuves. Mokymas persikėlė nuo AdamW prie Muon daugumai modulių, naudojant Newtono–Schulzo ortogonalizaciją, o AdamW paliktas tik įdėtims, prognozavimo galvoms, normalizavimui ir statiniams mHC parametrams. Ekspertų svoriai mokomi FP4 tikslumu, o dauguma kitų parametrų — FP8: kvantavimo atžvilgiu sąmoningai nuo pat pradžių, o tai svarbu tam, kaip maloniai modelis pakelia tolesnį glaudinimą.

03Nuo MLA prie CSA + HCA: kaip DeepSeek išlaiko ilgą kontekstą pigų

DeepSeek raudonoji gija per keturias kartas yra ne dydis, o dėmesio ekonomika. Kiekviena versija puolė KV podėlį, kuris auga tiesiškai kartu su kontekstu ir dominuoja atmintyje esant dideliems ilgiams.

• V2 pristatė Multi-head Latent Attention (MLA) — mažo rango bendrą raktų ir reikšmių glaudinimą į latentinį vektorių, todėl generuojant podėlyje laikomas tas vektorius plius atsietas RoPE raktas, o ne pilni K ir V kiekvienai galvai. DeepSeek pranešė apie KV podėlio sumažėjimą maždaug iki 4–14 % standartinio daugiagalvio dėmesio, išlaikant ar net pagerinant kokybę.
• V3 išplėtė tai iki 671 mlrd., paversdama MLA numatytąja prielaida apie pigų ilgą kontekstą atviruose modeliuose.
• V3.2 pridėjo DeepSeek Sparse Attention (DSA): kiekvienai užklausai per lengvą indeksatorių atrenkamas top-k istorijos poaibis, užuot žiūrėjus į viską.
• V4 hibridizuoja. Compressed Sparse Attention (CSA) pirmiausia suglaudina kas m žetonų KV įrašus į vieną įrašą su išmoktais svoriais, o tada per tuos suglaudintus įrašus vykdo retą top-k atranką. Heavily Compressed Attention (HCA) glaudina kur kas agresyviau, bet lieka tanki gauto rezultato atžvilgiu. Abu sluoksnių tipai persipynę per visą rietuvę, todėl pigi bendra santrauka ir tiksli vietinė paieška egzistuoja kartu.

Skelbiama nauda prie milijono žetonų konteksto yra ryški: V4-Pro reikia apie 27 % vienam žetonui tenkančių išvedimo FLOPs ir 10 % KV podėlio, palyginti su V3.2. Štai kodėl 262K užklausa elgiasi kaip įprasta užklausa, o ne kaip atminties įvykis, ir kodėl ilgo konteksto paieškos skaičiai išsilaiko, o ne subyra peržengus kelias dešimtis tūkstančių žetonų.

04Ką reiškia priesaga 3BIT-REAP

Mūsų kataloge esantis id baigiasi 3BIT-REAP, ir tai apibūdina du nepriklausomus glaudinimo žingsnius, taikomus iš eilės.

REAP: ekspertų genėjimas, o ne jų sujungimas

REAP yra Router-weighted Expert Activation Pruning iš Cerebras Research — „REAP the Experts: Why Pruning Prevails for One-Shot MoE Compression“, priimtas į ICLR 2026. Retame MoE maršrutizatorius nenaudoja savo ekspertų tolygiai: ilgoji uodega parenkama retai, silpnai arba ir taip, ir taip. REAP įvertina kiekvieną ekspertą, derindamas maršrutizatoriaus vartų reikšmes (kaip dažnai ir kaip stipriai jis parenkamas) su eksperto aktyvacijų normomis (kiek prisideda jo išvestis), o tada pralaimėjusius tiesiog ištrina.

Straipsnio argumentas — kad genėjimas nugali sujungimą: sujungimas išvidurkina funkcinę specializaciją, dėl kurios MoE apskritai vertėjo statyti, o ekspertų, kurių maršrutizatorius vos siekia, ištrynimas ją išsaugo. Modeliuose nuo 20 mlrd. iki 1 trln. REAP pranoko sujungimą ir konkuruojančius genėjimo metodus generatyviniuose etalonuose, o autoriai praneša apie beveik be nuostolių rezultatus kodo generavime ir įrankių iškvietime prie 50 % ekspertų genėjimo su Qwen3-Coder-480B ir Kimi-K2 — o tai kaip tik toks darbo krūvio profilis, dėl kurio šis modelis čia ir yra.

3 bitų svoriai: glaudinimo pakopa didžiausiems pagrindams

Tai, kas išlieka, tada kvantuojama iki 3 bitų svorių. Trys bitai yra agresyvu, ir mes to neslepiame: visoje linijoje naudojame W8A16 ten, kur pagrindas pakankamai mažas, kad spaudimo nereikėtų, W4A16-AUTOROUND-REAP viduryje, o 3BIT-REAP — tik didžiausiems pagrindams, kur tai yra skirtumas tarp modelio teikimo ir neteikimo.

