API-ga DeepSeek ee Aan La Faaruqin

Dadka ku soo gaadha weedhda "API DeepSeek ah oo aan la faaruqin" waxay rabaan hal shay oo gaar ah: moodal leh awoodda fikirka iyo koodhka ee DeepSeek oo ka jawaaba su'aasha ay dhab ahaan waydiiyeen. Qaybta awoodda si fiican ayaa loo diiwaangeliyay — DeepSeek-AI waxay daabacday qaab-dhismeedka iyo tirooyinka, miisaannaduna waxay Hugging Face ku yaalliin MIT hoosteeda. Qaybta labaad waa go'aan hawlgal, badanaana adiga ayaa laguu sameeyaa. Boggani labadaba wuu daboolayaa: waxa uu aasaaska V4-Pro yahay, waxa uu dhismahayaga 3BIT-REAP ku sameeyo, iyo si sax ah waxa "aan la faaruqin" macnaheedu yahay marka aan nidhaahno.

01Waxa "API DeepSeek ah oo aan la faaruqin" dhab ahaan ka dhigan tahay

Laba hab oo kala duwan ayaa isla eraygaas hoos yaalla. Kii koowaad waa is-waafajin miisaannada lagu dubay — dhaqan diidmo oo lagu bartay tababbarka kadib. Kii labaad waa lakab edbin ah oo dhinaca adeegga ah: kala-soocid gooni ah oo baaraysa prompt-kaaga ka hor inta uusan moodalku arag iyo wax-soo-saarka ka hor inta aadan arag, oo jawaab jumladda badhtankeeda ka gooyn karta iyadoon loo eegin waxa moodalku dooneeyay inuu sheego.

Labadaba waa la cabbiri karaa, adeegga koowaad ee DeepSeek-na waa la cabbiray. Promptfoo waxay soo ururisay 1,360 prompt oo su'aalo siyaasadeed oo xasaasi ah ah waxayna soo sheegtay in R1-ka DeepSeek uu diiday ama ka leexday 1,156 ka mid ah — qiyaastii 85%. Shaqo tacliimeed oo isla qoyskaas lagu sameeyay waxay heshay hab guuldarro oo gooni ah oo qorayaashu ugu yeedheen xakamaynta fikirka, halkaas oo raadka fikirka ee moodalku uu dhammaado isla markiiba markuu mowduuc xasaasi ah bilaabo. Hubin kale oo lagu daabacay Information Sciences waxay diiwaangelisay xakamayn heer-macne ah: nuxur ku jira fikirka gudaha ee moodalka oo si aamusan looga tago ama dib loo qoro ka hor inta uusan isticmaalaha gaadhin. Taasi waa dhibaato ka adag diidmo cad, maxaa yeelay jawaab la gooyay jawaab bay u egtahay.

Waxa aan wadnaa waa siideynta miisaannada furan, oo ku jirta qalab aan annagu maamulno, oo ku taal Mareykanka, ee hoos yimaadda Shannon Lab LLC. Ma jiro lakab diidmo oo moodalka hor yaalla, shaandhona lagama saaro waxa soo noqda: prompt-kaaga looma kala saaro siyaasad ka hor inta aan la bixin, durdurka wax-soo-saarkana lama baadho markuu soo baxayo. Maadaama aasaasku shati MIT leeyahay oo uu dadweynaha u furan yahay, adigu waad is barbar dhigi kartaa wax-soo-saarkayaga iyo miisaannada tixraaca halkii aad hadalkayaga qaadan lahayd.

02Aasaaska: DeepSeek-V4-Pro, MoE 1.6T ah

DeepSeek-V4 waa qoyska miisaannada furan ee hadda ee DeepSeek-AI, oo la horudhaciyay Abriil 2026 lagana siideeyay MIT hoosteeda laba cabbir: V4-Flash (284B guud, 13B firfircoon) iyo V4-Pro (1.6T guud, 49B firfircoon). Maqaalkani wuxuu ku saabsan yahay heerka Pro. Labadaba waxaa horay loogu tababbaray qiyaastii 33 tirilyan token labaduba waxay si dabiici ah u taageeraan context hal-milyan-token ah.

