API DeepSeek Tanpa Tapisan

Orang yang tiba pada frasa "API DeepSeek tanpa tapisan" mahukan satu perkara khusus: model dengan kemampuan penaakulan dan pengekodan DeepSeek yang menjawab soalan yang benar-benar mereka tanya. Separuh keupayaan itu terdokumentasi dengan baik — DeepSeek-AI menerbitkan seni binanya dan angkanya, dan pemberatnya ada di Hugging Face di bawah MIT. Separuh yang kedua ialah keputusan operasi, dan ia biasanya dibuat untuk anda. Halaman ini merangkumi kedua-duanya: apa itu asas V4-Pro, apa yang binaan 3BIT-REAP kami lakukan padanya, dan tepat apa maksud "tanpa tapisan" apabila kami menyebutnya.

01Apa sebenarnya maksud "API DeepSeek tanpa tapisan"

Dua mekanisme berbeza difailkan di bawah perkataan yang sama. Yang pertama ialah penjajaran yang dibakar ke dalam pemberat — kelakuan penolakan yang dipelajari semasa pasca-latihan. Yang kedua ialah lapisan penyederhanaan di sisi penyajian: pengelas berasingan yang memeriksa gesaan anda sebelum model melihatnya dan memeriksa output sebelum anda melihatnya, dan boleh memotong respons di pertengahan ayat tanpa mengira apa yang model mahu katakan.

Kedua-duanya boleh diukur, dan perkhidmatan pihak pertama DeepSeek telah diukur. Promptfoo menghimpunkan set 1,360 gesaan soalan sensitif politik dan melaporkan bahawa R1 yang dihoskan DeepSeek menolak atau mengelak 1,156 daripadanya — kira-kira 85%. Kerja akademik pada keluarga yang sama menemui mod kegagalan tersendiri yang penulisnya panggil penindasan pemikiran, di mana jejak penaakulan model tamat hampir sebaik ia bermula pada topik sensitif. Audit berasingan yang diterbitkan dalam Information Sciences mendokumenkan penindasan peringkat semantik: kandungan yang hadir dalam penaakulan dalaman model tetapi diam-diam ditinggalkan atau ditulis semula sebelum sampai kepada pengguna. Itu masalah yang lebih sukar daripada penolakan terus terang, kerana jawapan yang terpotong kelihatan seperti jawapan.

Apa yang kami jalankan ialah keluaran pemberat terbuka, pada perkakasan yang kami kendalikan, di Amerika Syarikat, di bawah Shannon Lab LLC. Tiada lapisan penolakan di hadapan model dan tiada penapis dikenakan pada apa yang kembali: gesaan anda tidak dikelaskan untuk dasar sebelum disajikan, dan strim output tidak diperiksa dalam perjalanan keluar. Kerana asasnya berlesen MIT dan awam, anda boleh membandingkan output kami dengan pemberat rujukan sendiri dan bukan sekadar mempercayai kata kami.

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

DeepSeek-V4 ialah keluarga pemberat terbuka semasa DeepSeek-AI, dipratonton pada April 2026 dan dikeluarkan di bawah MIT dalam dua saiz: V4-Flash (284B jumlah, 13B diaktifkan) dan V4-Pro (1.6T jumlah, 49B diaktifkan). Artikel ini tentang tingkat Pro. Kedua-duanya dipralatih pada kira-kira 33 trilion token dan kedua-duanya menyokong konteks sejuta token secara asli.

Nisbah kejarangan itulah yang patut diperhatikan: hanya kira-kira 3% daripada parameter menyala pada mana-mana token, dan itulah yang menjadikan model sebesar ini boleh disajikan langsung. Blok MoE itu sendiri masih DeepSeekMoE — pakar terhala berbutir halus berserta pakar kongsi yang sentiasa hidup, yang diperkenalkan dalam V2 — dengan hanya perubahan V4 yang kecil, paling ketara penghalaan cincangan pada lapisan terawal. Multi-Token Prediction, objektif tambahan V3 yang turut membolehkan penyahkodan spekulatif, dikekalkan tanpa berubah.

Bahagian baharu dalam V4 bersifat struktur. Manifold-Constrained Hyper-Connections (mHC) menggantikan laluan sisa biasa dengan matriks pencampuran terpelajar yang dikekang pada manifold matriks stokastik berganda melalui unjuran Sinkhorn–Knopp — strim sisa yang menimbang semula mengikut input tanpa hanyutan berangka yang membunuh tindanan yang sangat dalam. Latihan berpindah daripada AdamW kepada Muon untuk kebanyakan modul, menggunakan pengortogonan Newton–Schulz, dengan AdamW dikekalkan hanya untuk pembenaman, kepala ramalan, penormalan dan parameter mHC statik. Dan pemberat pakar dilatih dalam FP4 dengan kebanyakan parameter lain dalam FP8 — sedar-kuantuman dari mula, dan itu penting bagi betapa anggunnya model itu menerima pemampatan lanjut.

