De ongecensureerde DeepSeek-API

Wie bij de term "ongecensureerde DeepSeek API" uitkomt, wil één specifiek ding: een model met het redeneer- en codeervermogen van DeepSeek dat de vraag beantwoordt die daadwerkelijk is gesteld. De helft die over kunnen gaat, is goed gedocumenteerd — DeepSeek-AI publiceerde de architectuur en de cijfers, en de gewichten staan onder MIT op Hugging Face. De tweede helft is een exploitatiebeslissing, en die wordt doorgaans voor u genomen. Deze pagina behandelt beide: wat het V4-Pro-basismodel is, wat onze 3BIT-REAP-build ermee doet, en wat "ongecensureerd" precies betekent wanneer wij het zeggen.

01Wat "ongecensureerde DeepSeek API" werkelijk betekent

Twee verschillende mechanismen worden onder hetzelfde woord geschaard. Het eerste is alignment die in de gewichten is ingebakken — weigergedrag dat tijdens de post-training is aangeleerd. Het tweede is een moderatielaag aan de serverkant: een aparte classifier die uw prompt inspecteert voordat het model die ziet en de uitvoer voordat u die ziet, en die een antwoord midden in een zin kan afkappen, ongeacht wat het model wilde zeggen.

Beide zijn meetbaar, en de first-party dienst van DeepSeek is gemeten. Promptfoo stelde een set van 1.360 politiek gevoelige vragen samen en rapporteerde dat de gehoste R1 van DeepSeek er 1.156 van weigerde of ontweek — ruwweg 85%. Academisch werk aan dezelfde familie vond een aparte faalmodus die de auteurs thought suppression noemden, waarbij het redeneerspoor van het model vrijwel meteen na de start eindigt zodra het onderwerp gevoelig is. Een aparte audit, gepubliceerd in Information Sciences, documenteerde onderdrukking op semantisch niveau: inhoud die wel in het interne redeneren van het model aanwezig is, maar stilletjes wordt weggelaten of herschreven voordat ze de gebruiker bereikt. Dat is een lastiger probleem dan een regelrechte weigering, want een afgekapt antwoord ziet eruit als een antwoord.

Wat wij draaien is de open-weights-release, op hardware die wij zelf beheren, in de Verenigde Staten, onder Shannon Lab LLC. Er is geen weigeringslaag vóór het model en geen filter op wat terugkomt: uw prompt wordt niet op beleid geclassificeerd voordat hij wordt bediend, en de uitvoerstroom wordt onderweg naar buiten niet geïnspecteerd. Omdat het basismodel MIT-gelicentieerd en openbaar is, kunt u onze uitvoer zelf vergelijken met de referentiegewichten in plaats van ons op ons woord te geloven.

02Het basismodel: DeepSeek-V4-Pro, een MoE van 1.6T

DeepSeek-V4 is de huidige open-weights-familie van DeepSeek-AI, in april 2026 als preview getoond en onder MIT uitgebracht in twee maten: V4-Flash (284B totaal, 13B geactiveerd) en V4-Pro (1.6T totaal, 49B geactiveerd). Dit artikel gaat over de Pro-laag. Beide zijn voorgetraind op ruwweg 33 biljoen tokens en beide ondersteunen van nature een context van een miljoen tokens.

De spaarzaamheidsverhouding is wat opvalt: slechts ongeveer 3% van de parameters vuurt op een willekeurig token, en dat is wat een model van deze omvang überhaupt serveerbaar maakt. Het MoE-blok zelf is nog steeds DeepSeekMoE — de fijnmazig gerouteerde experts plus altijd actieve gedeelde experts die in V2 zijn geïntroduceerd — met slechts kleine V4-wijzigingen, het duidelijkst zichtbaar als hashrouting in de vroegste lagen. Multi-Token Prediction, het hulpdoel uit V3 dat ook speculative decoding mogelijk maakt, is ongewijzigd behouden.

De nieuwe onderdelen in V4 zijn structureel. Manifold-Constrained Hyper-Connections (mHC) vervangen het gewone residuele pad door een geleerde mengmatrix die via een Sinkhorn–Knopp-projectie wordt beperkt tot de variëteit van dubbelstochastische matrices — een residuele stroom die per invoer herweegt zonder de numerieke drift die zeer diepe stapels om zeep helpt. De training stapte voor de meeste modules van AdamW over op Muon, met Newton–Schulz-orthogonalisatie, waarbij AdamW alleen behouden bleef voor embeddings, voorspellingskoppen, normalisatie en de statische mHC-parameters. En de expertgewichten worden getraind in FP4, met de meeste andere parameters in FP8 — vanaf het begin kwantisatiebewust, wat uitmaakt voor hoe soepel het model verdere compressie verdraagt.

