Nieocenzurowane API DeepSeek

Ludzie, którzy trafiają tu po frazie „nieocenzurowane API DeepSeek”, chcą jednej konkretnej rzeczy: modelu z możliwościami DeepSeek w rozumowaniu i kodowaniu, który odpowiada na faktycznie zadane pytanie. Połowa dotycząca możliwości jest dobrze udokumentowana — DeepSeek-AI opublikowało architekturę i liczby, a wagi leżą na Hugging Face na licencji MIT. Druga połowa to decyzja operatora i zwykle podejmuje ją ktoś za ciebie. Ta strona omawia obie: czym jest fundament V4-Pro, co robi z nim nasza kompilacja 3BIT-REAP i co dokładnie znaczy u nas słowo „nieocenzurowany”.

01Co naprawdę znaczy „nieocenzurowane API DeepSeek”

Pod jednym słowem kryją się dwa różne mechanizmy. Pierwszy to alignment wpieczony w wagi — zachowania odmowne wyuczone w trakcie post-treningu. Drugi to warstwa moderacji po stronie serwowania: osobny klasyfikator, który ogląda twój prompt, zanim zobaczy go model, oraz wyjście, zanim zobaczysz je ty, i który potrafi uciąć odpowiedź w połowie zdania niezależnie od tego, co model chciał powiedzieć.

Oba są mierzalne, a usługa własna DeepSeek została zmierzona. Promptfoo zebrało zestaw 1,360 politycznie wrażliwych pytań i podało, że hostowany przez DeepSeek model R1 odmówił lub zbył 1,156 z nich — mniej więcej 85%. Prace akademickie nad tą samą rodziną wykazały odrębny tryb awarii, nazwany przez autorów tłumieniem myśli, w którym ślad rozumowania modelu urywa się niemal natychmiast po rozpoczęciu, gdy temat jest wrażliwy. Osobny audyt opublikowany w Information Sciences udokumentował tłumienie na poziomie semantycznym: treści obecne w wewnętrznym rozumowaniu modelu są po cichu pomijane albo przepisywane, zanim dotrą do użytkownika. To trudniejszy problem niż jawna odmowa, bo okrojona odpowiedź wygląda jak odpowiedź.

My uruchamiamy wydanie o otwartych wagach, na sprzęcie, który sami obsługujemy, w Stanach Zjednoczonych, w ramach Shannon Lab LLC. Przed modelem nie ma warstwy odmów, a na to, co wraca, nie nakładamy filtra: twój prompt nie jest klasyfikowany pod kątem polityki przed obsłużeniem, a strumień wyjściowy nie jest kontrolowany po drodze na zewnątrz. Ponieważ fundament jest publiczny i na licencji MIT, możesz samodzielnie porównać nasze wyjścia z wagami referencyjnymi, zamiast wierzyć nam na słowo.

02Fundament: DeepSeek-V4-Pro, MoE o 1.6T parametrów

DeepSeek-V4 to aktualna rodzina otwartych wag DeepSeek-AI, zapowiedziana w kwietniu 2026 i wydana na licencji MIT w dwóch rozmiarach: V4-Flash (284B łącznie, 13B aktywowanych) i V4-Pro (1.6T łącznie, 49B aktywowanych). Ten artykuł dotyczy poziomu Pro. Oba były wstępnie trenowane na mniej więcej 33 bilionach tokenów i oba natywnie obsługują kontekst miliona tokenów.

Warto zwrócić uwagę na współczynnik rzadkości: przy danym tokenie odpala tylko około 3% parametrów, i to właśnie sprawia, że model tej wielkości w ogóle da się serwować. Sam blok MoE to nadal DeepSeekMoE — drobnoziarniści eksperci routowani plus zawsze aktywni eksperci współdzieleni, wprowadzeni w V2 — z niewielkimi tylko zmianami w V4, z których najbardziej widoczną jest routing haszujący w najwcześniejszych warstwach. Multi-Token Prediction, pomocniczy cel z V3, który umożliwia też dekodowanie spekulacyjne, zachowano bez zmian.

Nowe elementy w V4 są strukturalne. Manifold-Constrained Hyper-Connections (mHC) zastępują zwykłą ścieżkę rezydualną wyuczoną macierzą mieszającą, ograniczoną do rozmaitości macierzy podwójnie stochastycznych przez rzutowanie Sinkhorna–Knoppa — strumień rezydualny, który przeważa się zależnie od wejścia, bez dryfu numerycznego zabijającego bardzo głębokie stosy. Trening przeniesiono z AdamW na Muon dla większości modułów, z ortogonalizacją Newtona–Schulza, zostawiając AdamW tylko dla embeddingów, głowic predykcyjnych, normalizacji i statycznych parametrów mHC. Wagi ekspertów są trenowane w FP4, a większość pozostałych parametrów w FP8 — świadomość kwantyzacji od samego początku, co ma znaczenie dla tego, jak łagodnie model znosi dalszą kompresję.