Saamiga firdhisanaanta ayaa ah waxa la ogaanayo: kaliya qiyaastii 3% parameter-yada ayaa token kasta shaqeeya, taas oo ah waxa suurtogelinaysa in moodal sidan u weyni gebi ahaanba la bixin karo. Bloogga MoE laftiisu wali waa DeepSeekMoE — khubarada faahfaahsan ee la mariyo iyo khubarada la wadaago ee had iyo jeer shaqaynaya ee V2 lagu soo bandhigay — oo leh isbeddello V4 oo yar oo keliya, kan ugu muuqda ee ah hash routing lakabbada ugu horreeya. Multi-Token Prediction, oo ah ujeeddada kaaliyaha ah ee V3 ee sidoo kale suurtogelisa speculative decoding, sidii ayay u sii jirtaa.

Qaybaha cusub ee V4 waa kuwo qaab-dhismeed ah. Manifold-Constrained Hyper-Connections (mHC) waxay beddelaan jidka hadhaaga fudud oo waxay ku beddelaan matrix isku-dhaf ah oo la bartay oo lagu xannibay manifold-ka matrix-yada laba-jibbaaran ee tirakoobka ah iyadoo la marinayo Sinkhorn–Knopp — durdur hadhaag ah oo dib u miisaama gelin kasta iyadoon la lahayn leexashadii tirooyinka ee dilaysay tuulmooyinka aadka u qotoda dheer. Tababbarku wuxuu ka guuray AdamW wuxuuna u guuray Muon qaybaha badankood, isagoo isticmaalaya Newton–Schulz orthogonalization, iyadoo AdamW loo hayay oo keliya embeddings, madaxyada saadaasha, caadaynta iyo parameter-yada mHC ee taagan. Miisaannada khubaradana waxaa lagu tababbaraa FP4 iyadoo parameter-yada kale ee badankood ay FP8 yihiin — quantization-ka ay ka war hayaan tan iyo bilowga, taas oo muhiim u ah sida uu moodalku si fiican u qaadanayo cufid dheeraad ah.

03Laga bilaabo MLA ilaa CSA + HCA: sida uu DeepSeek context-ka dheer u jabiyo

Xariiqda uu DeepSeek afar jiil ku sii wado ma aha cabbirka, waa dhaqaalaha fiirsashada. Nooc kastaa wuxuu weerar ku qaaday kaydka KV, kaas oo si toosan ula koraya context-ka oo xusuusta ku xukuma dhererrada dhaadheer.

• V2 wuxuu soo bandhigay Multi-head Latent Attention (MLA) — cufid wadajir ah oo darajo-hoose ah oo furayaasha iyo qiimayaasha lagu geliyo vector qarsoon, sidaas darteed soo saariddu waxay kaydisaa vector-kaas iyo furaha RoPE ee la kala saaray halkii ay kaydin lahayd K iyo V oo madax kasta buuxa. DeepSeek waxay soo sheegtay in kaydka KV uu hoos u dhacay ilaa qiyaastii 4–14% ee fiirsashada madaxyada badan ee caadiga ah, iyadoo tayadu sii hadhay ama wanaagsanaatay.
• V3 wuxuu taas u cabbiray 671B, taasoo MLA ka dhigtay malaha caadiga ah ee context-ka dheer ee jaban ee moodallada furan.
• V3.2 wuxuu ku daray DeepSeek Sparse Attention (DSA), isagoo dooranaya qayb top-k ah oo taariikhda ah su'aal kasta iyadoo la marinayo tilmaame fudud halkii wax kastaa loo fiirin lahaa.
• V4 wuu isku darsadaa. Compressed Sparse Attention (CSA) wuxuu marka hore ku cufaa gelinta KV ee m token kasta hal gelin oo leh miisaanno la bartay, ka dibna wuxuu ka wadaa xulasho top-k oo firdhisan gelinnadaas la cufay. Heavily Compressed Attention (HCA) aad ayuu si xoog badan wax u cufaa laakiin natiijada wuu ku sii cufan yahay. Labada nooc ee lakabku waxay isku dhex galaan tuulmada, sidaas darteed soo koobid guud oo jaban iyo soo-celin maxalli ah oo sax ah way wada jiraan.