03Van MLA naar CSA + HCA: hoe DeepSeek lange context goedkoop houdt

De rode draad bij DeepSeek door vier generaties heen is niet omvang, maar de economie van attention. Elke versie heeft de KV-cache aangevallen, die lineair meegroeit met de context en het geheugen bij grote lengtes domineert.

• V2 introduceerde Multi-head Latent Attention (MLA) — een gezamenlijke laagrangcompressie van keys en values tot één latente vector, zodat de generatie die vector plus een ontkoppelde RoPE-key cachet in plaats van volledige K en V per head. DeepSeek rapporteerde een KV-cache van ruwweg 4–14% van standaard multi-head attention, met gelijkblijvende of betere kwaliteit.
• V3 schaalde dat naar 671B en maakte MLA tot de standaardaanname voor goedkope lange context in open modellen.
• V3.2 voegde DeepSeek Sparse Attention (DSA) toe, dat per query via een lichte indexer een top-k-deelverzameling van de geschiedenis selecteert in plaats van alles mee te nemen.
• V4 hybridiseert. Compressed Sparse Attention (CSA) comprimeert eerst de KV-entries van elke m tokens tot één entry met geleerde gewichten, en voert daarna spaarzame top-k-selectie uit over die gecomprimeerde entries. Heavily Compressed Attention (HCA) comprimeert veel agressiever maar blijft dicht over het resultaat. De twee lagentypen zijn door de stapel heen afgewisseld, zodat een goedkope globale samenvatting en precieze lokale retrieval naast elkaar bestaan.

De gerapporteerde winst bij een context van een miljoen tokens is opvallend: V4-Pro heeft ongeveer 27% van de inferentie-FLOPs per token en 10% van de KV-cache van V3.2 nodig. Daarom gedraagt een verzoek van 262K zich als een normaal verzoek in plaats van als een geheugengebeurtenis, en daarom houden de retrievalcijfers bij lange context stand in plaats van in te storten voorbij enkele tienduizenden tokens.

04Wat het achtervoegsel 3BIT-REAP betekent

Onze catalogus-id eindigt op 3BIT-REAP, en dat beschrijft twee onafhankelijke compressiestappen die op volgorde zijn toegepast.

REAP: experts snoeien, niet samenvoegen

REAP staat voor Router-weighted Expert Activation Pruning, van Cerebras Research — "REAP the Experts: Why Pruning Prevails for One-Shot MoE Compression", geaccepteerd voor ICLR 2026. In een spaarzame MoE gebruikt de router zijn experts niet gelijkmatig: een lange staart wordt zelden gekozen, zwak gekozen, of allebei. REAP scoort elke expert door routergatewaarden (hoe vaak en hoe sterk hij wordt gekozen) te combineren met activatienormen van de expert (hoeveel zijn uitvoer bijdraagt), en verwijdert de verliezers vervolgens volledig.

Het argument van het paper is dat snoeien beter is dan samenvoegen: samenvoegen middelt de functionele specialisatie weg die de MoE de moeite waard maakte, terwijl het verwijderen van de experts die de router nauwelijks bereikt die specialisatie juist behoudt. Over modellen van 20B tot 1T presteerde REAP beter dan samenvoegen en dan concurrerende snoeimethoden op generatieve benchmarks, en de auteurs rapporteren vrijwel verliesvrije resultaten op codegeneratie en tool calling bij 50% expert pruning op Qwen3-Coder-480B en Kimi-K2 — precies het werklastprofiel waarvoor dit model hier staat.

3-bits gewichten: de compressielaag voor de grootste basismodellen

Wat overblijft wordt vervolgens gekwantiseerd naar gewichten van 3 bits. Drie bits is agressief, en we doen niet alsof dat anders is: binnen de reeks gebruiken we W8A16 waar het basismodel klein genoeg is om die knijp niet nodig te hebben, W4A16-AUTOROUND-REAP in het midden, en 3BIT-REAP alleen op de grootste basismodellen, waar het het verschil is tussen het model wél of niet serveren.

