API DeepSeek แบบไม่เซ็นเซอร์

ผู้คนที่มาถึงวลี "API DeepSeek แบบไม่เซ็นเซอร์" ต้องการสิ่งเฉพาะเจาะจงอย่างหนึ่ง: โมเดลที่มีความสามารถด้านการให้เหตุผลและการเขียนโค้ดของ DeepSeek ซึ่งตอบคำถามที่พวกเขาถามจริง ๆ ครึ่งที่เป็นความสามารถนั้นมีเอกสารครบถ้วน — DeepSeek-AI เผยแพร่สถาปัตยกรรมและตัวเลขไว้ และน้ำหนักโมเดลอยู่บน Hugging Face ภายใต้ MIT ครึ่งที่สองคือการตัดสินใจเชิงปฏิบัติการ และมักถูกตัดสินแทนคุณ หน้านี้ครอบคลุมทั้งสองส่วน: โมเดลฐาน V4-Pro คืออะไร บิลด์ 3BIT-REAP ของเราทำอะไรกับมัน และ "ไม่เซ็นเซอร์" หมายถึงอะไรกันแน่เมื่อเราพูดคำนี้

01"API DeepSeek แบบไม่เซ็นเซอร์" หมายถึงอะไรกันแน่

กลไกสองอย่างที่ต่างกันถูกจัดไว้ใต้คำเดียวกัน อย่างแรกคือการจัดแนวที่ถูกอบไว้ในน้ำหนักโมเดล — พฤติกรรมการปฏิเสธที่เรียนรู้มาระหว่างการฝึกภายหลัง อย่างที่สองคือชั้นการกลั่นกรองฝั่งให้บริการ: ตัวจำแนกแยกต่างหากที่ตรวจพรอมป์ของคุณก่อนโมเดลจะเห็น และตรวจเอาต์พุตก่อนคุณจะเห็น และสามารถตัดคำตอบกลางประโยคได้ ไม่ว่าโมเดลจะอยากพูดอะไรก็ตาม

ทั้งสองอย่างวัดได้ และบริการจากเจ้าของโมเดล DeepSeek เองก็ถูกวัดมาแล้ว Promptfoo รวบรวมชุดคำถามอ่อนไหวทางการเมือง 1,360 พรอมป์ และรายงานว่า R1 ที่โฮสต์โดย DeepSeek ปฏิเสธหรือเบี่ยงประเด็นไป 1,156 ข้อ — ราว 85% งานวิชาการกับตระกูลเดียวกันพบโหมดความล้มเหลวเฉพาะที่ผู้เขียนเรียกว่า การกดทับความคิด ซึ่งร่องรอยการให้เหตุผลของโมเดลยุติลงแทบจะทันทีที่เริ่มต้นในหัวข้ออ่อนไหว การตรวจสอบอีกชิ้นที่ตีพิมพ์ใน Information Sciences บันทึกการกดทับในระดับความหมาย: เนื้อหาที่มีอยู่ในการให้เหตุผลภายในของโมเดลถูกตัดออกหรือเขียนใหม่อย่างเงียบ ๆ ก่อนถึงมือผู้ใช้ นั่นเป็นปัญหาที่ยากกว่าการปฏิเสธตรง ๆ เพราะคำตอบที่ถูกตัดทอนดูเหมือนคำตอบ

สิ่งที่เรารันคือรุ่นน้ำหนักเปิด บนฮาร์ดแวร์ที่เราดำเนินการเอง ในสหรัฐอเมริกา ภายใต้ Shannon Lab LLC ไม่มีชั้นการปฏิเสธคั่นอยู่หน้าโมเดลและไม่มีตัวกรองใด ๆ กับสิ่งที่ส่งกลับมา: พรอมป์ของคุณไม่ถูกจำแนกตามนโยบายก่อนถูกให้บริการ และสตรีมเอาต์พุตไม่ถูกตรวจระหว่างทางออก เพราะโมเดลฐานอยู่ภายใต้สัญญาอนุญาต MIT และเปิดสาธารณะ คุณจึงเปรียบเทียบเอาต์พุตของเรากับน้ำหนักอ้างอิงได้ด้วยตัวเอง แทนที่จะต้องเชื่อคำพูดเรา