03Daripada MLA kepada CSA + HCA: cara DeepSeek mengekalkan konteks panjang yang murah

Benang merah DeepSeek merentasi empat generasi bukan saiz, ia ekonomi perhatian. Setiap versi menyerang cache KV, yang membesar secara linear dengan konteks dan menguasai memori pada panjang yang jauh.

• V2 memperkenalkan Multi-head Latent Attention (MLA) — pemampatan bersama pangkat rendah bagi kunci dan nilai menjadi vektor laten, jadi penjanaan meng-cache vektor itu berserta kunci RoPE yang dipisahkan dan bukan K dan V penuh setiap kepala. DeepSeek melaporkan cache KV turun kepada kira-kira 4–14% berbanding perhatian berbilang kepala standard, dengan kualiti dikekalkan atau bertambah baik.
• V3 menskalakannya kepada 671B, menjadikan MLA andaian lalai bagi konteks panjang yang murah dalam model terbuka.
• V3.2 menambah DeepSeek Sparse Attention (DSA), memilih subset top-k daripada sejarah bagi setiap pertanyaan melalui pengindeks ringan dan bukan memberi perhatian kepada segala-galanya.
• V4 menghibridkan. Compressed Sparse Attention (CSA) mula-mula memampatkan entri KV setiap m token menjadi satu entri dengan pemberat terpelajar, kemudian menjalankan pemilihan jarang top-k ke atas entri termampat itu. Heavily Compressed Attention (HCA) memampatkan dengan jauh lebih agresif tetapi kekal padat ke atas hasilnya. Kedua-dua jenis lapisan diselang-selikan menerusi tindanan, jadi ringkasan global yang murah dan pencarian setempat yang tepat wujud bersama.

Ganjaran yang dilaporkan pada konteks sejuta token amat ketara: V4-Pro memerlukan kira-kira 27% daripada FLOP inferens setiap token dan 10% daripada cache KV berbanding V3.2. Sebab itulah permintaan 262K berkelakuan seperti permintaan biasa dan bukan peristiwa memori, dan sebab itulah angka pencarian konteks panjang bertahan dan bukan runtuh selepas beberapa puluh ribu token.

04Apa maksud akhiran 3BIT-REAP

Id katalog kami berakhir dengan 3BIT-REAP, dan itu menerangkan dua langkah pemampatan bebas yang dikenakan mengikut urutan.

REAP: memangkas pakar, bukan mencantumkannya

REAP ialah Router-weighted Expert Activation Pruning, daripada Cerebras Research — "REAP the Experts: Why Pruning Prevails for One-Shot MoE Compression", diterima ke ICLR 2026. Dalam MoE jarang, penghala tidak menggunakan pakarnya secara sekata: ekor panjang dipilih jarang, lemah, atau kedua-duanya. REAP memberi skor kepada setiap pakar dengan menggabungkan nilai get penghala (berapa kerap dan berapa kuat ia dipilih) dengan norma pengaktifan pakar (berapa banyak outputnya menyumbang), kemudian memadamkan yang kalah terus.

Hujah kertas itu ialah pemangkasan mengalahkan pencantuman: pencantuman meratakan pengkhususan fungsi yang menjadikan MoE itu berbaloi dibina, manakala memadamkan pakar yang hampir tidak dicapai penghala mengekalkannya. Merentasi model dari 20B hingga 1T, REAP mengatasi pencantuman dan kaedah pemangkasan pesaing pada penanda aras generatif, dan penulisnya melaporkan hasil hampir tanpa kehilangan pada penjanaan kod dan panggilan alat pada pemangkasan pakar 50% bagi Qwen3-Coder-480B dan Kimi-K2 — dan itulah tepatnya profil beban kerja yang model ini ada di sini untuknya.

Pemberat 3-bit: tingkat pemampatan bagi asas terbesar

Apa yang terselamat kemudian dikuantumkan kepada pemberat 3-bit. Tiga bit itu agresif, dan kami tidak berpura-pura sebaliknya: merentasi barisan ini kami menggunakan W8A16 apabila asasnya cukup kecil hingga tidak perlu dipicit, W4A16-AUTOROUND-REAP di pertengahan, dan 3BIT-REAP hanya pada asas terbesar, di mana ia menjadi beza antara menyajikan model itu dan tidak menyajikannya langsung.

