Necenzurované DeepSeek API

Ľudia, ktorí prídu na frázu „necenzurované DeepSeek API“, chcú jednu konkrétnu vec: model so schopnosťou DeepSeeku uvažovať a programovať, ktorý odpovie na otázku, ktorú naozaj položili. Polovica o schopnostiach je dobre zdokumentovaná — DeepSeek-AI zverejnil architektúru aj čísla a váhy sú na Hugging Face pod licenciou MIT. Tá druhá polovica je prevádzkové rozhodnutie a väčšinou ho za vás urobí niekto iný. Táto stránka pokrýva oboje: čím je základ V4-Pro, čo s ním robí náš build 3BIT-REAP a čo presne znamená „necenzurované“, keď to hovoríme my.

01Čo „necenzurované DeepSeek API“ vlastne znamená

Pod to isté slovo sa zaraďujú dva rôzne mechanizmy. Prvým je zarovnanie zapečené vo váhach — správanie odmietania naučené počas post-tréningu. Druhým je moderačná vrstva na strane servírovania: samostatný klasifikátor, ktorý skúma váš prompt skôr, než ho model uvidí, a výstup skôr, než ho uvidíte vy, a dokáže odpoveď odrezať uprostred vety bez ohľadu na to, čo chcel model povedať.

Oboje sa dá merať a vlastná služba DeepSeeku odmeraná bola. Promptfoo zostavilo sadu 1 360 politicky citlivých otázok a uviedlo, že hostovaný R1 od DeepSeeku odmietol alebo odklonil 1 156 z nich — zhruba 85 %. Akademická práca o tej istej rodine našla osobitný spôsob zlyhania, ktorý autori nazvali potláčanie myslenia: stopa uvažovania modelu sa pri citlivej téme ukončí takmer hneď, ako začne. Samostatný audit publikovaný v Information Sciences zdokumentoval potláčanie na sémantickej úrovni: obsah prítomný vo vnútornom uvažovaní modelu je potichu vynechaný alebo prepísaný skôr, než sa dostane k používateľovi. To je ťažší problém než priame odmietnutie, pretože skrátená odpoveď vyzerá ako odpoveď.

My prevádzkujeme verejné vydanie s otvorenými váhami, na hardvéri, ktorý prevádzkujeme my, v Spojených štátoch, pod Shannon Lab LLC. Pred modelom nie je žiadna vrstva odmietania a na to, čo sa vracia, sa neaplikuje žiadny filter: váš prompt sa pred obslúžením neklasifikuje voči politike a výstupný prúd sa cestou von nekontroluje. Keďže základ je pod licenciou MIT a verejný, môžete si naše výstupy sami porovnať s referenčnými váhami, namiesto toho, aby ste nám verili na slovo.

02Základ: DeepSeek-V4-Pro, MoE s 1,6 bilióna parametrov

DeepSeek-V4 je súčasná rodina otvorených váh od DeepSeek-AI, predstavená v apríli 2026 a vydaná pod MIT v dvoch veľkostiach: V4-Flash (284 miliárd celkovo, 13 miliárd aktivovaných) a V4-Pro (1,6 bilióna celkovo, 49 miliárd aktivovaných). Tento článok je o úrovni Pro. Obe boli predtrénované na zhruba 33 biliónoch tokenov a obe natívne podporujú kontext s miliónom tokenov.

Všimnite si pomer riedkosti: na ktoromkoľvek tokene sa aktivujú len asi 3 % parametrov, a práve to robí model tejto veľkosti vôbec servírovateľným. Samotný MoE blok je stále DeepSeekMoE — jemne zrnití smerovaní experti plus vždy zapnutí zdieľaní experti, zavedení vo V2 — s len drobnými zmenami vo V4, najviditeľnejšie s hašovým smerovaním v najskorších vrstvách. Multi-Token Prediction, pomocný cieľ z V3, ktorý zároveň umožňuje špekulatívne dekódovanie, je zachovaný bez zmeny.

Nové časti vo V4 sú štrukturálne. Manifold-Constrained Hyper-Connections (mHC) nahrádzajú obyčajnú reziduálnu cestu naučenou miešacou maticou obmedzenou na varietu dvojito stochastických matíc pomocou Sinkhornovej–Knoppovej projekcie — reziduálny prúd, ktorý sa prevažuje podľa vstupu bez numerického driftu, ktorý zabíja veľmi hlboké stohy. Tréning prešiel z AdamW na Muon pre väčšinu modulov, s Newtonovou–Schulzovou ortogonalizáciou, pričom AdamW zostal len pre vnorenia, predikčné hlavy, normalizáciu a statické parametre mHC. A váhy expertov sa trénujú vo FP4, väčšina ostatných parametrov v FP8 — teda s ohľadom na kvantizáciu od začiatku, čo je dôležité pre to, ako elegantne model znáša ďalšiu kompresiu.