Faa'iidada la sheegay ee context-ka hal-milyan-token waa mid cad: V4-Pro wuxuu u baahan yahay qiyaastii 27% FLOPs-ka fasiraadda ee token kasta iyo 10% kaydka KV ee V3.2. Taasi waa sababta uu codsi 262K ah u dhaqmo sidii codsi caadi ah halkii uu dhacdo xusuusi ka noqon lahaa, iyo sababta ay tirooyinka soo-celinta context-ka dheer u sii adkaadaan halkii ay ku burburi lahaayeen dhowr tobanaan kun oo token kadib.

04Waxa uu lifaaqa 3BIT-REAP ka dhigan yahay

Aqoonsigayaga kataloogu wuxuu ku dhammaadaa 3BIT-REAP, taasina waxay sharraxaysaa laba tallaabo cufid oo madax-bannaan oo si kala dambaysa loo mariyay.

REAP: khubarada jarid, ma aha isku darsi

REAP waa Router-weighted Expert Activation Pruning, oo ka timid Cerebras Research — "REAP the Experts: Why Pruning Prevails for One-Shot MoE Compression", oo la aqbalay ICLR 2026. MoE firdhisan router-ku si siman uma isticmaalo khubaradiisa: dabo dheer ayaa dhif loo doortaa, si daciif ah, ama labadaba. REAP wuxuu khabiir kasta ku qiimeeyaa isku-darka qiimayaasha albaabka router-ka (inta jeer iyo xoogga lagu doorto) iyo heerarka firfircoonaanshaha khabiirka (inta uu wax-soo-saarkiisu ku darsado), ka dibna wuxuu si toos ah u tirtiraa kuwa guuldareeystay.

Doodda warqaddu waa in jariddu ka fiican tahay isku darsiga: isku darsigu wuxuu celceliyaa oo baabbi'iyaa takhassuska shaqo ee MoE dhisidda mudan ka dhigay, halka tirtiridda khubarada uu router-ku si dirqi ah u gaadho ay ilaalinayso. Moodallo laga bilaabo 20B ilaa 1T, REAP wuxuu ka wanaagsanaaday isku darsiga iyo habab jarid oo la tartamaya cabbir-tijaabooyinka wax-soo-saarka, qorayaashuna waxay soo sheegayaan natiijooyin ku dhow kuwa aan wax lumin oo ku saabsan soo saarista koodhka iyo wicitaanka qalabka marka 50% khubarada la jaro Qwen3-Coder-480B iyo Kimi-K2 — taas oo si sax ah u ah muuqaalka shaqada ee moodalkani halkan ugu jiro.

Miisaanno 3-bit ah: heerka cufidda ee aasaasyada ugu waaweyn

Waxa hadha ayaa markaas loo quantize gareeyaa miisaanno 3-bit ah. Saddex bit waa xoog, mana iska dhigno wax kale: safka oo dhan waxaan isticmaalnaa W8A16 halka aasaasku ku yar yahay in aanu u baahnayn cadaadiska, W4A16-AUTOROUND-REAP dhexda, iyo 3BIT-REAP oo keliya aasaasyada ugu waaweyn, halkaas oo uu yahay farqiga u dhexeeya in moodalka la bixiyo iyo in aan la bixin.