03Od MLA do CSA + HCA: jak DeepSeek utrzymuje tani długi kontekst

Motywem przewodnim czterech generacji DeepSeek nie jest rozmiar, tylko ekonomia uwagi. Każda wersja atakowała cache KV, który rośnie liniowo z kontekstem i przy dużych długościach dominuje w zużyciu pamięci.

• V2 wprowadziło Multi-head Latent Attention (MLA) — niskorangową wspólną kompresję kluczy i wartości do wektora latentnego, dzięki czemu generacja cachuje ten wektor plus odsprzężony klucz RoPE zamiast pełnych K i V na głowicę. DeepSeek raportowało spadek cache KV do mniej więcej 4–14% standardowej uwagi wielogłowicowej, przy utrzymanej lub lepszej jakości.
• V3 przeskalowało to do 671B, czyniąc MLA domyślnym założeniem taniego długiego kontekstu w modelach otwartych.
• V3.2 dodało DeepSeek Sparse Attention (DSA), wybierając dla każdego zapytania podzbiór top-k historii przez lekki indekser, zamiast patrzeć na wszystko.
• V4 hybrydyzuje. Compressed Sparse Attention (CSA) najpierw kompresuje wpisy KV z każdych m tokenów do jednego wpisu z wyuczonymi wagami, a potem uruchamia rzadką selekcję top-k po tych skompresowanych wpisach. Heavily Compressed Attention (HCA) kompresuje znacznie agresywniej, ale pozostaje gęsta na wyniku. Oba typy warstw są przeplatane w stosie, więc tanie globalne podsumowanie i precyzyjne lokalne wyszukiwanie współistnieją.

Raportowany zysk przy kontekście miliona tokenów jest wyraźny: V4-Pro potrzebuje około 27% FLOPs inferencji na token i 10% cache KV względem V3.2. Dlatego żądanie na 262K zachowuje się jak zwykłe żądanie, a nie jak zdarzenie pamięciowe, i dlatego wyniki wyszukiwania w długim kontekście się trzymają, zamiast załamywać się po kilkudziesięciu tysiącach tokenów.

04Co oznacza końcówka 3BIT-REAP

Nasze id katalogowe kończy się na 3BIT-REAP, a to opisuje dwa niezależne kroki kompresji zastosowane po kolei.

REAP: przycinanie ekspertów, a nie ich scalanie

REAP to Router-weighted Expert Activation Pruning z Cerebras Research — „REAP the Experts: Why Pruning Prevails for One-Shot MoE Compression”, praca przyjęta na ICLR 2026. W rzadkim MoE router nie korzysta z ekspertów równomiernie: długi ogon jest wybierany rzadko, słabo albo i tak, i tak. REAP ocenia każdego eksperta, łącząc wartości bramek routera (jak często i jak silnie jest wybierany) z normami aktywacji eksperta (jak bardzo jego wyjście wnosi do wyniku), po czym po prostu usuwa przegranych.

Argument z tej pracy brzmi: przycinanie bije scalanie. Scalanie uśrednia i zaciera specjalizację funkcjonalną, dla której w ogóle budowało się MoE, podczas gdy usunięcie ekspertów, do których router prawie nie sięga, tę specjalizację zachowuje. Na modelach od 20B do 1T REAP wypadło lepiej niż scalanie i konkurencyjne metody przycinania w benchmarkach generatywnych, a autorzy raportują wyniki niemal bezstratne w generowaniu kodu i wywoływaniu narzędzi przy 50% przyciętych ekspertów na Qwen3-Coder-480B i Kimi-K2 — czyli dokładnie ten profil obciążenia, dla którego ten model tu jest.

Wagi 3-bitowe: poziom kompresji dla największych fundamentów

To, co przetrwa, jest następnie kwantyzowane do wag 3-bitowych. Trzy bity to agresywne cięcie i nie udajemy, że jest inaczej: w całej ofercie używamy W8A16 tam, gdzie fundament jest na tyle mały, że nie potrzebuje ściskania, W4A16-AUTOROUND-REAP pośrodku, a 3BIT-REAP tylko na największych fundamentach, gdzie decyduje o tym, czy model da się serwować, czy nie.

