Necenzētais DeepSeek API

Cilvēki, kas nonāk pie frāzes „necenzēts DeepSeek API”, grib vienu konkrētu lietu: modeli ar DeepSeek spriešanas un kodēšanas spēju, kas atbild uz to jautājumu, ko viņi patiešām uzdeva. Spēju puse ir labi dokumentēta — DeepSeek-AI publicēja arhitektūru un skaitļus, un svari ir Hugging Face ar MIT licenci. Otrā puse ir darbināšanas lēmums, un parasti to pieņem jūsu vietā. Šī lapa aptver abas: kas ir V4-Pro pamatmodelis, ko ar to izdara mūsu 3BIT-REAP būve un ko tieši nozīmē „necenzēts”, kad to sakām mēs.

01Ko patiesībā nozīmē „necenzēts DeepSeek API”

Zem viena un tā paša vārda tiek sašķiroti divi dažādi mehānismi. Pirmais ir svaros iecepta saskaņošana — atteikuma uzvedība, kas iemācīta pēctreniņā. Otrais ir moderācijas slānis pasniegšanas pusē: atsevišķs klasifikators, kas pārbauda jūsu uzvedni, pirms modelis to redz, un izvadi, pirms to redzat jūs, un kas var nogriezt atbildi teikuma vidū neatkarīgi no tā, ko modelis gribēja pateikt.

Abi ir izmērāmi, un DeepSeek pirmās puses pakalpojums ir izmērīts. Promptfoo salika 1,360 politiski jutīgu jautājumu kopu un ziņoja, ka DeepSeek mitinātais R1 atteicās vai novirzīja 1,156 no tiem — aptuveni 85%. Akadēmisks darbs par to pašu saimi atrada atsevišķu kļūmes veidu, ko autori nosauca par domu apspiešanu: modeļa spriešanas pēdas beidzas gandrīz uzreiz pēc sākuma, tiklīdz tēma ir jutīga. Atsevišķs audits, publicēts žurnālā Information Sciences, dokumentēja semantiska līmeņa apspiešanu — saturu, kas ir modeļa iekšējā spriešanā, bet tiek klusi izlaists vai pārrakstīts, pirms sasniedz lietotāju. Tā ir grūtāka problēma nekā tiešs atteikums, jo apcirsta atbilde izskatās pēc atbildes.

Mēs darbinām atvērto svaru laidienu uz aparatūras, ko uzturam paši, Amerikas Savienotajās Valstīs, Shannon Lab LLC pakļautībā. Modeļa priekšā nav atteikuma slāņa, un tam, kas nāk atpakaļ, netiek pielietots filtrs: jūsu uzvedne pirms apkalpošanas netiek klasificēta pēc politikas, un izvades straume ceļā ārā netiek pārbaudīta. Tā kā pamatmodelis ir MIT licencēts un publisks, jūs varat paši salīdzināt mūsu izvadi ar atsauces svariem, nevis ticēt mums uz vārda.

02Pamats: DeepSeek-V4-Pro, 1.6T MoE

DeepSeek-V4 ir DeepSeek-AI pašreizējā atvērto svaru saime, priekšskatīta 2026. gada aprīlī un izlaista ar MIT licenci divos izmēros: V4-Flash (284B kopā, 13B aktivēti) un V4-Pro (1.6T kopā, 49B aktivēti). Šis raksts ir par Pro līmeni. Abi tika iepriekštrenēti uz aptuveni 33 triljoniem tokenu, un abi jau sākotnēji atbalsta viena miljona tokenu kontekstu.

Vērā ņemamā lieta ir retuma attiecība: uz jebkuru konkrēto tokenu nostrādā tikai aptuveni 3% parametru, un tieši tas padara šāda izmēra modeli vispār pasniedzamu. Pats MoE bloks joprojām ir DeepSeekMoE — smalki graduētie maršrutētie eksperti plus vienmēr ieslēgtie koplietotie eksperti, kas ieviesti V2 — ar tikai nelielām V4 izmaiņām, no kurām redzamākā ir jaucējmaršrutēšana viszemākajos slāņos. Multi-Token Prediction, V3 palīgmērķis, kas ļauj arī spekulatīvo dekodēšanu, ir saglabāts nemainīgs.