Is-dheellitirku wuxuu mudan yahay in si cad loo sheego: MoE 1.6T ah oo 3-bit ah bit ahaan lama mid aha siideynta tixraaca, kharash tayo oo yarna waa dhab. Waxa aad ka heshaa waa aasaas aan la cufin saqafkiisu uu aad uga sarreeyo wax kasta oo si raaxo leh ugu habboon sax badan — sababtoo ah khubarada V4 tan iyo bilowga waxaa lagu tababbaray FP4, moodalku si aan caadi ahayn ayuu u dhaqmaa cufid miisaan oo dheeraad ah. Haddii aad rabto dhisme DeepSeek ah oo saxnimadiisa si khafiif ah loo taabtay, DeepSeek-V4-Flash-0731-W4A16-AUTOROUND-REAP wuxuu isticmaalaa miisaanno 4-bit ah oo leh firfircoonaansho 16-bit ah iyo wareejinta la bartay ee AutoRound, isla context-ka 262K ah, $0.50 gudaha / $2.00 dibadda.

05Fikirka, iyo cabbirka reasoning_effort

Tababbarka kadib ee V4 wuxuu si gooni ah u tababbaraa takhasusleyda goobaha — xisaabta, koodhka, wakiillada, raacitaanka amarrada — SFT ka dibna GRPO, oo ah habka Group Relative Policy Optimization ee DeepSeek uu R1 la soo bandhigay. Takhasusleydaas ayaa markaas lagu mideeyaa hal moodal iyadoo la marinayo distillation on-policy ah oo hoos yimaadda ujeeddo reverse-KL ah, sidaas darteed hal hakad ayaa wata dhaqan heer-takhasusle ah oo dhowr goobood isku mar ah halkii uu ahaan lahaa guud oo dhammaantood ku liita.

Moodalka la siideeyay wuxuu soo bandhigaa habab fikir oo heer-heer ah halkii uu ka ahaan lahaa badhan laba-dhinac ah. Albaabkayaga taasi waa cabbirka caadiga ah ee reasoning_effort, oo ah furaha ugu faa'iidada badan ee moodalkan:

• Hoose — jawaab ku dhow mid toos ah: kala-soocid, soo-saarid, dib-u-qorid, wax kasta oo aad ku bixinayso aqoonta moodalka halkii aad ka bixin lahayd fikirkiisa.
• Dhexe — habka shaqada ee caadiga ah ee dib-u-eegista koodhka, saxidda cilladaha iyo falanqaynta tallaabooyin badan leh.
• Sare — fikir dheer ka hor jawaabta. Halka dhibaatooyinka adag lagu xalliyo, iyo halka biilkaaga token-nada wax-soo-saarku ku nool yahay, maadaama token-nada fikirka loo biiliyo sidii wax-soo-saar.

Maadaama uusan jirin lakab diidmo, raadka fikirka lagama gooyo mowduucyada xasaasiga ah — qaabka xakamaynta fikirka ee lagu diiwaangeliyay adeegga koowaad hab uu halkan ku dhaco ma laha.

06Koodhka iyo shaqada wakiillada: waxa aasaasku dhibcaha ka helo

Kuwani waa tirooyinka DeepSeek-AI ay laftoodu u daabaceen siideynta V4-Pro — ma aha kuwayaga, lagumana cabbirin dhismahayaga la quantize gareeyay. Waan tusaynaa maxaa yeelay waa sababta daacadda ah ee aasaaskan loo dooranayo, waxaanan u calaamadaynaa kuwo koowaad si aad u miisaamiso sidaas.

Laba ayaa faallo mudan. SWE-bench Verified oo 80.6% ah waa xallinta arrimaha kayd-koodh dhab ah — akhrinta kayd-koodh aad aqoon u lahayn, helitaanka cilladda, soo saarista balastar ka gudba imtixaannada mashruuca laftiisa. MRCR oo hal milyan token ah (83.5) waa soo-celinta tixraaca isku mid ah ee wareegyo badan oo dhererka buuxa, oo ah tirada kuu sheegaysa in sheegashada context-ka dheer aanay qurxin ahayn. DeepSeek waxay sidoo kale u soo sheegtaa moodalka heer Codeforces oo 3206 ah, iyo 62.0 CorpusQA oo context 1M ah.

