Necenzuriran DeepSeek API

Ljudje, ki pridejo do besedne zveze »necenzuriran DeepSeek API«, hočejo eno določeno stvar: model s sposobnostjo sklepanja in programiranja podjetja DeepSeek, ki odgovori na vprašanje, ki so ga dejansko zastavili. Zmogljivostna polovica je dobro dokumentirana — DeepSeek-AI je objavil arhitekturo in številke, uteži pa so na Hugging Face pod licenco MIT. Druga polovica je odločitev o upravljanju in običajno jo sprejme nekdo namesto vas. Ta stran pokriva oboje: kaj je temelj V4-Pro, kaj z njim naredi naša gradnja 3BIT-REAP in kaj natanko pomeni »necenzuriran«, ko to izrečemo.

01Kaj »necenzuriran DeepSeek API« dejansko pomeni

Pod isto besedo se skrivata dva različna mehanizma. Prvi je uskladitev, vpečena v uteži — vedenje zavračanja, naučeno med potreningom. Drugi je sloj moderiranja na strani strežbe: ločen klasifikator, ki pregleda vaš poziv, preden ga vidi model, in izhod, preden ga vidite vi, in ki lahko odgovor prekine sredi stavka, ne glede na to, kaj je model hotel povedati.

Oboje je merljivo in lastna storitev podjetja DeepSeek je bila izmerjena. Promptfoo je sestavil nabor 1.360 politično občutljivih vprašanj in poročal, da je gostovani R1 podjetja DeepSeek zavrnil ali izmaknil 1.156 od njih — približno 85 %. Akademsko delo o isti družini je našlo poseben način odpovedi, ki so ga avtorji poimenovali zaviranje misli, pri katerem se modelova sled sklepanja pri občutljivi temi konča skoraj takoj, ko se začne. Ločena revizija, objavljena v Information Sciences, je dokumentirala zaviranje na pomenski ravni: vsebina, ki je prisotna v modelovem notranjem sklepanju, a je pred prihodom do uporabnika tiho izpuščena ali prepisana. To je težji problem od odkrite zavrnitve, ker je okrnjen odgovor videti kot odgovor.

Mi poganjamo izdajo z odprtimi utežmi, na strojni opremi, ki jo upravljamo sami, v Združenih državah, pod Shannon Lab LLC. Pred modelom ni sloja zavračanja in na tem, kar pride nazaj, ni filtra: vaš poziv pred strežbo ni razvrščen glede na politiko, izhodni tok pa na poti ven ni pregledan. Ker je temelj licenciran z MIT in javen, lahko naše izhode primerjate z referenčnimi utežmi sami, namesto da nam verjamete na besedo.

02Temelj: DeepSeek-V4-Pro, MoE s 1,6 bilijona

DeepSeek-V4 je trenutna družina z odprtimi utežmi podjetja DeepSeek-AI, predstavljena aprila 2026 in izdana pod MIT v dveh velikostih: V4-Flash (284B skupno, 13B aktiviranih) in V4-Pro (1,6T skupno, 49B aktiviranih). Ta članek govori o razredu Pro. Oba sta bila predhodno naučena na približno 33 bilijonih žetonov in oba izvorno podpirata kontekst milijona žetonov.

Opaziti velja razmerje redkosti: pri katerem koli žetonu se sproži le okoli 3 % parametrov, in prav to sploh omogoča, da je tako velik model mogoče streči. Sam blok MoE je še vedno DeepSeekMoE — drobnozrnati usmerjani strokovnjaki plus vedno vklopljeni deljeni strokovnjaki, uvedeni v V2 — z le manjšimi spremembami v V4, najbolj opazno z zgoščevalnim usmerjanjem v najzgodnejših plasteh. Napovedovanje več žetonov (Multi-Token Prediction), pomožni cilj iz V3, ki omogoča tudi spekulativno dekodiranje, je ohranjen nespremenjen.

Novi deli v V4 so strukturni. Manifold-Constrained Hyper-Connections (mHC) navadno preostalo pot zamenjajo z naučeno mešalno matriko, s Sinkhorn–Knoppovo projekcijo omejeno na mnogoterost dvojno stohastičnih matrik — preostali tok, ki se glede na vhod prevesi, brez numeričnega zanašanja, ki ubija zelo globoke sklade. Učenje se je za večino modulov preselilo z AdamW na Muon, z Newton–Schulzovo ortogonalizacijo, AdamW pa je ostal le za vložitve, napovedne glave, normalizacijo in statične parametre mHC. Uteži strokovnjakov se učijo v FP4, večina drugih parametrov pa v FP8 — kvantizacijsko ozaveščeno že od začetka, kar je pomembno za to, kako gladko model prenese nadaljnje stiskanje.