Kompromis warto nazwać wprost: 3-bitowy MoE o 1,6 biliona parametrów nie jest bitowo identyczny z wydaniem referencyjnym, a niewielki koszt jakości jest realny. W zamian dostajesz fundament, którego nieskompresowany sufit leży znacznie wyżej niż wszystko, co wygodnie mieści się przy wyższej precyzji — a ponieważ eksperci V4 byli od początku trenowani w FP4, model wyjątkowo dobrze znosi dalszą kompresję wag. Jeśli chcesz kompilację DeepSeek z lżejszą ręką przy precyzji, DeepSeek-V4-Flash-0731-W4A16-AUTOROUND-REAP używa wag 4-bitowych z aktywacjami 16-bitowymi i wyuczonym zaokrąglaniem AutoRound, przy tym samym kontekście 262K i cenie $0.50 wejście / $2.00 wyjście.

05Rozumowanie i pokrętło reasoning_effort

Post-trening V4 trenuje specjalistów dziedzinowych osobno — matematyka, kodowanie, agenci, wykonywanie instrukcji — z SFT, a następnie GRPO, czyli Group Relative Policy Optimization, metodą wprowadzoną przez DeepSeek wraz z R1. Ci specjaliści są potem scalani w jeden model przez destylację on-policy z odwróconym celem KL, więc pojedynczy checkpoint niesie zachowanie klasy specjalistycznej w kilku dziedzinach naraz, zamiast być generalistą przeciętnym we wszystkim.

Wydany model udostępnia stopniowane tryby myślenia, a nie binarny przełącznik. W naszej bramie jest to standardowy parametr reasoning_effort, najbardziej użyteczne pokrętło w tym modelu:

• Low — odpowiadanie niemal wprost: klasyfikacja, ekstrakcja, przepisywanie, wszystko, gdzie płacisz za wiedzę modelu, a nie za jego namysł.
• Medium — domyślny tryb roboczy do przeglądu kodu, debugowania i analizy wieloetapowej.
• High — długi namysł przed odpowiedzią. Tu rozwiązują się trudne problemy i tu mieszka twój rachunek za tokeny wyjściowe, bo tokeny rozumowania są rozliczane jako wyjście.

Ponieważ nie ma warstwy odmów, ślad rozumowania nie jest ucinany na wrażliwych tematach — wzorzec tłumienia myśli udokumentowany w usłudze własnej nie ma tu mechanizmu, przez który mógłby wystąpić.

06Kod i praca agentowa: co osiąga fundament

To są liczby opublikowane przez samo DeepSeek-AI dla wydania V4-Pro — nie nasze i niemierzone na naszej skwantyzowanej kompilacji. Pokazujemy je, bo to uczciwy powód, by wybrać ten fundament, i oznaczamy je jako dane producenta, żebyś mógł odpowiednio je zważyć.

Dwa wyniki zasługują na komentarz. SWE-bench Verified na poziomie 80.6% to rozwiązywanie zgłoszeń w prawdziwych repozytoriach — czytanie nieznanej bazy kodu, zlokalizowanie usterki, wyprodukowanie łatki, która przechodzi testy samego projektu. MRCR przy milionie tokenów (83.5) to wielorundowe wyszukiwanie koreferencji na pełnej długości, czyli liczba, która mówi, że deklaracja o długim kontekście nie jest ozdobą. DeepSeek raportuje też ranking Codeforces na poziomie 3206 dla tego modelu oraz 62.0 na CorpusQA przy kontekście 1M.

Powyższe liczby pochodzą od DeepSeek-AI i dotyczą referencyjnego wydania DeepSeek-V4-Pro. Nasza kompilacja 3BIT-REAP to skompresowany wariant tych wag i nie została niezależnie zbenchmarkowana na tych zadaniach; traktuj wyniki referencyjne jako sufit fundamentu, a nie jako pomiar tego endpointu.

07Kontekst 262K: co się w nim faktycznie mieści

Model referencyjny jest trenowany pod milion tokenów. My serwujemy 262,144 — okno wspólne dla każdego modelu w bramie, więc zmiana modelu to zmiana jednej linii i nigdy nie oznacza regresji kontekstu. W praktyce 262K jest już za punktem, w którym kontekst wiąże ręce w większości realnej pracy:

Obciążenie	Ok. tokenów	Mieści się w 262K?
Średniej wielkości repozytorium usługi (~50 tys. linii)	~600K	Nie — wybierz moduły
Pojedynczy podsystem wraz z testami	~60–120K	Tak, z zapasem
Komplet RFC dla protokołu	~150K	Tak
Książka techniczna na 700 stron	~250K	Tak, blisko limitu
Długi przebieg agenta, 40+ tur z narzędziami	~80–200K	Tak

Limitem, pod który trzeba planować, jest wyjście: maksymalnie 16,384 tokeny na odpowiedź. To długi dokument albo solidna łatka na wiele plików, ale nie cała baza kodu. Duże zadania generacyjne realizuje się przez łańcuchowanie żądań z poprzednim wyjściem z powrotem w kontekście — co okno 262K czyni tanim — a nie przez proszenie o jedno ogromne uzupełnienie.