Tirooyinka kor ku xusan waxaa soo sheegay DeepSeek-AI ee siideynta tixraaca ee DeepSeek-V4-Pro. Dhismahayaga 3BIT-REAP waa nooc la cufay oo miisaannadaas ah, si madax-bannaanna hawlahaas laguma cabbirin; dhibcaha tixraaca u qaado saqafka aasaaska, ma aha cabbir dhammaadkan ah.

07Context 262K: waxa dhab ahaan ku habboon

Moodalka tixraaca waxaa loo tababbaray hal milyan token. Waxaan bixinaa 262,144 — daaqadda ay moodal kasta oo albaabka saaran wadaagaan, sidaas darteed beddelka moodalku waa isbeddel hal-sadar ah waligiisna ma aha dib-u-dhac context. Ficil ahaan 262K wuu ka gudbay meesha context-ku shaqada dhabta ah ee badan xayiraad ku noqonayo:

Shaqada	Qiyaas token	Ma ku habboon 262K?
Kayd adeeg oo dhexdhexaad ah (~50k xariiq)	~600K	Maya — qaybo dooro
Hal nidaam-hoosaad + imtixaannadiisa	~60–120K	Haa, si raaxo leh
Xirmada RFC ee buuxda ee borotokool	~150K	Haa
Buug farsamo oo 700 bog ah	~250K	Haa, xadka u dhow
Socod wakiil oo dheer, 40+ wareeg qalab	~80–200K	Haa

Xadka ay tahay in la qorsheeyo waa wax-soo-saarka: 16,384 token oo ugu badan jawaab kasta. Taasi waa dukumenti dheer ama balastar faylal badan oo weyn, laakiin ma aha kayd-koodh. Shaqooyinka soo saarista ee waaweyn waxaa lagu qabtaa in codsiyada la isku silsilo iyadoo wax-soo-saarkii hore dib loogu celiyo context-ka — taas oo daaqadda 262K ay jaban ka dhigto — halkii hal dhammaystir oo aad u weyn la codsan lahaa.

08Qiimaha, iyo halka V4-Pro safka ka joogto

Marka la eego $1.95 gudaha / $3.90 dibadda milyan token kasta, V4-Pro waa heerka fikirka ee hormuudka ah — moodalka aad u gacan qaadanayso marka dhibaatadu adag tahay. Marka ay kaliya weyn tahay, moodallo ka jaban oo isla daaqadda 262K ah ayaa kuu qaban doona rubuc qiimaha.

Moodal aan la faaruqin	Gudaha / 1M	Dibadda / 1M	Sawir-akhris	Ugu wanaagsan
DeepSeek-V4-Pro · 3BIT-REAP	$1.95	$3.90	Maya	Fikir adag, koodh, wakiillo
DeepSeek-V4-Flash · W4A16	$0.50	$2.00	Maya	Isla xidid, tiro badan
GLM-5.2 · 3BIT-REAP	$0.73	$2.34	Maya	Faras shaqo oo guud
Kimi-K3 · 3BIT-REAP	$3.83	$19.12	Haa	Wakiillo multimodal ah oo heer sare ah
MiniMax-M3 · 3BIT-REAP	$0.50	$2.00	Haa	Sawir-akhriska ugu jaban