03Od MLA k CSA + HCA: ako DeepSeek drží dlhý kontext lacný

Spoločnou niťou DeepSeeku naprieč štyrmi generáciami nie je veľkosť, ale ekonomika pozornosti. Každá verzia útočila na KV cache, ktorá rastie lineárne s kontextom a pri veľkých dĺžkach dominuje pamäti.

• V2 zaviedla Multi-head Latent Attention (MLA) — nízkohodnostnú spoločnú kompresiu kľúčov a hodnôt do latentného vektora, takže generovanie kešuje ten vektor plus oddelený RoPE kľúč namiesto plných K a V na hlavu. DeepSeek uviedol pokles KV cache na zhruba 4 – 14 % oproti štandardnej viachlavovej pozornosti, pri zachovanej alebo zlepšenej kvalite.
• V3 to vyškálovala na 671 miliárd a urobila z MLA predvolený predpoklad lacného dlhého kontextu v otvorených modeloch.
• V3.2 pridala DeepSeek Sparse Attention (DSA), ktorá cez ľahký indexer vyberá pre každý dotaz top-k podmnožinu histórie namiesto toho, aby sa venovala všetkému.
• V4 hybridizuje. Compressed Sparse Attention (CSA) najprv stlačí KV záznamy každých m tokenov do jedného záznamu s naučenými váhami a potom nad týmito stlačenými záznamami spustí riedky výber top-k. Heavily Compressed Attention (HCA) komprimuje oveľa agresívnejšie, ale nad výsledkom zostáva hustá. Tieto dva typy vrstiev sa v stohu striedajú, takže lacný globálny súhrn a presné lokálne vyhľadávanie spolu koexistujú.

Uvádzaný zisk pri kontexte s miliónom tokenov je výrazný: V4-Pro potrebuje asi 27 % inferenčných FLOPov na token a 10 % KV cache oproti V3.2. Preto sa požiadavka s 262K správa ako bežná požiadavka, nie ako pamäťová udalosť, a preto čísla pre vyhľadávanie v dlhom kontexte obstoja namiesto toho, aby sa za pár desiatkami tisíc tokenov zosypali.

04Čo znamená prípona 3BIT-REAP

Naše katalógové id končí na 3BIT-REAP a to popisuje dva nezávislé kompresné kroky aplikované v poradí.

REAP: expertov prerezáva, nezlučuje ich

REAP je Router-weighted Expert Activation Pruning z Cerebras Research — „REAP the Experts: Why Pruning Prevails for One-Shot MoE Compression“, prijaté na ICLR 2026. V riedkom MoE nepoužíva smerovač svojich expertov rovnomerne: dlhý chvost je vyberaný zriedka, slabo alebo oboje. REAP hodnotí každého experta kombináciou hodnôt brány smerovača (ako často a ako silno je vybraný) s normami aktivácií experta (koľko jeho výstup prispieva) a potom porazených rovno vymaže.

Argument práce je, že prerezávanie poráža zlučovanie: zlučovanie spriemeruje preč funkčnú špecializáciu, kvôli ktorej sa MoE oplatilo stavať, kým vymazanie expertov, ku ktorým sa smerovač takmer nedostane, ju zachová. Naprieč modelmi od 20 miliárd po 1 bilión REAP prekonal zlučovanie aj konkurenčné metódy prerezávania na generatívnych benchmarkoch a autori uvádzajú takmer bezstratové výsledky pri generovaní kódu a volaní nástrojov pri 50 % prerezaní expertov na Qwen3-Coder-480B a Kimi-K2 — čo je presne profil záťaže, pre ktorý je tento model tu.

3-bitové váhy: kompresná úroveň pre najväčšie základy

To, čo prežije, sa potom kvantizuje na 3-bitové váhy. Tri bity sú agresívne a nepredstierame nič iné: naprieč zostavou používame W8A16 tam, kde je základ dosť malý na to, aby stláčanie nepotreboval, W4A16-AUTOROUND-REAP v strede a 3BIT-REAP len na najväčších základoch, kde je to rozdiel medzi tým, či model servírujeme, alebo neservírujeme.