08Cena i miejsce V4-Pro w ofercie

Przy $1.95 wejście / $3.90 wyjście za milion tokenów V4-Pro to flagowy poziom rozumowania — model, po który sięgasz, gdy problem jest trudny. Gdy jest tylko duży, tańsze modele na tym samym oknie 262K zrobią to za ćwierć ceny.

Model bez cenzury	Wejście / 1M	Wyjście / 1M	Wizja	Najlepszy do
DeepSeek-V4-Pro · 3BIT-REAP	$1.95	$3.90	Nie	Trudne rozumowanie, kod, agenci
DeepSeek-V4-Flash · W4A16	$0.50	$2.00	Nie	Ten sam rodowód, duży wolumen
GLM-5.2 · 3BIT-REAP	$0.73	$2.34	Nie	Uniwersalny koń roboczy
Kimi-K3 · 3BIT-REAP	$3.83	$19.12	Tak	Najwyższej klasy agenci multimodalni
MiniMax-M3 · 3BIT-REAP	$0.50	$2.00	Tak	Najtańsza wizja

Uczciwie o porównaniu, które i tak każdy zrobi: własne API DeepSeek jest tańsze niż to — pierwszoźródłowe V4-Pro kosztuje około $0.435 wejście / $0.87 wyjście, a ceny wejścia przy trafieniu w cache są jeszcze niższe. Jeśli cena za token jest twoim jedynym kryterium, a zachowanie moderacji nie wpływa na twoją pracę, użyj API producenta; wolimy powiedzieć to od razu, niż żebyś odkrył to później. Dopłata kupuje inny zestaw właściwości: brak warstwy odmów i brak filtra wyjścia, amerykańskiego operatora w postaci Shannon Lab LLC, przypięty datowany checkpoint (0813), więc cicha aktualizacja u dostawcy nigdy nie zmieni twoich wyjść w środku projektu, trzy dialekty API do jednego modelu oraz to samo okno 262K i tę samą powierzchnię parametrów we wszystkich dwunastu modelach oferty.

09Jak go wywołać: trzy dialekty, jeden model

Każdy model w bramie odpowiada na wszystkich trzech endpointach, ze streamingiem na każdym z nich. Nie musisz wdrażać nowego SDK — zmieniasz bazowy URL i id modelu.

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 — dialekt OpenAI; działa z SDK OpenAI i wszystkim, co na nich zbudowano.
• /v1/messages — dialekt Anthropic, dla baz kodu już napisanych pod ten kształt.
• /v1/responses — interfejs w stylu Responses.

Obsługiwane w tym modelu: streaming, natywne wywoływanie narzędzi, ścisłe wyjście strukturalne json_schema, response_format oraz reasoning_effort. Pełny opis parametrów i działający playground znajdziesz w dokumentacji API.

10Uczciwe ograniczenia

Cztery rzeczy, które warto wiedzieć, zanim na tym zbudujesz:

• Brak wizji. Tylko tekst; model nie przyjmie obrazu na wejściu na żadnym endpoincie. Jeśli potrzebujesz nieocenzurowanego modelu, który widzi, użyj Kimi-K3, Kimi-K2.6, MiniMax-M3, MiMo-V2.5 albo inkling.
• Sufit wyjścia 16,384 tokenów. Przy wysokim wysiłku wliczają się w niego tokeny rozumowania, więc długi namysł zostawia mniej miejsca na odpowiedź. Duże zadania generacyjne łańcuchuj przez wiele żądań.
• 3 bity to prawdziwa kompresja. Wyniki referencyjne opisują fundament, a nie tę kompilację. Najwyższą wierność mają modele W8A16 (MiMo-V2.5-Pro, MiMo-V2.5, Hy3), które niosą najmniej kwantyzacji.
• Brak cenzury nie jest bez konsekwencji. Brak warstwy odmów oznacza, że odpowiedzialność za to, o co pytasz i co robisz z odpowiedzią, spoczywa na tobie — w ramach naszego regulaminu i prawa obowiązującego tam, gdzie działasz.

11Najczęściej zadawane pytania

---

Źródła: DeepSeek-AI — karta modelu DeepSeek-V4-Pro · Raport techniczny DeepSeek-V4 (CSA/HCA, mHC, Muon) · DeepSeek-V2 (MLA, DeepSeekMoE) · Raport techniczny DeepSeek-V3 · REAP the Experts (Cerebras Research) · Audyt cenzury Promptfoo · Discovering Forbidden Topics in Language Models. Liczby benchmarkowe podane przez DeepSeek-AI dotyczą wydania referencyjnego; niezależna weryfikacja skompresowanej kompilacji przez stronę trzecią jest w toku. Ceny to ceny katalogowe Shannon AI na dzień 5 września 2026.