Si toos ah uga hadalka isbarbardhigga ay dadku dhab ahaan samayn doonaan: API-ga DeepSeek laftiisu wuu ka jaban yahay kan — V4-Pro koowaad wuxuu ku taxan yahay qiyaastii $0.435 gudaha / $0.87 dibadda, qiimaha gelinta kaydka la helayna wuu ka sii hooseeyaa. Haddii qiimaha token kasta uu yahay shuruudaada kaliya, dhaqanka edbintuna aanu shaqadaada saamayn, isticmaal API-ga koowaad; waanu ka door bidaynaa inaan kuu sheegno halkii aad markii dambe ogaan lahayd. Qiimaha dheeraadka ahi wuxuu ku iibsanayaa astaamo kale: lakab diidmo ma jiro shaandho wax-soo-saarna ma jirto, hawlwadeen Mareykan ah oo hoos yimaadda Shannon Lab LLC, hakad taariikhaysan oo la xidhay (0813) si aan cusboonaysiin aamusan oo kor ka timaadaa waligeed u beddelin wax-soo-saarkaaga mashruuca dhexdiisa, saddex lahjadood oo API ah oo hal moodal ka shaqaynaya, iyo isla daaqadda 262K iyo isla parameter-yada laba iyo tobanka moodal ee safka oo dhan.

09Sida loo waco: saddex lahjadood, hal moodal

Moodal kasta oo albaabka saaran wuxuu ka jawaabaa saddexda dhammaad, streaming-na mid kastaa way leedahay. SDK cusub ma qaadanaysid — waxaad beddeshaa base URL iyo aqoonsi moodal.

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 — lahjadda OpenAI; waxay la shaqaysaa SDK-yada OpenAI iyo wax kasta oo lagu dhisay.
• /v1/messages — lahjadda Anthropic, oo loogu talagalay kayd-koodhyada horeba qaabkaas loogu qoray.
• /v1/responses — interfeys-ka qaabka Responses.

Waxa moodalkan lagu taageeray: streaming, wicitaan qalab oo dabiici ah, wax-soo-saar qaabaysan oo json_schema adag, response_format, iyo reasoning_effort. Tixraaca parameter-yada oo buuxa iyo goob tijaabo oo toos ah waxay ku jiraan dukumentiga API-ga.

10Xadad daacad ah

Afar shay oo la ogaado ka hor intaadan wax ku dhisin:

• Sawir-akhris ma jiro. Qoraal keliya; gelin sawir kama aqbalayo dhammaad kasta. Haddii aad u baahan tahay moodal aan la faaruqin oo wax arka, isticmaal Kimi-K3, Kimi-K2.6, MiniMax-M3, MiMo-V2.5 ama inkling.
• Saqafka wax-soo-saarka oo ah 16,384 token. Token-nada fikirku way ka jaraan marka dadaalku sarreeyo, sidaas darteed fikir dheeri wuxuu jawaabta u daayaa meel yar. Codsiyada isku silsilo shaqooyinka soo saarista ee waaweyn.
• 3-bit waa cufid dhab ah. Dhibcaha tixraacu waxay sharraxayaan aasaaska, ma aha dhismahan. Heerka daacadnimada ugu sarreeya, moodallada W8A16 (MiMo-V2.5-Pro, MiMo-V2.5, Hy3) ayaa quantization-ka ugu yar wata.
• Faaruq-la'aani cawaaqib-la'aan ma aha. Lakab diidmo la'aani waxay ka dhigan tahay in mas'uuliyadda waxa aad weydiiso, iyo waxa aad jawaabta ku samayso, ay adiga kula hadho — hoos yimaadda shuruudahayaga adeegga iyo sharciga meesha aad ka shaqaynayso.

11Su'aalaha inta badan la iswaydiiyo

---

Ilaha: DeepSeek-AI — kaadhka moodalka DeepSeek-V4-Pro · Warbixinta farsamo ee DeepSeek-V4 (CSA/HCA, mHC, Muon) · DeepSeek-V2 (MLA, DeepSeekMoE) · Warbixinta farsamo ee DeepSeek-V3 · REAP the Experts (Cerebras Research) · Hubinta faaruqinta ee Promptfoo · Discovering Forbidden Topics in Language Models. Tirooyinka cabbir-tijaabada waxaa soo sheegay DeepSeek-AI ee siideynta tixraaca; xaqiijin dhinac saddexaad oo madax-bannaan oo dhismaha la cufay wali way sugaysaa. Qiimayaashu waa qiimayaasha liiska Shannon AI ee 5 Sebtembar 2026.