API-и бесензураи DeepSeek

Одамоне, ки ба ибораи «API-и бесензураи DeepSeek» меоянд, як чизи мушаххасро мехоҳанд: моделе бо қобилияти мулоҳиза ва барномасозии DeepSeek, ки ба саволи воқеан додашуда ҷавоб медиҳад. Нимаи қобилият хуб ҳуҷҷатгузорӣ шудааст — DeepSeek-AI меъморӣ ва рақамҳоро нашр кардааст ва вазнҳо дар Hugging Face таҳти MIT ҳастанд. Нимаи дуюм қарори амалиётист ва одатан онро ба ҷои шумо қабул мекунанд. Ин саҳифа ҳардуро дар бар мегирад: асоси V4-Pro чист, сохти 3BIT-REAP-и мо бо он чӣ мекунад ва вақте ки мо «бесензура» мегӯем, маҳз чиро дар назар дорем.

01«API-и бесензураи DeepSeek» воқеан чӣ маъно дорад

Ду механизми гуногун таҳти як калима ҷамъ карда мешаванд. Якум ҳамоҳангсозии дар вазнҳо пухташуда аст — рафтори рад кардан, ки ҳангоми пас аз таълим омӯхта шудааст. Дуюм қабати модератсия дар тарафи хизматрасонӣ аст: таснифкунандаи алоҳида, ки дархости шуморо пеш аз он ки модел бинад ва баромадро пеш аз он ки шумо бинед месанҷад ва метавонад ҷавобро дар мобайни ҷумла бурад, новобаста аз он ки модел чӣ гуфтан мехост.

Ҳарду ченшавандаанд ва хизматрасонии тарафи аввали DeepSeek чен карда шудааст. Promptfoo маҷмӯи 1,360 дархости аз ҷиҳати сиёсӣ ҳассосро ҷамъ овард ва гузориш дод, ки R1-и мизбонии DeepSeek 1,156-тои онҳоро рад кард ё аз ҷавоб гурехт — тақрибан 85%. Корҳои академӣ дар ҳамон оила шакли алоҳидаи нокомиро ёфтанд, ки муаллифон онро пахши фикр номидаанд, ки дар он изи мулоҳизаи модел қариб ҳамон лаҳза, ки дар мавзӯи ҳассос оғоз мешавад, қатъ мегардад. Аудити алоҳидае, ки дар Information Sciences нашр шудааст, пахши сатҳи маъноӣ-ро ҳуҷҷатгузорӣ кардааст: мазмуне, ки дар мулоҳизаи дохилии модел мавҷуд аст, вале пеш аз расидан ба корбар оромона партофта ё аз нав навишта мешавад. Ин мушкили душвортар аз радди ошкоро аст, зеро ҷавоби буридашуда мисли ҷавоб менамояд.

Он чи мо кор мефармоем, нашри вазнҳои кушода аст, дар таҷҳизоте, ки мо кор мефармоем, дар Иёлоти Муттаҳида, таҳти Shannon Lab LLC. Дар пеши модел қабати рад кардан нест ва ба он чи бармегардад филтр татбиқ намешавад: дархости шумо пеш аз хизматрасонӣ аз рӯи сиёсат тасниф намешавад ва ҷараёни баромад дар роҳи баромадан санҷида намешавад. Азбаски асос литсензияи MIT дорад ва оммавӣ аст, шумо метавонед баромадҳои моро худатон бо вазнҳои маълумотӣ муқоиса кунед, на ин ки ба сухани мо бовар кунед.

02Асос: DeepSeek-V4-Pro, MoE бо 1.6T

DeepSeek-V4 оилаи ҷории вазнҳои кушодаи DeepSeek-AI аст, ки дар апрели соли 2026 пешнамоиш шуд ва таҳти MIT дар ду андоза баромад: V4-Flash (284B умумӣ, 13B фаъол) ва V4-Pro (1.6T умумӣ, 49B фаъол). Ин мақола дар бораи зинаи Pro аст. Ҳарду тақрибан дар 33 триллион токен пеш аз таълим дида шудаанд ва ҳарду ба таври ватанӣ контексти якмиллионтокениро дастгирӣ мекунанд.