Kompromis sa oplatí povedať priamo: 3-bitový MoE s 1,6 bilióna parametrov nie je bit po bite identický s referenčným vydaním a malá strata kvality je skutočná. Dostanete zaň základ, ktorého nekomprimovaný strop leží ďaleko nad čímkoľvek, čo sa pohodlne zmestí pri vyššej presnosti — a keďže experti V4 boli od začiatku trénovaní vo FP4, model sa pri ďalšej kompresii váh správa nezvyčajne dobre. Ak chcete build DeepSeeku s jemnejším zásahom do presnosti, DeepSeek-V4-Flash-0731-W4A16-AUTOROUND-REAP používa 4-bitové váhy so 16-bitovými aktiváciami a naučené zaokrúhľovanie AutoRound, na rovnakom 262K kontexte za 0,50 $ na vstupe / 2,00 $ na výstupe.

05Uvažovanie a ovládač reasoning_effort

Post-tréning V4 trénuje doménových špecialistov samostatne — matematika, programovanie, agenti, sledovanie inštrukcií — pomocou SFT nasledovaného GRPO, metódou Group Relative Policy Optimization, ktorú DeepSeek zaviedol s R1. Títo špecialisti sa potom zjednotia do jedného modelu on-policy destiláciou pod cieľom reverznej KL, takže jediný kontrolný bod nesie správanie na úrovni špecialistu naraz v niekoľkých doménach namiesto toho, aby bol generalistom priemerným vo všetkých.

Vydaný model sprístupňuje odstupňované režimy myslenia, nie binárny prepínač. Na našej bráne je to štandardný parameter reasoning_effort, jediný najužitočnejší ovládač na tomto modeli:

• Low — takmer priama odpoveď: klasifikácia, extrakcia, prepisovanie, čokoľvek, kde platíte za znalosti modelu, nie za jeho rozvažovanie.
• Medium — predvolený pracovný režim na revíziu kódu, ladenie a viackrokovú analýzu.
• High — dlhé rozvažovanie pred odpoveďou. Tu sa riešia ťažké problémy a tu žije váš účet za výstupné tokeny, keďže tokeny uvažovania sa účtujú ako výstup.

Keďže neexistuje žiadna vrstva odmietania, stopa uvažovania sa pri citlivej téme neskracuje — vzorec potláčania myslenia zdokumentovaný na vlastnej službe tu nemá ako vzniknúť.

06Kód a agentická práca: čo skóruje základ

Toto sú vlastné zverejnené čísla DeepSeek-AI pre vydanie V4-Pro — nie naše a nemerané na našom kvantizovanom builde. Ukazujeme ich, pretože sú poctivým dôvodom, prečo si tento základ vybrať, a označujeme ich ako čísla od výrobcu, aby ste im mohli priradiť zodpovedajúcu váhu.

Dva si zaslúžia komentár. SWE-bench Verified na 80,6 % je riešenie issues v reálnych repozitároch — prečítať neznámy kód, nájsť chybu, vyrobiť záplatu, ktorá prejde vlastnými testami projektu. MRCR pri miliónovom kontexte (83,5) je viackolové vyhľadávanie koreferencií v plnej dĺžke, teda číslo, ktoré vám povie, že tvrdenie o dlhom kontexte nie je len dekorácia. DeepSeek pre model uvádza aj hodnotenie 3206 na Codeforces a 62,0 na CorpusQA pri 1M kontexte.

Čísla vyššie uvádza DeepSeek-AI pre referenčné vydanie DeepSeek-V4-Pro. Náš build 3BIT-REAP je komprimovaný variant tých váh a nebol na týchto úlohách nezávisle benchmarkovaný; berte referenčné skóre ako strop základu, nie ako meranie tohto koncového bodu.

07262K kontext: čo sa doň naozaj zmestí

Referenčný model je trénovaný na milión tokenov. My servírujeme 262 144 — okno, ktoré zdieľa každý model na bráne, takže prepnutie modelu je zmena na jeden riadok a nikdy nie je regresiou kontextu. V praxi je 262K za bodom, kde kontext pre väčšinu reálnej práce obmedzuje:

Záťaž	Približne tokenov	Zmestí sa do 262K?
Stredne veľký repozitár služby (~50 tis. riadkov)	~600K	Nie — vyberte moduly
Jeden podsystém a jeho testy	~60–120K	Áno, pohodlne
Kompletná sada RFC pre protokol	~150K	Áno
Technická kniha so 700 stranami	~250K	Áno, tesne pod limitom
Dlhý beh agenta, 40+ kôl s nástrojmi	~80–200K	Áno

Limit, s ktorým treba počítať, je výstup: maximálne 16 384 tokenov na odpoveď. To je dlhý dokument alebo poriadna záplata cez viac súborov, ale nie celý kód. Veľké generovacie úlohy sa robia reťazením požiadaviek s predchádzajúcim výstupom späť v kontexte — čo okno 262K zlacňuje — a nie žiadaním o jedno obrovské dokončenie.