Jaunās daļas V4 ir strukturālas. Manifold-Constrained Hyper-Connections (mHC) aizstāj vienkāršo reziduālo ceļu ar iemācītu sajaukšanas matricu, kas ar Sinkhorna–Knopa projekciju ierobežota uz divkārši stohastisko matricu daudzveidni — reziduāla straume, kas pārsver sevi atkarībā no ievades bez tās skaitliskās nobīdes, kura nogalina ļoti dziļus stekus. Treniņš lielākajai daļai moduļu pārgāja no AdamW uz Muon, izmantojot Ņūtona–Šulca ortogonalizāciju, un AdamW palika tikai iegulumiem, prognozes galvām, normalizācijai un statiskajiem mHC parametriem. Un ekspertu svari tiek trenēti FP4, kamēr lielākā daļa pārējo parametru ir FP8 — kvantēšanu apzinoties jau no paša sākuma, kas ir svarīgi tam, cik graciozi modelis panes tālāku saspiešanu.

03No MLA uz CSA + HCA: kā DeepSeek notur garo kontekstu lētu

DeepSeek caurvijošā līnija četrās paaudzēs nav izmērs, bet uzmanības ekonomika. Katra versija ir uzbrukusi KV kešatmiņai, kas aug lineāri ar kontekstu un lielos garumos dominē atmiņā.

• V2 ieviesa Multi-head Latent Attention (MLA) — zema ranga kopēju atslēgu un vērtību saspiešanu latentā vektorā, tā ka ģenerēšana kešo šo vektoru plus atsaistītu RoPE atslēgu, nevis pilnas K un V katrai galvai. DeepSeek ziņoja par KV kešatmiņu, kas nokritusi līdz aptuveni 4–14% no standarta daudzgalvu uzmanības, kvalitātei paliekot tādai pašai vai uzlabojoties.
• V3 to izmērogoja līdz 671B, padarot MLA par noklusēto pieņēmumu lētam garam kontekstam atvērtajos modeļos.
• V3.2 pievienoja DeepSeek Sparse Attention (DSA), ar vieglu indeksētāju izvēloties top-k vēstures apakškopu katram vaicājumam, nevis pievēršoties visam.
• V4 hibridizē. Compressed Sparse Attention (CSA) vispirms saspiež katru m tokenu KV ierakstus vienā ierakstā ar iemācītiem svariem, tad palaiž retinātu top-k atlasi pār šiem saspiestajiem ierakstiem. Heavily Compressed Attention (HCA) saspiež daudz agresīvāk, bet pār rezultātu paliek blīva. Abi slāņu tipi ir mīti cauri stekam, tāpēc lēts globāls kopsavilkums un precīza lokāla atgūšana pastāv līdzās.

Ziņotais ieguvums pie viena miljona tokenu konteksta ir krass: V4-Pro vajag aptuveni 27% no V3.2 uz tokenu izsecināšanas FLOP un 10% no tā KV kešatmiņas. Tāpēc 262K pieprasījums uzvedas kā normāls pieprasījums, nevis kā atmiņas notikums, un tāpēc garā konteksta atgūšanas skaitļi noturas, nevis sabrūk pēc dažiem desmitiem tūkstošu tokenu.

04Ko nozīmē piedēklis 3BIT-REAP

Mūsu kataloga id beidzas ar 3BIT-REAP, un tas apraksta divus neatkarīgus saspiešanas soļus, kas pielietoti pēc kārtas.