Таносуби сиёрагӣ чизест, ки бояд диққат дод: танҳо тақрибан 3%-и параметрҳо дар ҳар токени додашуда фаъол мешаванд, ва маҳз ҳамин моделеро бо чунин андоза умуман қобили хизматрасонӣ мекунад. Худи блоки MoE ҳанӯз ҳам DeepSeekMoE аст — мутахассисони майдамаршрутшуда плюс мутахассисони муштараки ҳамеша фаъол, ки дар V2 ҷорӣ шуда буданд — бо тағйироти ночизи V4, ки намоёнтаринашон маршрутизатсияи ҳешӣ дар қабатҳои аввалин аст. Multi-Token Prediction, ҳадафи ёрирасони V3, ки инчунин декодиронии тахминиро имконпазир мекунад, бетағйир нигоҳ дошта шудааст.

Қисмҳои нав дар V4 сохторӣ мебошанд. Manifold-Constrained Hyper-Connections (mHC) роҳи оддии боқимондаро бо матритсаи омехтаи омӯхташуда иваз мекунанд, ки тавассути проексияи Синкхорн–Кнопп ба бисёршаклаи матритсаҳои дукарата стохастикӣ маҳдуд карда шудааст — ҷараёни боқимонда, ки барои ҳар вуруд аз нав вазн мегирад, бидуни дрейфи ададӣ, ки стекҳои хеле чуқурро мекушад. Таълим аз AdamW ба Muon барои аксари модулҳо гузашт, бо истифода аз ортогоналикунонии Нютон–Шулц, ва AdamW танҳо барои ҷобаҷогузориҳо, сарҳои пешгӯӣ, нормализатсия ва параметрҳои статикии mHC нигоҳ дошта шуд. Ва вазнҳои мутахассисон дар FP4 таълим дода мешаванд, дар ҳоле ки аксари параметрҳои дигар дар FP8 ҳастанд — аз ҳамон аввал ба квантизатсия огоҳ, ки барои он муҳим аст, ки модел фишурдани минбаъдаро чӣ гуна осон мебардорад.

03Аз MLA ба CSA + HCA: DeepSeek чӣ гуна контексти дарозро арзон нигоҳ медорад

Хатти сурхи DeepSeek дар чор насл андоза нест, балки иқтисодиёти таваҷҷуҳ аст. Ҳар версия ба кеши KV ҳамла кардааст, ки бо контекст ба таври хаттӣ мерӯяд ва дар дарозиҳои калон хотираро фаро мегирад.

• V2 Multi-head Latent Attention (MLA)-ро ҷорӣ кард — фишурдани муштараки камратбаи калидҳо ва қиматҳо ба вектори ниҳонӣ, то ки тавлид ҳамон вектор плюс калиди ҷудошудаи RoPE-ро кеш кунад, на K ва V-и пурраи ҳар сарро. DeepSeek гузориш дод, ки кеши KV то тақрибан 4–14%-и таваҷҷуҳи бисёрсараи стандартӣ кам шудааст, дар ҳоле ки сифат нигоҳ дошта ё беҳтар шудааст.
• V3 инро то 671B миқёс кард ва MLA-ро ба фарзияи пешфарзи контексти дарози арзон дар моделҳои кушода табдил дод.
• V3.2 DeepSeek Sparse Attention (DSA)-ро илова кард, ки ба ҷои таваҷҷуҳ ба ҳама чиз, тавассути индексатори сабук зермаҷмӯи top-k-и таърихро барои ҳар пурсиш интихоб мекунад.
• V4 гибрид мекунад. Compressed Sparse Attention (CSA) аввал вурудҳои KV-и ҳар m токенро бо вазнҳои омӯхташуда ба як вуруд фишурда мекунад, баъд аз рӯи он вурудҳои фишурда интихоби сиёраи top-k мегузаронад. Heavily Compressed Attention (HCA) хеле шадидтар фишурда мекунад, вале аз рӯи натиҷа зич мемонад. Ду навъи қабат дар тамоми стек навбат ба навбат ҷойгиранд, бинобар ин ҷамъбасти умумии арзон ва бозёбии дақиқи маҳаллӣ якҷоя вуҷуд доранд.