De afweging is het waard om onomwonden te benoemen: een MoE van 1.6T op 3 bits is niet bit-identiek aan de referentierelease, en een kleine kwaliteitskost is reëel. Wat u ervoor terugkrijgt is een basismodel waarvan het ongecomprimeerde plafond ver boven alles ligt wat comfortabel bij hogere precisie past — en omdat de experts van V4 van meet af aan in FP4 zijn getraind, gedraagt het model zich ongewoon netjes onder verdere gewichtscompressie. Wilt u een DeepSeek-build met een lichtere hand op de precisie, dan gebruikt DeepSeek-V4-Flash-0731-W4A16-AUTOROUND-REAP 4-bits gewichten met 16-bits activaties en de geleerde afronding van AutoRound, op dezelfde 262K context voor $0.50 in / $2.00 uit.

05Redeneren, en de reasoning_effort-knop

De post-training van V4 traint domeinspecialisten apart — wiskunde, code, agents, instructie-opvolging — met SFT gevolgd door GRPO, de Group Relative Policy Optimization-methode die DeepSeek met R1 introduceerde. Die specialisten worden vervolgens tot één model verenigd via on-policy distillatie onder een reverse-KL-doel, zodat één checkpoint tegelijk gedrag op specialistniveau in meerdere domeinen draagt in plaats van een generalist te zijn die overal middelmatig in is.

Het uitgebrachte model biedt gegradeerde denkmodi in plaats van een aan-uitschakelaar. Op onze gateway is dat de standaardparameter reasoning_effort, veruit de nuttigste knop op dit model:

• Low — vrijwel direct antwoorden: classificatie, extractie, herschrijven, alles waarbij u betaalt voor de kennis van het model en niet voor zijn overweging.
• Medium — de standaard werkmodus voor codereview, debuggen en analyse in meerdere stappen.
• High — lang overwegen voordat er wordt geantwoord. Waar de moeilijke problemen worden opgelost, en waar uw rekening voor uitvoertokens ontstaat, want redeneertokens worden als uitvoer gefactureerd.

Omdat er geen weigeringslaag is, wordt het redeneerspoor bij gevoelig onderwerp niet afgekapt — het patroon van thought suppression dat op de first-party dienst is gedocumenteerd, heeft hier geen mechanisme om op te treden.

06Code en agentisch werk: wat het basismodel scoort

Dit zijn DeepSeek-AI's eigen gepubliceerde cijfers voor de V4-Pro-release — niet die van ons, en niet gemeten op onze gekwantiseerde build. We tonen ze omdat ze de eerlijke reden zijn om voor dit basismodel te kiezen, en markeren ze als first-party zodat u ze naar waarde kunt wegen.

Twee verdienen toelichting. SWE-bench Verified op 80.6% is het oplossen van issues in echte repository's — een onbekende codebase lezen, het defect lokaliseren, en een patch maken die de eigen tests van het project doorstaat. MRCR op een miljoen tokens (83.5) is coreferentie-retrieval over meerdere ronden op volle lengte, het cijfer dat u vertelt dat de claim over lange context geen decoratie is. DeepSeek rapporteert voor het model verder een Codeforces-rating van 3206, en 62.0 op CorpusQA bij 1M context.

Bovenstaande cijfers zijn door DeepSeek-AI gerapporteerd voor de referentierelease van DeepSeek-V4-Pro. Onze 3BIT-REAP-build is een gecomprimeerde variant van die gewichten en is voor deze taken niet onafhankelijk gebenchmarkt; beschouw de referentiescores als het plafond van het basismodel, niet als een meting van dit endpoint.

07262K context: wat er werkelijk in past

Het referentiemodel is getraind voor een miljoen tokens. Wij serveren 262,144 — het venster dat elk model op de gateway deelt, zodat van model wisselen een wijziging van één regel is en nooit een teruggang in context. In de praktijk ligt 262K voorbij het punt waarop context knelt voor het meeste echte werk:

Werklast	Ongeveer tokens	Past in 262K?
Middelgrote servicerepo (~50k regels)	~600K	Nee — selecteer modules
Eén subsysteem plus zijn tests	~60–120K	Ja, ruimschoots
Volledige RFC-set voor een protocol	~150K	Ja
Een technisch boek van 700 pagina's	~250K	Ja, tegen de grens aan
Lange agentrun, 40+ toolbeurten	~80–200K	Ja

De grens waar u omheen moet plannen is de uitvoer: maximaal 16,384 tokens per antwoord. Dat is een lang document of een substantiële patch over meerdere bestanden, maar geen codebase. Grote generatieklussen doet u door verzoeken te ketenen met de vorige uitvoer terug in de context — wat het venster van 262K goedkoop maakt — in plaats van door één enorme completion te vragen.