Kompromisą verta pasakyti tiesiai: 3 bitų 1,6 trln. MoE nėra bitas į bitą tapatus etaloniniam leidimui, ir nedidelė kokybės kaina yra reali. Mainais gaunate pagrindą, kurio nesuglaudinta lubos yra kur kas aukščiau už bet ką, kas patogiai telpa didesniu tikslumu — o kadangi V4 ekspertai jau iš pradžių buvo mokomi FP4 tikslumu, modelis neįprastai gerai elgiasi toliau glaudinant svorius. Jei norite DeepSeek versijos su švelnesniu prisilietimu prie tikslumo, DeepSeek-V4-Flash-0731-W4A16-AUTOROUND-REAP naudoja 4 bitų svorius su 16 bitų aktyvacijomis ir AutoRound išmoktu apvalinimu, tame pačiame 262K kontekste už $0.50 įvestis / $2.00 išvestis.

05Samprotavimas ir reasoning_effort rankenėlė

V4 po mokymo atskirai treniruoja srities specialistus — matematikos, programavimo, agentų, nurodymų vykdymo — su SFT, po kurio eina GRPO, grupės santykinės politikos optimizavimo metodas, kurį DeepSeek pristatė su R1. Tie specialistai tada suvienijami į vieną modelį per politikos distiliavimą su atvirkštinio KL tikslu, todėl vienas kontrolinis taškas neša specialisto lygio elgseną keliose srityse iš karto, o ne yra visų galų meistras, vidutiniškas visur.

Išleistas modelis atveria laipsniškus mąstymo režimus, o ne dvejetainį jungiklį. Mūsų vartuose tai yra standartinis reasoning_effort parametras — pati naudingiausia šio modelio rankenėlė:

• Low — beveik tiesioginis atsakymas: klasifikavimas, ištraukimas, perrašymas, viskas, kur mokate už modelio žinias, o ne už jo svarstymą.
• Medium — numatytasis darbinis režimas kodo peržiūrai, klaidų paieškai ir kelių žingsnių analizei.
• High — ilgas svarstymas prieš atsakant. Čia išsprendžiami sunkūs uždaviniai ir čia gyvena jūsų išvesties žetonų sąskaita, nes samprotavimo žetonai apmokestinami kaip išvestis.

Kadangi atsisakymo sluoksnio nėra, samprotavimo pėdsakas jautriomis temomis nenutrūksta — minties slopinimo modeliui, užfiksuotam paties gamintojo paslaugoje, čia tiesiog nėra mechanizmo atsirasti.

06Kodas ir agentinis darbas: ką surenka pagrindas

Tai yra pačios DeepSeek-AI paskelbti V4-Pro leidimo skaičiai — ne mūsų ir ne išmatuoti mūsų kvantuotoje versijoje. Rodome juos todėl, kad tai sąžininga priežastis rinktis šį pagrindą, ir pažymime kaip gamintojo pateiktus, kad galėtumėte atitinkamai juos pasverti.

Du verti komentaro. SWE-bench Verified su 80,6 % yra realių saugyklų problemų sprendimas: nepažįstamo kodo skaitymas, defekto radimas, pataisymo, kuris pereina paties projekto testus, sukūrimas. MRCR prie milijono žetonų (83,5) yra kelių raundų koreferencijos paieška visame ilgyje — skaičius, kuris pasako, kad ilgo konteksto tvirtinimas nėra dekoratyvus. DeepSeek taip pat praneša apie modelio Codeforces reitingą 3206 ir 62,0 CorpusQA prie 1 mln. konteksto.

Aukščiau pateikti skaičiai yra DeepSeek-AI paskelbti etaloniniam DeepSeek-V4-Pro leidimui. Mūsų 3BIT-REAP versija yra suglaudintas tų svorių variantas ir nebuvo nepriklausomai išmatuota šiose užduotyse; laikykite etaloninius rezultatus pagrindo lubomis, o ne šio galinio taško matavimu.

07262K kontekstas: kas iš tiesų telpa

Etaloninis modelis apmokytas milijonui žetonų. Mes teikiame 262 144 — langą, kurį dalijasi kiekvienas vartų modelis, todėl modelio keitimas yra vienos eilutės pakeitimas ir niekada nėra konteksto regresija. Praktikoje 262K yra jau anapus taško, kur kontekstas riboja daugumą realių darbų:

Darbo krūvis	Apytiksliai žetonų	Telpa į 262K?
Vidutinio dydžio paslaugos saugykla (~50 tūkst. eilučių)	~600K	Ne — rinkitės modulius
Viena posistemė ir jos testai	~60–120K	Taip, laisvai
Visas protokolo RFC rinkinys	~150K	Taip
700 puslapių techninė knyga	~250K	Taip, ties riba
Ilgas agento vykdymas, 40+ įrankių ėjimų	~80–200K	Taip

Riba, kurią reikia numatyti, yra išvestis: daugiausia 16 384 žetonai vienam atsakymui. Tai ilgas dokumentas arba solidus kelių failų pataisymas, bet ne visa kodų bazė. Dideli generavimo darbai atliekami grandinėmis jungiant užklausas su ankstesne išvestimi grąžinta į kontekstą — o tai 262K langas daro pigu — o ne prašant vieno milžiniško atsakymo.