Фоидаи гузоришшуда дар контексти якмиллионтокенӣ ҷиддист: V4-Pro тақрибан 27%-и FLOPS-и хулосабарорӣ дар як токен ва 10%-и кеши KV-и V3.2-ро талаб мекунад. Маҳз барои ҳамин дархости 262K мисли дархости оддӣ рафтор мекунад, на мисли ҳодисаи хотира, ва барои ҳамин рақамҳои бозёбии контексти дароз нигоҳ дошта мешаванд, на ин ки пас аз чанд даҳҳазор токен фурӯ мераванд.

04Пасванди 3BIT-REAP чӣ маъно дорад

Идентификатори каталогии мо бо 3BIT-REAP тамом мешавад ва ин ду қадами мустақили фишурдасозиро тавсиф мекунад, ки бо тартиб татбиқ мешаванд.

REAP: буридани мутахассисон, на якҷоя кардани онҳо

REAP ин Router-weighted Expert Activation Pruning аз Cerebras Research аст — «REAP the Experts: Why Pruning Prevails for One-Shot MoE Compression», ки ба ICLR 2026 қабул шудааст. Дар MoE-и сиёра маршрутизатор мутахассисони худро баробар истифода намебарад: думи дароз кам, суст ё ҳарду тавр интихоб мешавад. REAP ҳар мутахассисро бо якҷоя кардани қиматҳои дарвозаи маршрутизатор (то чӣ андоза зуд-зуд ва то чӣ андоза қавӣ интихоб мешавад) бо меъёрҳои фаъолсозии мутахассис (баромади он то чӣ андоза саҳм мегузорад) баҳо медиҳад ва баъд бохтагонро тамоман нест мекунад.

Далели мақола дар он аст, ки буридан аз якҷоя кардан беҳтар аст: якҷоя кардан тахассуси функсионалиро, ки барои сохтани MoE арзиш дошт, миёна карда мепартояд, дар ҳоле ки нест кардани мутахассисоне, ки маршрутизатор базӯр ба онҳо мерасад, онро нигоҳ медорад. Дар моделҳо аз 20B то 1T, REAP аз якҷоякунӣ ва усулҳои рақиби буридан дар бенчмаркҳои тавлидӣ бартарӣ дошт ва муаллифон дар Qwen3-Coder-480B ва Kimi-K2 натиҷаҳои қариб бетаносонро дар тавлиди код ва фарохонии абзорҳо ҳангоми 50% буридани мутахассисон гузориш медиҳанд — ки маҳз ҳамон профили корист, ки ин модел барои он ин ҷост.

Вазнҳои 3-битӣ: зинаи фишурдасозӣ барои калонтарин асосҳо

Он чи боқӣ мемонад, баъд ба вазнҳои 3-битӣ квантизатсия мешавад. Се бит шадид аст ва мо акси инро вонамуд намекунем: дар тамоми қатор мо W8A16-ро он ҷое истифода мебарем, ки асос ба қадри кофӣ хурд аст ва ба фишурдан ниёз надорад, W4A16-AUTOROUND-REAP-ро дар мобайн ва 3BIT-REAP-ро танҳо дар калонтарин асосҳо, ки дар онҳо ин фарқи байни хизматрасонии модел ва хизмат нарасонидани он аст.