03Od MLA do CSA + HCA: kako DeepSeek ohranja dolg kontekst poceni

DeepSeekova rdeča nit skozi štiri generacije ni velikost, ampak ekonomika pozornosti. Vsaka različica je napadla predpomnilnik KV, ki z dolžino konteksta raste linearno in pri velikih dolžinah prevlada nad pomnilnikom.

• V2 je uvedel Multi-head Latent Attention (MLA) — nizkorangovno skupno stiskanje ključev in vrednosti v latentni vektor, tako da generiranje predpomni ta vektor plus ločen ključ RoPE namesto polnih K in V po glavah. DeepSeek je poročal o predpomnilniku KV, zmanjšanem na približno 4–14 % standardne večglave pozornosti, ob ohranjeni ali izboljšani kakovosti.
• V3 je to raztegnil na 671B in MLA naredil za privzeto predpostavko za poceni dolg kontekst v odprtih modelih.
• V3.2 je dodal DeepSeek Sparse Attention (DSA), ki na poizvedbo izbere podmnožico top-k zgodovine prek lahkega indeksirnika, namesto da bi se posvečal vsemu.
• V4 hibridizira. Compressed Sparse Attention (CSA) najprej vnose KV vsakih m žetonov z naučenimi utežmi stisne v en vnos, nato pa čez te stisnjene vnose izvede redko izbiro top-k. Heavily Compressed Attention (HCA) stiska precej agresivneje, a nad rezultatom ostane gost. Obe vrsti plasti sta prepleteni skozi sklad, tako da poceni globalni povzetek in natančno lokalno iskanje sobivata.

Sporočena korist pri kontekstu milijona žetonov je izrazita: V4-Pro potrebuje okoli 27 % FLOP-ov sklepanja na žeton in 10 % predpomnilnika KV glede na V3.2. Zato se zahteva s 262K obnaša kot običajna zahteva in ne kot pomnilniški dogodek in zato številke za iskanje po dolgem kontekstu zdržijo, namesto da bi se po nekaj deset tisoč žetonih sesule.

04Kaj pomeni pripona 3BIT-REAP

Naš kataloški identifikator se konča na 3BIT-REAP, kar opisuje dva neodvisna koraka stiskanja, uporabljena po vrsti.

REAP: obrezovanje strokovnjakov, ne njihovo zlivanje

REAP je obrezovanje aktivacij strokovnjakov, uteženo po usmerjevalniku (Router-weighted Expert Activation Pruning), iz Cerebras Research — »REAP the Experts: Why Pruning Prevails for One-Shot MoE Compression«, sprejeto na ICLR 2026. V redkem MoE usmerjevalnik svojih strokovnjakov ne uporablja enakomerno: dolg rep je izbran redko, šibko ali oboje. REAP vsakega strokovnjaka oceni tako, da združi vrednosti vrat usmerjevalnika (kako pogosto in kako močno je izbran) z normami aktivacij strokovnjaka (koliko prispeva njegov izhod), nato pa poražence naravnost izbriše.

Trditev članka je, da obrezovanje premaga zlivanje: zlivanje s povprečenjem izniči funkcijsko specializacijo, zaradi katere je MoE sploh vreden gradnje, brisanje strokovnjakov, do katerih usmerjevalnik komaj seže, pa jo ohrani. Pri modelih od 20B do 1T je REAP na generativnih preizkusih prekašal zlivanje in konkurenčne metode obrezovanja, avtorji pa poročajo o skoraj brezizgubnih rezultatih pri generiranju kode in klicanju orodij ob 50-odstotnem obrezovanju strokovnjakov na modelih Qwen3-Coder-480B in Kimi-K2 — kar je natanko profil obremenitve, zaradi katerega je ta model tu.

3-bitne uteži: razred stiskanja za največje temelje

Kar preživi, se nato kvantizira na 3-bitne uteži. Trije biti so agresivni in ne delamo se, da ni tako: v ponudbi uporabljamo W8A16, kadar je temelj dovolj majhen, da stiskanja ne potrebuje, W4A16-AUTOROUND-REAP na sredini in 3BIT-REAP le pri največjih temeljih, kjer je to razlika med tem, da model strežemo, in tem, da ga ne.