REAP: ekspertu atzarošana, nevis saplūdināšana

REAP ir Router-weighted Expert Activation Pruning no Cerebras Research — „REAP the Experts: Why Pruning Prevails for One-Shot MoE Compression”, pieņemts ICLR 2026. Retā MoE maršrutētājs neizmanto savus ekspertus vienmērīgi: gara aste tiek izvēlēta reti, vāji vai abējādi. REAP novērtē katru ekspertu, apvienojot maršrutētāja vārtu vērtības (cik bieži un cik stipri tas tiek izvēlēts) ar eksperta aktivāciju normām (cik daudz dod tā izvade), un tad zaudētājus vienkārši izdzēš.

Raksta arguments ir, ka atzarošana pārspēj saplūdināšanu: saplūdināšana izvidējo to funkcionālo specializāciju, kuras dēļ MoE vispār bija vērts būvēt, kamēr to ekspertu dzēšana, līdz kuriem maršrutētājs tik tikko sniedzas, to saglabā. Modeļos no 20B līdz 1T REAP pārspēja gan saplūdināšanu, gan konkurējošās atzarošanas metodes uz ģeneratīvajiem etaloniem, un autori ziņo par gandrīz bezzudumu rezultātiem koda ģenerēšanā un rīku izsaukšanā pie 50% ekspertu atzarošanas uz Qwen3-Coder-480B un Kimi-K2 — un tas ir tieši tas darba slodzes profils, kura dēļ šis modelis šeit ir.

3 bitu svari: saspiešanas līmenis lielākajiem pamatmodeļiem

Tas, kas paliek pāri, tad tiek kvantēts uz 3 bitu svariem. Trīs biti ir agresīvi, un mēs neizliekamies citādi: visā klāstā mēs lietojam W8A16 tur, kur pamatmodelis ir pietiekami mazs, lai spiediens nebūtu vajadzīgs, W4A16-AUTOROUND-REAP vidū un 3BIT-REAP tikai uz lielākajiem pamatmodeļiem, kur tā ir starpība starp modeļa pasniegšanu un nepasniegšanu.

Kompromiss ir jāizsaka skaidri: 3 bitu 1.6T MoE nav bitu ziņā identisks atsauces laidienam, un neliela kvalitātes cena ir reāla. Pretī jūs dabūjat pamatmodeli, kura nesaspiestie griesti ir daudz augstāk par jebko, kas ērti ietilptu augstākā precizitātē — un tā kā V4 eksperti jau sākotnēji tika trenēti FP4, modelis panes tālāku svaru saspiešanu neparasti labi. Ja gribat DeepSeek būvi ar vieglāku pieskārienu precizitātei, DeepSeek-V4-Flash-0731-W4A16-AUTOROUND-REAP izmanto 4 bitu svarus ar 16 bitu aktivācijām un AutoRound iemācīto noapaļošanu, uz tā paša 262K konteksta par $0.50 ievadē / $2.00 izvadē.

05Spriešana un reasoning_effort regulators

V4 pēctreniņš trenē domēna speciālistus atsevišķi — matemātika, kods, aģenti, instrukciju izpilde — ar SFT, kam seko GRPO, Group Relative Policy Optimization metode, ko DeepSeek ieviesa ar R1. Šie speciālisti tad tiek apvienoti vienā modelī ar politikai atbilstošu destilāciju pēc apgrieztā KL mērķa, tāpēc viens kontrolpunkts nes speciālista līmeņa uzvedību vairākos domēnos vienlaikus, nevis ir vispārinātājs, kas visos ir viduvējs.

Izlaistais modelis atklāj pakāpeniskus domāšanas režīmus, nevis binārus slēdzi. Mūsu vārtejā tas ir standarta parametrs reasoning_effort, noderīgākais regulators uz šī modeļa:

• Low — gandrīz tieša atbildēšana: klasifikācija, ekstrakcija, pārrakstīšana, viss, kur maksājat par modeļa zināšanām, nevis par tā apdomāšanos.
• Medium — noklusētais darba režīms koda pārskatīšanai, atkļūdošanai un daudzsoļu analīzei.
• High — ilga apdomāšanās pirms atbildes. Tur tiek atrisinātas grūtās problēmas un tur dzīvo jūsu izvades tokenu rēķins, jo spriešanas tokeni tiek norēķināti kā izvade.