Мубодилаи арзиши ошкоро баён карданро дорад: MoE-и 3-битии 1.6T аз нашри маълумотӣ бит ба бит якхела нест ва хароҷоти хурди сифат воқеист. Дар ивазаш шумо асосеро мегиред, ки шифти фишурданашуда-и он аз ҳар чизе, ки бо дақиқии баландтар бароҳат ҷойгир мешавад, хеле болотар аст — ва азбаски мутахассисони V4 аз ҳамон аввал дар FP4 таълим дидаанд, модел таҳти фишурдани минбаъдаи вазнҳо ба таври ғайриоддӣ хушрафтор аст. Агар шумо сохти DeepSeek-ро бо муносибати сабуктар ба дақиқӣ хоҳед, DeepSeek-V4-Flash-0731-W4A16-AUTOROUND-REAP вазнҳои 4-битиро бо фаъолсозиҳои 16-битӣ ва мудавварсозии омӯхташудаи AutoRound истифода мебарад, дар ҳамон контексти 262K бо нархи $0.50 вуруд / $2.00 баромад.

05Мулоҳиза ва фишанги reasoning_effort

Пас аз таълими V4 мутахассисони соҳавӣ алоҳида таълим дода мешаванд — математика, барномасозӣ, агентҳо, риояи дастур — бо SFT ва баъд GRPO, усули Group Relative Policy Optimization, ки DeepSeek бо R1 ҷорӣ карда буд. Он мутахассисон баъд тавассути дистилятсияи дар сиёсат таҳти ҳадафи баръакси KL ба як модел муттаҳид карда мешаванд, бинобар ин як нуқтаи назорат ҳамзамон рафтори сатҳи мутахассисро дар якчанд соҳа дар бар мегирад, на ин ки умумиест, ки дар ҳамааш миёнаҳол аст.

Модели баровардашуда ба ҷои калиди дуҳолата режимҳои дараҷабандишудаи фикрронӣ дорад. Дар шлюзи мо ин параметри стандартии reasoning_effort аст, муфидтарин фишанги ин модел:

• Low — ҷавоби қариб мустақим: таснифот, истихроҷ, бознависӣ, ҳар чизе, ки дар он шумо на барои мулоҳизаи модел, балки барои дониши он пул медиҳед.
• Medium — режими корӣ бо нобаёнӣ барои баррасии код, ислоҳи хатоҳо ва таҳлили бисёрзинагӣ.
• High — мулоҳизаи дароз пеш аз ҷавоб. Ҷое, ки мушкилоти душвор ҳал мешаванд ва ҷое, ки ҳисоби токенҳои баромади шумо зиндагӣ мекунад, зеро токенҳои мулоҳиза ҳамчун баромад ҳисоб карда мешаванд.

Азбаски қабати рад кардан нест, изи мулоҳиза дар мавзӯъҳои ҳассос бурида намешавад — шакли пахши фикр, ки дар хизматрасонии тарафи аввал ҳуҷҷатгузорӣ шудааст, дар ин ҷо механизми рух додан надорад.

06Кор бо код ва агентҳо: асос чӣ холҳо мегирад

Инҳо рақамҳои худи DeepSeek-AI, ки барои нашри V4-Pro интишор шудаанд — на аз они мо ва дар сохти квантизатсияшудаи мо чен нашудаанд. Мо онҳоро нишон медиҳем, зеро онҳо сабаби ростқавлонаи интихоби ин асосанд, ва онҳоро ҳамчун маълумоти тарафи аввал қайд мекунем, то шумо онҳоро мувофиқан вазн кунед.

Дуто шарҳро сазоворанд. SWE-bench Verified бо 80.6% ҳалли масъалаҳо дар анбори воқеист — хондани базаи кодҳои ношинос, ёфтани нуқсон, тайёр кардани ямоқе, ки аз санҷишҳои худи лоиҳа мегузарад. MRCR дар як миллион токен (83.5) бозёбии кореференсиалии бисёрдавра дар дарозии пурра аст — рақаме, ки ба шумо мегӯяд даъвои контексти дароз ороишӣ нест. DeepSeek инчунин барои модел рейтинги Codeforces 3206 ва 62.0 дар CorpusQA бо контексти 1M гузориш медиҳад.