Pertukaran itu berbaloi dinyatakan terus terang: MoE 1.6T pada 3-bit bukan serupa bit-demi-bit dengan keluaran rujukan, dan kos kualiti yang kecil itu nyata. Yang anda dapat sebagai balasannya ialah asas yang siling tanpa mampatannya jauh mengatasi apa jua yang muat dengan selesa pada ketepatan lebih tinggi — dan kerana pakar V4 dilatih dalam FP4 sejak awal, model itu luar biasa baik kelakuannya di bawah pemampatan pemberat lanjut. Jika anda mahukan binaan DeepSeek dengan sentuhan yang lebih ringan pada ketepatan, DeepSeek-V4-Flash-0731-W4A16-AUTOROUND-REAP menggunakan pemberat 4-bit dengan pengaktifan 16-bit dan pembundaran terpelajar AutoRound, pada konteks 262K yang sama pada $0.50 masuk / $2.00 keluar.

05Penaakulan, dan tombol reasoning_effort

Pasca-latihan V4 melatih pakar domain secara berasingan — matematik, pengekodan, ejen, pematuhan arahan — dengan SFT diikuti GRPO, kaedah Group Relative Policy Optimization yang DeepSeek perkenalkan bersama R1. Pakar-pakar itu kemudian disatukan menjadi satu model melalui penyulingan atas-dasar di bawah objektif KL songsang, jadi satu pusat semak membawa kelakuan bertaraf pakar dalam beberapa domain serentak dan bukan menjadi generalis yang sederhana dalam kesemuanya.

Model yang dikeluarkan mendedahkan mod pemikiran bergred dan bukan suis binari. Pada get laluan kami itu ialah parameter reasoning_effort yang standard, tombol paling berguna pada model ini:

• Rendah — menjawab hampir terus: pengelasan, pengekstrakan, penulisan semula, apa sahaja yang anda bayar untuk pengetahuan model dan bukan pertimbangannya.
• Sederhana — mod kerja lalai untuk semakan kod, penyahpepijatan dan analisis berbilang langkah.
• Tinggi — pertimbangan panjang sebelum menjawab. Di situlah masalah sukar diselesaikan, dan di situlah bil token output anda berada, kerana token penaakulan dibilkan sebagai output.

Kerana tiada lapisan penolakan, jejak penaakulan tidak dipotong pada subjek sensitif — corak penindasan pemikiran yang didokumenkan pada perkhidmatan pihak pertama itu tiada mekanisme untuk berlaku di sini.

06Kerja kod dan agentik: apa yang asas itu skorkan

Ini angka terbitan DeepSeek-AI sendiri bagi keluaran V4-Pro — bukan angka kami, dan bukan diukur pada binaan terkuantum kami. Kami tunjukkannya kerana itulah sebab jujur untuk memilih asas ini, dan kami tandakannya sebagai pihak pertama supaya anda boleh menimbangnya sewajarnya.

Dua daripadanya berbaloi dikomentari. SWE-bench Verified pada 80.6% ialah penyelesaian isu repositori sebenar — membaca pangkalan kod yang asing, mengesan kecacatan, menghasilkan tampalan yang lulus ujian projek itu sendiri. MRCR pada sejuta token (83.5) ialah pencarian korujukan berbilang pusingan pada panjang penuh, angka yang memberitahu anda bahawa dakwaan konteks panjang itu bukan hiasan. DeepSeek juga melaporkan penarafan Codeforces 3206 bagi model itu, dan 62.0 pada CorpusQA pada konteks 1J.

Angka di atas dilaporkan DeepSeek-AI bagi keluaran rujukan DeepSeek-V4-Pro. Binaan 3BIT-REAP kami ialah varian termampat pemberat itu dan belum ditanda aras secara bebas pada tugas-tugas ini; anggap skor rujukan itu sebagai siling asasnya, bukan sebagai pengukuran titik akhir ini.

07Konteks 262K: apa yang sebenarnya muat

Model rujukan dilatih untuk sejuta token. Kami menyajikan 262,144 — tetingkap yang dikongsi setiap model pada get laluan, jadi menukar model ialah perubahan satu baris dan tidak pernah menjadi kemunduran konteks. Dalam praktiknya 262K sudah melepasi titik di mana konteks mengikat bagi kebanyakan kerja sebenar:

Beban kerja	Anggaran token	Muat dalam 262K?
Repo perkhidmatan bersaiz sederhana (~50k baris)	~600K	Tidak — pilih modul
Satu subsistem + ujiannya	~60–120K	Ya, dengan selesa
Set RFC penuh bagi satu protokol	~150K	Ya
Sebuah buku teknikal 700 halaman	~250K	Ya, hampir had
Larian ejen panjang, 40+ pusingan alat	~80–200K	Ya

Had yang perlu dirancang sekelilingnya ialah output: maksimum 16,384 token setiap respons. Itu sebuah dokumen panjang atau tampalan berbilang fail yang agak besar, tetapi bukan sebuah pangkalan kod. Kerja penjanaan besar dilakukan dengan merantai permintaan sambil memasukkan semula output sebelumnya ke dalam konteks — dan tetingkap 262K menjadikannya murah — dan bukan dengan meminta satu penyiapan yang gergasi.