08Kaina ir V4-Pro vieta linijoje

Su $1.95 įvestis / $3.90 išvestis už milijoną žetonų V4-Pro yra flagmaninė samprotavimo pakopa — modelis, kurio imatės, kai uždavinys yra sunkus. Kai jis tiesiog didelis, pigesni modeliai tame pačiame 262K lange padarys tai už ketvirtadalį kainos.

Necenzūruotas modelis	Įvestis / 1 mln.	Išvestis / 1 mln.	Rega	Kam tinka geriausiai
DeepSeek-V4-Pro · 3BIT-REAP	$1.95	$3.90	Ne	Sunkiam samprotavimui, kodui, agentams
DeepSeek-V4-Flash · W4A16	$0.50	$2.00	Ne	Ta pati kilmė, dideli kiekiai
GLM-5.2 · 3BIT-REAP	$0.73	$2.34	Ne	Universalus darbinis arklys
Kimi-K3 · 3BIT-REAP	$3.83	$19.12	Taip	Aukščiausios klasės daugiamodaliams agentams
MiniMax-M3 · 3BIT-REAP	$0.50	$2.00	Taip	Pigiausia rega

Tiesiai apie palyginimą, kurį žmonės iš tikrųjų darys: paties DeepSeek API yra pigesnis už šį — gamintojo V4-Pro kainuoja apie $0.435 įvestis / $0.87 išvestis, o jų podėlio pataikymo įvesties kaina dar mažesnė. Jei kaina už žetoną yra vienintelis jūsų kriterijus, o moderavimo elgsena jūsų darbui neturi įtakos, naudokite gamintojo API; verčiau tai jums pasakysime, nei leisime sužinoti vėliau. Priemoka perka kitokį savybių rinkinį: jokio atsisakymo sluoksnio ir jokio išvesties filtro, JAV operatorių Shannon Lab LLC, pririštą datuotą kontrolinį tašką (0813), kad tylus atnaujinimas iš viršaus niekada nepakeistų jūsų išvesčių projekto viduryje, tris API dialektus vienam modeliui ir tą patį 262K langą bei parametrų paviršių visuose dvylikoje linijos modelių.

09Kaip kviesti: trys dialektai, vienas modelis

Kiekvienas vartų modelis atsako visuose trijuose galiniuose taškuose, kiekviename su srautiniu perdavimu. Jums nereikia perimti naujo SDK — pakeičiate bazinį URL ir modelio id.

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 dialektas; veikia su OpenAI SDK ir viskuo, kas ant jų pastatyta.
• /v1/messages — Anthropic dialektas, kodų bazėms, jau parašytoms pagal tą formą.
• /v1/responses — Responses tipo sąsaja.

Šiame modelyje palaikoma: srautinis perdavimas, savas įrankių iškvietimas, griežta json_schema struktūrizuota išvestis, response_format ir reasoning_effort. Pilnas parametrų žinynas ir gyva bandymų aikštelė yra API dokumentacijoje.

10Sąžiningi apribojimai

Keturi dalykai, kuriuos verta žinoti prieš statant ant jo:

• Regos nėra. Tik tekstas; jis nepriims vaizdų įvesties jokiame galiniame taške. Jei jums reikia necenzūruoto modelio, kuris mato, rinkitės Kimi-K3, Kimi-K2.6, MiniMax-M3, MiMo-V2.5 arba inkling.
• 16 384 žetonų išvesties riba. Esant dideliam intensyvumui samprotavimo žetonai skaičiuojami į ją, todėl ilgas svarstymas palieka mažiau vietos atsakymui. Didelius generavimo darbus junkite užklausų grandinėmis.
• 3 bitai yra tikras glaudinimas. Etaloniniai rezultatai apibūdina pagrindą, o ne šią versiją. Aukščiausio ištikimumo pakopoje W8A16 modeliai (MiMo-V2.5-Pro, MiMo-V2.5, Hy3) turi mažiausiai kvantavimo.
• Necenzūruota nereiškia be pasekmių. Jokio atsisakymo sluoksnio reiškia, kad atsakomybė už tai, ko klausiate, ir už tai, ką darote su atsakymu, tenka jums — pagal mūsų paslaugų teikimo sąlygas ir jūsų veiklos vietos įstatymus.

11Dažnai užduodami klausimai

---

Šaltiniai: DeepSeek-AI — DeepSeek-V4-Pro modelio kortelė · DeepSeek-V4 techninė ataskaita (CSA/HCA, mHC, Muon) · DeepSeek-V2 (MLA, DeepSeekMoE) · DeepSeek-V3 techninė ataskaita · REAP the Experts (Cerebras Research) · Promptfoo cenzūros auditas · Discovering Forbidden Topics in Language Models. Etalonų skaičiai yra DeepSeek-AI paskelbti etaloniniam leidimui; nepriklausomas trečiųjų šalių suglaudintos versijos patikrinimas dar laukiamas. Kainos yra Shannon AI kainoraščio kainos 2026 m. rugsėjo 5 d.