Рақамҳои боло аз ҷониби DeepSeek-AI барои нашри маълумотии DeepSeek-V4-Pro гузориш дода шудаанд. Сохти 3BIT-REAP-и мо варианти фишурдаи он вазнҳост ва дар ин вазифаҳо мустақилона бенчмарк нашудааст; холҳои маълумотиро ҳамчун шифти асос қабул кунед, на ҳамчун ченкунии ин нуқтаи интиҳоӣ.

07Контексти 262K: воқеан чӣ ҷойгир мешавад

Модели маълумотӣ барои як миллион токен таълим дидааст. Мо 262,144-ро хизмат мерасонем — тирезае, ки ҳар модели шлюз бо ҳам мубодила мекунад, бинобар ин иваз кардани модел тағйири яксатра аст ва ҳеҷ гоҳ ақибнишинии контекст нест. Дар амал 262K аз нуқтае, ки контекст барои аксари корҳои воқеӣ маҳдудкунанда мешавад, гузаштааст:

Кор	Токенҳои тахминӣ	Дар 262K ҷойгир мешавад?
Анбори миёнаи хидматӣ (~50k сатр)	~600K	Не — модулҳоро интихоб кунед
Як зерсистема + санҷишҳои он	~60–120K	Бале, бароҳат
Маҷмӯи пурраи RFC барои як протокол	~150K	Бале
Китоби техникии 700-саҳифагӣ	~250K	Бале, наздик ба ҳад
Кори дарози агент, 40+ давраи абзор	~80–200K	Бале

Ҳадде, ки бояд ба нақша гирифт, баромад аст: ҳадди аксар 16,384 токен дар як ҷавоб. Ин ҳуҷҷати дароз ё ямоқи назарраси бисёрфайлӣ аст, вале базаи код не. Корҳои калони тавлидӣ тавассути занҷир кардани дархостҳо бо баромади қаблӣ дар контекст иҷро мешаванд — ки тирезаи 262K онро арзон мекунад — на бо талаби як анҷомдиҳии азим.

08Нарх ва ҷои V4-Pro дар қатор

Бо $1.95 вуруд / $3.90 баромад барои як миллион токен, V4-Pro зинаи парчамбардори мулоҳиза аст — моделе, ки шумо вақте мегиред, ки мушкилот душвор аст. Вақте ки он танҳо калон аст, моделҳои арзонтар дар ҳамон тирезаи 262K инро бо чоряки нарх иҷро мекунанд.

Модели бесензура	Вуруд / 1M	Баромад / 1M	Биноӣ	Барои чӣ беҳтарин аст
DeepSeek-V4-Pro · 3BIT-REAP	$1.95	$3.90	Не	Мулоҳизаи душвор, код, агентҳо
DeepSeek-V4-Flash · W4A16	$0.50	$2.00	Не	Ҳамон насаб, ҳаҷми баланд
GLM-5.2 · 3BIT-REAP	$0.73	$2.34	Не	Аспи кории таъиноти умумӣ
Kimi-K3 · 3BIT-REAP	$3.83	$19.12	Бале	Агентҳои бисёрмодалии сатҳи болоӣ
MiniMax-M3 · 3BIT-REAP	$0.50	$2.00	Бале	Арзонтарин биноӣ