Tā kā atteikuma slāņa nav, spriešanas pēdas pie jutīgas tēmas netiek apcirstas — domu apspiešanas rakstam, kas dokumentēts pirmās puses pakalpojumā, šeit vienkārši nav mehānisma, kā rasties.

06Kods un aģentiskais darbs: ko sasniedz pamatmodelis

Šie ir DeepSeek-AI paša publicētie skaitļi V4-Pro laidienam — nevis mūsu un nevis mērīti uz mūsu kvantētās būves. Mēs tos rādām, jo tie ir godīgais iemesls izvēlēties šo pamatmodeli, un atzīmējam kā pirmās puses datus, lai jūs varētu tos attiecīgi nosvērt.

Divi ir komentāra vērti. SWE-bench Verified pie 80.6% ir reālu repozitoriju problēmu risināšana — nepazīstamas kodu bāzes lasīšana, defekta atrašana, tāda ielāpa izveide, kas iztur paša projekta testus. MRCR pie viena miljona tokenu (83.5) ir daudzkārtu koreferences atgūšana pilnā garumā — skaitlis, kas pasaka, ka garā konteksta apgalvojums nav dekorācija. DeepSeek modelim ziņo arī Codeforces reitingu 3206 un 62.0 uz CorpusQA pie 1M konteksta.

Iepriekš minētie skaitļi ir DeepSeek-AI ziņoti DeepSeek-V4-Pro atsauces laidienam. Mūsu 3BIT-REAP būve ir šo svaru saspiests variants, un šajos uzdevumos tā nav neatkarīgi mērīta ar etaloniem; uzskatiet atsauces rezultātus par pamatmodeļa griestiem, nevis par šī galapunkta mērījumu.

07262K konteksts: kas tur patiešām ietilpst

Atsauces modelis ir trenēts miljonam tokenu. Mēs pasniedzam 262,144 — logu, ko dala visi vārtejas modeļi, tāpēc modeļa nomaiņa ir vienas rindas izmaiņa un nekad nav konteksta regresija. Praksē 262K ir jau aiz tā punkta, kur vairumam reālā darba konteksts kļūst par ierobežojumu:

Darba slodze	Aptuveni tokenu	Ietilpst 262K?
Vidēja izmēra pakalpojuma repozitorijs (~50k rindu)	~600K	Nē — atlasiet moduļus
Viena apakšsistēma + tās testi	~60–120K	Jā, ērti
Pilns protokola RFC komplekts	~150K	Jā
700 lappušu tehniska grāmata	~250K	Jā, tuvu robežai
Garš aģenta gājiens, 40+ rīku kārtas	~80–200K	Jā

Ierobežojums, ap kuru jāplāno, ir izvade: maksimāli 16,384 tokeni vienā atbildē. Tas ir garš dokuments vai vērā ņemams vairāku failu ielāps, bet ne kodu bāze. Lielus ģenerēšanas darbus paveic, ķēdējot pieprasījumus ar iepriekšējo izvadi atpakaļ kontekstā — ko 262K logs padara lētu —, nevis prasot vienu milzīgu pabeigumu.

08Cena un V4-Pro vieta klāstā

Par $1.95 ievadē / $3.90 izvadē par miljonu tokenu V4-Pro ir flagmaņa spriešanas līmenis — modelis, pēc kura sniedzaties, kad problēma ir grūta. Kad tā ir tikai liela, lētāki modeļi uz tā paša 262K loga to izdarīs par ceturto daļu cenas.