08Prijs, en waar V4-Pro in de reeks staat

Met $1.95 in / $3.90 uit per miljoen tokens is V4-Pro de vlaggenschiplaag voor redeneren — het model waar u naar grijpt wanneer het probleem moeilijk is. Wanneer het slechts groot is, doen goedkopere modellen op hetzelfde venster van 262K het voor een kwart van de prijs.

Ongecensureerd model	In / 1M	Uit / 1M	Vision	Het best voor
DeepSeek-V4-Pro · 3BIT-REAP	$1.95	$3.90	Nee	Moeilijk redeneren, code, agents
DeepSeek-V4-Flash · W4A16	$0.50	$2.00	Nee	Dezelfde afkomst, hoog volume
GLM-5.2 · 3BIT-REAP	$0.73	$2.34	Nee	Algemeen werkpaard
Kimi-K3 · 3BIT-REAP	$3.83	$19.12	Ja	Multimodale agents in de topklasse
MiniMax-M3 · 3BIT-REAP	$0.50	$2.00	Ja	Goedkoopste vision

Eerlijk over de vergelijking die mensen werkelijk zullen maken: de eigen API van DeepSeek is goedkoper dan deze — first-party V4-Pro staat rond $0.435 in / $0.87 uit, en hun prijs voor invoer bij een cachehit ligt nog lager. Is de prijs per token uw enige criterium en raakt het moderatiegedrag uw werk niet, gebruik dan de first-party API; wij zeggen dat liever zelf dan dat u er later achter komt. De meerprijs koopt een andere set eigenschappen: geen weigeringslaag en geen uitvoerfilter, een Amerikaanse exploitant onder Shannon Lab LLC, een vastgezet gedateerd checkpoint (0813) zodat een stille upgrade bovenstrooms uw uitvoer nooit halverwege een project verandert, drie API-dialecten tegen één model, en hetzelfde venster van 262K en hetzelfde parameteroppervlak over alle twaalf modellen in de reeks.

09Aanroepen: drie dialecten, één model

Elk model op de gateway antwoordt op alle drie de endpoints, met streaming op elk ervan. U stapt niet over op een nieuwe SDK — u wijzigt een base-URL en een model-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-dialect; werkt met de OpenAI-SDK's en alles wat daarop is gebouwd.
• /v1/messages — Anthropic-dialect, voor codebases die al tegen die vorm zijn geschreven.
• /v1/responses — de interface in Responses-stijl.

Ondersteund op dit model: streaming, native tool calling, strikte gestructureerde uitvoer met json_schema, response_format en reasoning_effort. De volledige parameterreferentie en een live playground staan in de API-documentatie.

10Eerlijke beperkingen

Vier dingen om te weten voordat u erop bouwt:

• Geen vision. Alleen tekst; het accepteert op geen enkel endpoint beeldinvoer. Hebt u een ongecensureerd model nodig dat ziet, gebruik dan Kimi-K3, Kimi-K2.6, MiniMax-M3, MiMo-V2.5 of inkling.
• Uitvoerplafond van 16,384 tokens. Redeneertokens tellen daarbij mee op hoge effort, dus een lange overweging laat minder ruimte over voor het antwoord. Ketent u verzoeken voor grote generatieklussen.
• 3 bits is een echte compressie. De referentiescores beschrijven het basismodel, niet deze build. Voor de laag met de hoogste getrouwheid dragen de W8A16-modellen (MiMo-V2.5-Pro, MiMo-V2.5, Hy3) de minste kwantisatie.
• Ongecensureerd is niet vrijblijvend. Geen weigeringslaag betekent dat de verantwoordelijkheid voor wat u vraagt, en voor wat u met het antwoord doet, bij u ligt — onder onze servicevoorwaarden en het recht van het land waar u werkt.

11Veelgestelde vragen

---

Bronnen: DeepSeek-AI — modelkaart DeepSeek-V4-Pro · Technisch rapport DeepSeek-V4 (CSA/HCA, mHC, Muon) · DeepSeek-V2 (MLA, DeepSeekMoE) · Technisch rapport DeepSeek-V3 · REAP the Experts (Cerebras Research) · Censuuraudit van Promptfoo · Discovering Forbidden Topics in Language Models. Benchmarkcijfers zijn door DeepSeek-AI gerapporteerd voor de referentierelease; onafhankelijke verificatie door derden van de gecomprimeerde build staat nog uit. Prijzen zijn de lijstprijzen van Shannon AI per 5 september 2026.