Ростқавлона дар бораи муқоисае, ки одамон воқеан хоҳанд кард: API-и худи DeepSeek аз ин арзонтар аст — V4-Pro-и тарафи аввал тақрибан $0.435 вуруд / $0.87 баромадро нишон медиҳад ва нархи вуруди онҳо ҳангоми расидан ба кеш боз ҳам пасттар аст. Агар нарх дар як токен ягона меъёри шумо бошад ва рафтори модератсия ба кори шумо таъсир нарасонад, API-и тарафи аввалро истифода баред; мо мехоҳем инро ба шумо бигӯем, на ин ки шумо баъдтар худатон фаҳмед. Иловапулӣ маҷмӯи дигари хусусиятҳоро мехарад: қабати рад кардан ва филтри баромад нест, оператори амрикоӣ таҳти Shannon Lab LLC, нуқтаи назорати санадноки мустаҳкам (0813), то ки навсозии хомӯши болооб ҳеҷ гоҳ баромадҳои шуморо дар мобайни лоиҳа тағйир надиҳад, се лаҳҷаи API дар як модел ва ҳамон тирезаи 262K ва ҳамон сатҳи параметрҳо дар ҳамаи дувоздаҳ модели қатор.

09Фарохонии он: се лаҳҷа, як модел

Ҳар модели шлюз дар ҳар се нуқтаи интиҳоӣ ҷавоб медиҳад ва дар ҳар яке ҷараёнӣ дорад. Шумо SDK-и навро қабул намекунед — шумо URL-и асосӣ ва идентификатори моделро иваз мекунед.

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 — лаҳҷаи OpenAI; бо SDK-ҳои OpenAI ва ҳар чизе, ки дар асоси онҳо сохта шудааст, кор мекунад.
• /v1/messages — лаҳҷаи Anthropic, барои базаҳои кодҳое, ки аллакай барои ҳамон шакл навишта шудаанд.
• /v1/responses — интерфейси навъи Responses.

Дар ин модел дастгирӣ мешаванд: ҷараёнӣ, фарохонии ватании абзорҳо, баромади сохтории қатъии json_schema, response_format ва reasoning_effort. Маълумотномаи пурраи параметрҳо ва майдончаи зинда дар ҳуҷҷатгузории API ҳастанд.

10Маҳдудиятҳои ростқавлона

Чор чиз, ки пеш аз сохтан дар асоси он донистан лозим аст:

• Биноӣ нест. Танҳо матн; он дар ҳеҷ нуқтаи интиҳоӣ вуруди тасвирро қабул намекунад. Агар ба шумо модели бесензурае лозим бошад, ки мебинад, Kimi-K3, Kimi-K2.6, MiniMax-M3, MiMo-V2.5 ё inkling-ро истифода баред.
• Шифти баромади 16,384 токен. Ҳангоми кӯшиши баланд токенҳои мулоҳиза ба он ҳисоб мешаванд, бинобар ин мулоҳизаи дароз барои ҷавоб ҷои камтар мемонад. Барои корҳои калони тавлидӣ дархостҳоро занҷир кунед.
• 3-бит фишурдасозии воқеист. Холҳои маълумотӣ асосро тавсиф мекунанд, на ин сохтро. Барои зинаи баландтарин садоқат, моделҳои W8A16 (MiMo-V2.5-Pro, MiMo-V2.5, Hy3) камтарин квантизатсияро доранд.
• Бесензура будан бидуни оқибат нест. Набудани қабати рад кардан маънои онро дорад, ки масъулият барои он чи мепурсед ва он чи бо ҷавоб мекунед, бо шумо мемонад — тибқи шартҳои хизматрасонии мо ва қонуни ҷое, ки шумо фаъолият мекунед.

11Саволҳои маъмул

---

Манбаъҳо: DeepSeek-AI — корти модели DeepSeek-V4-Pro · Ҳисоботи техникии DeepSeek-V4 (CSA/HCA, mHC, Muon) · DeepSeek-V2 (MLA, DeepSeekMoE) · Ҳисоботи техникии DeepSeek-V3 · REAP the Experts (Cerebras Research) · Аудити сензураи Promptfoo · Discovering Forbidden Topics in Language Models. Рақамҳои бенчмарк аз ҷониби DeepSeek-AI барои нашри маълумотӣ гузориш дода шудаанд; тасдиқи мустақили тарафи сеюм барои сохти фишурда интизор аст. Нархҳо нархҳои рӯйхати Shannon AI ба ҳолати 5 сентябри соли 2026 мебошанд.