08Harga, dan kedudukan V4-Pro dalam barisan

Pada $1.95 masuk / $3.90 keluar setiap juta token, V4-Pro ialah tingkat penaakulan utama — model yang anda capai apabila masalahnya sukar. Apabila ia sekadar besar, model yang lebih murah pada tetingkap 262K yang sama akan melakukannya dengan suku harga.

Model tanpa tapisan	Masuk / 1J	Keluar / 1J	Visi	Terbaik untuk
DeepSeek-V4-Pro · 3BIT-REAP	$1.95	$3.90	Tidak	Penaakulan sukar, kod, ejen
DeepSeek-V4-Flash · W4A16	$0.50	$2.00	Tidak	Keturunan sama, volum tinggi
GLM-5.2 · 3BIT-REAP	$0.73	$2.34	Tidak	Kuda kerja serba guna
Kimi-K3 · 3BIT-REAP	$3.83	$19.12	Ya	Ejen multimodal peringkat atas
MiniMax-M3 · 3BIT-REAP	$0.50	$2.00	Ya	Visi termurah

Berterus terang tentang perbandingan yang orang benar-benar akan buat: API DeepSeek sendiri lebih murah daripada ini — V4-Pro pihak pertama tersenarai sekitar $0.435 masuk / $0.87 keluar, dan harga input cache-hit mereka lagi rendah. Jika harga setiap token satu-satunya kriteria anda dan kelakuan penyederhanaan tidak menjejaskan kerja anda, gunakan API pihak pertama; kami lebih rela memberitahu anda daripada anda mengetahuinya kemudian. Premium itu membeli set sifat yang berbeza: tiada lapisan penolakan dan tiada penapis output, pengendali AS di bawah Shannon Lab LLC, pusat semak bertarikh yang ditetapkan (0813) supaya naik taraf huluan yang senyap tidak pernah mengubah output anda di tengah projek, tiga dialek API terhadap satu model, dan tetingkap 262K serta permukaan parameter yang sama merentasi kesemua dua belas model dalam barisan ini.

09Memanggilnya: tiga dialek, satu model

Setiap model pada get laluan menjawab pada ketiga-tiga titik akhir, dengan penstriman pada setiap satu. Anda tidak perlu menerima pakai SDK baharu — anda tukar satu URL asas dan satu 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; berfungsi dengan SDK OpenAI dan apa jua yang dibina atasnya.
• /v1/messages — dialek Anthropic, untuk pangkalan kod yang sudah ditulis mengikut bentuk itu.
• /v1/responses — antara muka gaya Responses.

Disokong pada model ini: penstriman, panggilan alat asli, output berstruktur json_schema yang ketat, response_format, dan reasoning_effort. Rujukan parameter penuh dan taman permainan langsung ada dalam dokumentasi API.

10Had yang jujur

Empat perkara yang perlu diketahui sebelum anda membina di atasnya:

• Tiada visi. Teks sahaja; ia tidak akan menerima input imej pada mana-mana titik akhir. Jika anda perlukan model tanpa tapisan yang boleh melihat, gunakan Kimi-K3, Kimi-K2.6, MiniMax-M3, MiMo-V2.5 atau inkling.
• Siling output 16,384 token. Token penaakulan dikira terhadapnya pada usaha tinggi, jadi pertimbangan yang panjang meninggalkan ruang lebih sedikit untuk jawapan. Rantaikan permintaan untuk kerja penjanaan yang besar.
• 3-bit ialah pemampatan yang nyata. Skor rujukan menerangkan asasnya, bukan binaan ini. Untuk tingkat kesetiaan tertinggi, model W8A16 (MiMo-V2.5-Pro, MiMo-V2.5, Hy3) membawa kuantuman yang paling sedikit.
• Tanpa tapisan bukan bermakna tanpa akibat. Tiada lapisan penolakan bermakna tanggungjawab terhadap apa yang anda tanya, dan apa yang anda buat dengan jawapannya, terletak pada anda — di bawah terma perkhidmatan kami dan undang-undang di tempat anda beroperasi.

11Soalan lazim

---

Sumber: DeepSeek-AI — kad model DeepSeek-V4-Pro · Laporan teknikal DeepSeek-V4 (CSA/HCA, mHC, Muon) · DeepSeek-V2 (MLA, DeepSeekMoE) · Laporan teknikal DeepSeek-V3 · REAP the Experts (Cerebras Research) · Audit penapisan Promptfoo · Discovering Forbidden Topics in Language Models. Angka penanda aras dilaporkan DeepSeek-AI bagi keluaran rujukan; pengesahan pihak ketiga bebas bagi binaan termampat masih menunggu. Harga ialah harga senarai Shannon AI setakat 5 September 2026.