08Cena a kde V4-Pro v zostave sedí

Pri 1,95 $ na vstupe / 3,90 $ na výstupe za milión tokenov je V4-Pro vlajkovou úrovňou na uvažovanie — model, po ktorom siahnete, keď je problém ťažký. Keď je len veľký, lacnejšie modely na rovnakom 262K okne to zvládnu za štvrtinu ceny.

Necenzurovaný model	Vstup / 1M	Výstup / 1M	Videnie	Najlepší na
DeepSeek-V4-Pro · 3BIT-REAP	$1.95	$3.90	Nie	Ťažké uvažovanie, kód, agenti
DeepSeek-V4-Flash · W4A16	$0.50	$2.00	Nie	Rovnaký pôvod, veľké objemy
GLM-5.2 · 3BIT-REAP	$0.73	$2.34	Nie	Všestranný ťahúň
Kimi-K3 · 3BIT-REAP	$3.83	$19.12	Áno	Špičkoví multimodálni agenti
MiniMax-M3 · 3BIT-REAP	$0.50	$2.00	Áno	Najlacnejšie videnie

Povedzme priamo to porovnanie, ktoré ľudia naozaj urobia: vlastné API DeepSeeku je lacnejšie než toto — prvostranné V4-Pro má cenník okolo 0,435 $ na vstupe / 0,87 $ na výstupe a ich cena vstupu pri zásahu do keše je ešte nižšia. Ak je cena za token vaším jediným kritériom a správanie moderácie vašu prácu neovplyvňuje, použite prvostranné API; radšej vám to povieme, než aby ste na to prišli neskôr. Prirážka kupuje inú množinu vlastností: žiadnu vrstvu odmietania a žiadny filter výstupu, amerického prevádzkovateľa pod Shannon Lab LLC, fixovaný datovaný kontrolný bod (0813), takže tichý upgrade na strane dodávateľa vám nikdy uprostred projektu nezmení výstupy, tri dialekty API proti jednému modelu a rovnaké 262K okno aj rovnakú množinu parametrov naprieč všetkými dvanástimi modelmi v zostave.

09Ako ho zavolať: tri dialekty, jeden model

Každý model na bráne odpovedá na všetkých troch koncových bodoch, na každom so streamovaním. Nepreberáte nové SDK — meníte základnú URL a 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; funguje s SDK od OpenAI a so všetkým, čo je na nich postavené.
• /v1/messages — dialekt Anthropic, pre kód už napísaný voči tomuto tvaru.
• /v1/responses — rozhranie v štýle Responses.

Na tomto modeli je podporované: streamovanie, natívne volanie nástrojov, prísny štruktúrovaný výstup json_schema, response_format a reasoning_effort. Úplná referencia parametrov a živé ihrisko sú v dokumentácii API.

10Poctivé obmedzenia

Štyri veci, ktoré treba vedieť skôr, než na ňom začnete stavať:

• Žiadne videnie. Len text; obrazový vstup neprijme na žiadnom koncovom bode. Ak potrebujete necenzurovaný model, ktorý vidí, použite Kimi-K3, Kimi-K2.6, MiniMax-M3, MiMo-V2.5 alebo inkling.
• Strop výstupu 16 384 tokenov. Pri vysokom úsilí sa doň započítavajú aj tokeny uvažovania, takže dlhé rozvažovanie necháva menej priestoru na odpoveď. Veľké generovacie úlohy reťazte.
• 3 bity sú skutočná kompresia. Referenčné skóre opisujú základ, nie tento build. Najvernejšou úrovňou sú modely W8A16 (MiMo-V2.5-Pro, MiMo-V2.5, Hy3), ktoré nesú najmenej kvantizácie.
• Necenzurované neznamená bez následkov. Žiadna vrstva odmietania znamená, že zodpovednosť za to, čo sa spýtate, a za to, čo s odpoveďou urobíte, leží na vás — podľa našich obchodných podmienok a práva krajiny, v ktorej pôsobíte.

11Často kladené otázky

---

Zdroje: DeepSeek-AI — karta modelu DeepSeek-V4-Pro · Technická správa DeepSeek-V4 (CSA/HCA, mHC, Muon) · DeepSeek-V2 (MLA, DeepSeekMoE) · Technická správa DeepSeek-V3 · REAP the Experts (Cerebras Research) · Audit cenzúry od Promptfoo · Discovering Forbidden Topics in Language Models. Benchmarkové čísla uvádza DeepSeek-AI pre referenčné vydanie; nezávislé overenie komprimovaného buildu treťou stranou zatiaľ prebieha. Ceny sú cenníkové ceny Shannon AI k 5. septembru 2026.