Kompromis je vreden odkrite besede: 3-bitni MoE s 1,6 bilijona parametrov ni bitno enak referenčni izdaji in majhna cena v kakovosti je resnična. Zanjo dobite temelj, čigar nestisnjena zgornja meja leži daleč nad čimer koli, kar bi udobno sedlo pri višji natančnosti — ker pa so bili strokovnjaki v V4 že od začetka učeni v FP4, se model pod nadaljnjim stiskanjem uteži obnaša nenavadno lepo. Če hočete gradnjo DeepSeek z nežnejšim posegom v natančnost, DeepSeek-V4-Flash-0731-W4A16-AUTOROUND-REAP uporablja 4-bitne uteži s 16-bitnimi aktivacijami in naučeno zaokroževanje AutoRound, ob istem kontekstu 262K za $0.50 vhod / $2.00 izhod.

05Sklepanje in gumb reasoning_effort

Potrening V4 ločeno uči domenske specialiste — matematiko, programiranje, agente, sledenje navodilom — s SFT, ki mu sledi GRPO, metoda Group Relative Policy Optimization, ki jo je DeepSeek uvedel z R1. Ti specialisti se nato z destilacijo na politiki pod ciljem obrnjene KL združijo v en model, tako da ena sama kontrolna točka hkrati nosi vedenje specialistične ravni na več področjih, namesto da bi bila splošnjak, ki je pri vsem povprečen.

Izdani model izpostavlja stopnjevane načine razmišljanja in ne dvojnega stikala. Na našem prehodu je to standardni parameter reasoning_effort, najkoristnejši gumb na tem modelu:

• Low — skoraj neposredno odgovarjanje: razvrščanje, luščenje, prepisovanje, karkoli, kjer plačujete za modelovo znanje in ne za njegovo tehtanje.
• Medium — privzeti delovni način za pregled kode, razhroščevanje in večstopenjsko analizo.
• High — dolgo tehtanje pred odgovorom. Tam se rešujejo težki problemi in tam živi vaš račun za izhodne žetone, saj se žetoni sklepanja obračunavajo kot izhod.

Ker sloja zavračanja ni, sled sklepanja pri občutljivi snovi ni okrnjena — vzorec zaviranja misli, dokumentiran pri lastni storitvi, tu nima mehanizma, po katerem bi se pojavil.

06Koda in agentno delo: kaj temelj doseže

To so lastne objavljene številke podjetja DeepSeek-AI za izdajo V4-Pro — ne naše in ne izmerjene na naši kvantizirani gradnji. Prikazujemo jih, ker so pošten razlog za izbiro tega temelja, in jih označujemo kot lastne, da jih lahko ustrezno utežite.

Dve si zaslužita komentar. SWE-bench Verified pri 80,6 % je reševanje težav v resničnih repozitorijih — branje neznane kodne baze, iskanje napake, izdelava popravka, ki prestane projektove lastne teste. MRCR pri milijonu žetonov (83,5) je večkrožno iskanje koreferenc pri polni dolžini, številka, ki vam pove, da trditev o dolgem kontekstu ni okrasna. DeepSeek za model poroča tudi o oceni Codeforces 3206 in 62,0 na CorpusQA pri kontekstu 1M.

Zgornje številke poroča DeepSeek-AI za referenčno izdajo DeepSeek-V4-Pro. Naša gradnja 3BIT-REAP je stisnjena različica teh uteži in pri teh nalogah ni bila neodvisno izmerjena; referenčne rezultate obravnavajte kot zgornjo mejo temelja, ne kot meritev te končne točke.

07262K konteksta: kaj dejansko gre noter

Referenčni model je naučen za milijon žetonov. Mi strežemo 262,144 — okno, ki si ga delijo vsi modeli na prehodu, tako da je menjava modela sprememba ene vrstice in nikoli nazadovanje konteksta. V praksi je 262K onkraj točke, kjer je pri večini resničnega dela kontekst omejitev:

Obremenitev	Približno žetonov	Gre v 262K?
Srednje velik repozitorij storitve (~50k vrstic)	~600K	Ne — izberite module
En podsistem in njegovi testi	~60–120K	Da, udobno
Celoten nabor RFC za protokol	~150K	Da
700-stranska tehnična knjiga	~250K	Da, blizu meje
Dolg tek agenta, 40+ obratov z orodji	~80–200K	Da

Meja, ki jo je treba upoštevati pri načrtovanju, je izhod: največ 16,384 žetonov na odgovor. To je dolg dokument ali obsežen popravek čez več datotek, ne pa kodna baza. Velika opravila generiranja se opravijo z veriženjem zahtev, pri katerih je prejšnji izhod spet v kontekstu — kar okno 262K poceni omogoča — in ne z zahtevo po enem samem orjaškem dopolnjevanju.