Necenzēts modelis	Ievade / 1M	Izvade / 1M	Redze	Vislabāk der
DeepSeek-V4-Pro · 3BIT-REAP	$1.95	$3.90	Nē	Grūta spriešana, kods, aģenti
DeepSeek-V4-Flash · W4A16	$0.50	$2.00	Nē	Tā pati cilts, lieli apjomi
GLM-5.2 · 3BIT-REAP	$0.73	$2.34	Nē	Universāls darba zirgs
Kimi-K3 · 3BIT-REAP	$3.83	$19.12	Jā	Augstākā līmeņa multimodāli aģenti
MiniMax-M3 · 3BIT-REAP	$0.50	$2.00	Jā	Lētākā redze

Būsim taisni par to salīdzinājumu, ko cilvēki patiešām veiks: DeepSeek paša API ir lētāks par šo — pirmās puses V4-Pro cenrādī ir aptuveni $0.435 ievadē / $0.87 izvadē, un to kešatmiņas trāpījumu ievades cena ir vēl zemāka. Ja cena par tokenu ir jūsu vienīgais kritērijs un moderācijas uzvedība jūsu darbu neietekmē, izmantojiet pirmās puses API; labāk mēs jums to pasakām, nekā jūs to uzzināt vēlāk. Piemaksa pērk citu īpašību kopu: nav atteikuma slāņa un nav izvades filtra, ASV operators Shannon Lab LLC, piesprausts datēts kontrolpunkts (0813), lai kluss augšupējs jauninājums nekad projekta vidū nemainītu jūsu izvadi, trīs API dialekti pret vienu modeli un tas pats 262K logs un parametru virsma visiem divpadsmit klāsta modeļiem.

09Kā to izsaukt: trīs dialekti, viens modelis

Katrs vārtejas modelis atbild visos trīs galapunktos, katrā ar straumēšanu. Jums nav jāpieņem jauna SDK — jūs nomaināt bāzes URL un modeļa 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 dialekts; strādā ar OpenAI SDK un visu, kas uz tiem uzbūvēts.
• /v1/messages — Anthropic dialekts, kodu bāzēm, kas jau uzrakstītas pret šo formu.
• /v1/responses — Responses stila saskarne.

Uz šī modeļa tiek atbalstīts: straumēšana, iebūvēta rīku izsaukšana, stingra json_schema strukturēta izvade, response_format un reasoning_effort. Pilna parametru atsauce un dzīva izmēģinājumu vide ir API dokumentācijā.

10Godīgi ierobežojumi

Četras lietas, kas jāzina, pirms uz tā būvējat:

• Nav redzes. Tikai teksts; tas nepieņems attēlu ievadi nevienā galapunktā. Ja jums vajag necenzētu modeli, kas redz, izmantojiet Kimi-K3, Kimi-K2.6, MiniMax-M3, MiMo-V2.5 vai inkling.
• 16,384 tokenu izvades griesti. Pie augstas intensitātes spriešanas tokeni tiek ieskaitīti tajos, tāpēc ilga apdomāšanās atstāj mazāk vietas atbildei. Lieliem ģenerēšanas darbiem ķēdējiet pieprasījumus.
• 3 biti ir īsta saspiešana. Atsauces rezultāti apraksta pamatmodeli, nevis šo būvi. Augstākās precizitātes līmenim W8A16 modeļi (MiMo-V2.5-Pro, MiMo-V2.5, Hy3) nes vismazāko kvantēšanu.
• Necenzēts nenozīmē bez sekām. Atteikuma slāņa neesamība nozīmē, ka atbildība par to, ko prasāt, un par to, ko ar atbildi darāt, gulstas uz jums — saskaņā ar mūsu pakalpojumu sniegšanas noteikumiem un tās vietas likumiem, kur darbojaties.

11Biežāk uzdotie jautājumi

---

Avoti: DeepSeek-AI — DeepSeek-V4-Pro modeļa karte · DeepSeek-V4 tehniskais ziņojums (CSA/HCA, mHC, Muon) · DeepSeek-V2 (MLA, DeepSeekMoE) · DeepSeek-V3 tehniskais ziņojums · REAP the Experts (Cerebras Research) · Promptfoo cenzūras audits · Discovering Forbidden Topics in Language Models. Etalonu skaitļi ir DeepSeek-AI ziņoti atsauces laidienam; neatkarīga trešās puses saspiestās būves pārbaude vēl nav veikta. Cenas ir Shannon AI cenrāža cenas uz 2026. gada 5. septembri.