08Cena in kje V4-Pro sedi v ponudbi

Pri $1.95 vhod / $3.90 izhod na milijon žetonov je V4-Pro vodilni razred za sklepanje — model, po katerem posežete, ko je problem težek. Kadar je zgolj velik, ga bodo cenejši modeli na istem oknu 262K opravili za četrtino cene.

Necenzuriran model	Vhod / 1M	Izhod / 1M	Razumevanje slik	Najprimernejši za
DeepSeek-V4-Pro · 3BIT-REAP	$1.95	$3.90	Ne	Težko sklepanje, koda, agenti
DeepSeek-V4-Flash · W4A16	$0.50	$2.00	Ne	Ista rodovnica, velik obseg
GLM-5.2 · 3BIT-REAP	$0.73	$2.34	Ne	Splošnonamenski delovni konj
Kimi-K3 · 3BIT-REAP	$3.83	$19.12	Da	Vrhunski večmodalni agenti
MiniMax-M3 · 3BIT-REAP	$0.50	$2.00	Da	Najcenejše razumevanje slik

Naravnost o primerjavi, ki jo bodo ljudje dejansko naredili: lastni API podjetja DeepSeek je cenejši od tega — lastni V4-Pro je naveden pri približno $0.435 vhod / $0.87 izhod, njihova cena za zadetke v predpomnilniku pa je še nižja. Če je cena na žeton vaše edino merilo in vedenje moderiranja na vaše delo ne vpliva, uporabite lastni API; raje vam to povemo, kot da to ugotovite pozneje. Pribitek kupuje drugačen nabor lastnosti: brez sloja zavračanja in brez filtra izhoda, upravljavca v ZDA pod Shannon Lab LLC, pripeto datirano kontrolno točko (0813), tako da tiha nadgradnja pri viru vaših izhodov sredi projekta nikoli ne spremeni, tri narečja API proti enemu modelu ter isto okno 262K in isto površino parametrov pri vseh dvanajstih modelih v ponudbi.

09Kako ga klicati: tri narečja, en model

Vsak model na prehodu odgovarja na vseh treh končnih točkah, na vsaki s pretakanjem. Ne prevzamete novega SDK — spremenite osnovni URL in identifikator modela.

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 — narečje OpenAI; deluje s SDK-ji OpenAI in vsem, kar je zgrajeno na njih.
• /v1/messages — narečje Anthropic, za kodne baze, ki so že napisane proti tej obliki.
• /v1/responses — vmesnik v slogu Responses.

Na tem modelu je podprto: pretakanje, izvorno klicanje orodij, strogi strukturirani izhod json_schema, response_format in reasoning_effort. Celoten pregled parametrov in živo igrišče sta v dokumentaciji API.

10Poštene omejitve

Štiri stvari, ki jih velja vedeti, preden na tem gradite:

• Brez razumevanja slik. Samo besedilo; slikovnega vhoda ne bo sprejel na nobeni končni točki. Če potrebujete necenzuriran model, ki vidi, uporabite Kimi-K3, Kimi-K2.6, MiniMax-M3, MiMo-V2.5 ali inkling.
• Zgornja meja izhoda 16,384 žetonov. Pri visokem naporu se vanjo štejejo tudi žetoni sklepanja, zato dolgo tehtanje pusti manj prostora za odgovor. Za velika opravila generiranja verižite zahteve.
• 3 biti so resnično stiskanje. Referenčni rezultati opisujejo temelj, ne te gradnje. Za razred z najvišjo zvestobo najmanj kvantizacije nosijo modeli W8A16 (MiMo-V2.5-Pro, MiMo-V2.5, Hy3).
• Necenzurirano ni brez posledic. Brez sloja zavračanja odgovornost za to, kaj vprašate in kaj z odgovorom naredite, ostane pri vas — po naših pogojih storitve in po zakonu tam, kjer delujete.

11Pogosta vprašanja

---

Viri: DeepSeek-AI — kartica modela DeepSeek-V4-Pro · Tehnično poročilo DeepSeek-V4 (CSA/HCA, mHC, Muon) · DeepSeek-V2 (MLA, DeepSeekMoE) · Tehnično poročilo DeepSeek-V3 · REAP the Experts (Cerebras Research) · Revizija cenzure Promptfoo · Discovering Forbidden Topics in Language Models. Številke meritev poroča DeepSeek-AI za referenčno izdajo; neodvisno preverjanje stisnjene gradnje s strani tretje osebe je še v teku. Cene so cenikovne cene Shannon AI na dan 5. september 2026.