02โมเดลฐาน: DeepSeek-V4-Pro โมเดล MoE ขนาด 1.6T

DeepSeek-V4 คือตระกูลน้ำหนักเปิดปัจจุบันของ DeepSeek-AI เปิดตัวแบบพรีวิวในเดือนเมษายน 2026 และปล่อยภายใต้ MIT ในสองขนาด: V4-Flash (รวม 284B กระตุ้น 13B) และ V4-Pro (รวม 1.6T กระตุ้น 49B) บทความนี้ว่าด้วยระดับ Pro ทั้งคู่ถูกฝึกล่วงหน้าด้วยโทเค็นราว 33 ล้านล้านโทเค็น และทั้งคู่รองรับคอนเท็กซ์หนึ่งล้านโทเค็นโดยกำเนิด

อัตราส่วนความเบาบางคือสิ่งที่ควรสังเกต: มีเพียงราว 3% ของพารามิเตอร์ที่ทำงานในโทเค็นใดโทเค็นหนึ่ง ซึ่งคือสิ่งที่ทำให้โมเดลขนาดนี้ให้บริการได้เลย ตัวบล็อก MoE เองยังคงเป็น DeepSeekMoE — ผู้เชี่ยวชาญที่ถูกกำหนดเส้นทางแบบละเอียดบวกกับผู้เชี่ยวชาญร่วมที่เปิดทำงานตลอด ซึ่งเปิดตัวใน V2 — โดยมีการเปลี่ยนแปลงใน V4 เพียงเล็กน้อย ที่เห็นชัดที่สุดคือการกำหนดเส้นทางแบบแฮชในชั้นแรก ๆ ส่วน Multi-Token Prediction วัตถุประสงค์เสริมจาก V3 ที่เปิดทางให้การถอดรหัสแบบเก็งผลด้วย ยังคงอยู่โดยไม่เปลี่ยนแปลง

ชิ้นส่วนใหม่ใน V4 เป็นเชิงโครงสร้าง Manifold-Constrained Hyper-Connections (mHC) แทนที่เส้นทาง residual ธรรมดาด้วยเมทริกซ์ผสมที่เรียนรู้ได้ ซึ่งถูกจำกัดให้อยู่บนแมนิโฟลด์ของเมทริกซ์สโตแคสติกสองทางผ่านการฉายแบบ Sinkhorn–Knopp — สายธาร residual ที่ถ่วงน้ำหนักใหม่ตามอินพุตโดยไม่มีการเลื่อนไหลเชิงตัวเลขที่ฆ่าสแต็กลึกมาก ๆ การฝึกย้ายจาก AdamW ไปเป็น Muon สำหรับโมดูลส่วนใหญ่ โดยใช้การทำออร์โธกอนัลแบบ Newton–Schulz และคง AdamW ไว้เฉพาะกับ embedding หัวทำนายผล การนอร์มัลไลซ์ และพารามิเตอร์ mHC แบบสถิต และน้ำหนักของผู้เชี่ยวชาญถูกฝึกใน FP4 โดยพารามิเตอร์อื่นส่วนใหญ่อยู่ใน FP8 — ตระหนักถึงการควอนไทซ์มาตั้งแต่ต้น ซึ่งสำคัญต่อความราบรื่นที่โมเดลรับการบีบอัดเพิ่มเติมได้

03จาก MLA สู่ CSA + HCA: DeepSeek ทำให้คอนเท็กซ์ยาวราคาถูกได้อย่างไร

เส้นเรื่องหลักของ DeepSeek ตลอดสี่รุ่นไม่ใช่ขนาด แต่คือเศรษฐศาสตร์ของ attention ทุกเวอร์ชันมุ่งเป้าไปที่ KV cache ซึ่งโตเป็นเชิงเส้นตามคอนเท็กซ์และครองหน่วยความจำเมื่อความยาวมาก

• V2 เปิดตัว Multi-head Latent Attention (MLA) — การบีบอัดร่วมอันดับต่ำของคีย์และแวลูลงในเวกเตอร์แฝง การสร้างข้อความจึงแคชเวกเตอร์นั้นบวกคีย์ RoPE ที่แยกออกมา แทนที่จะเก็บ K และ V เต็มต่อหัว DeepSeek รายงานว่า KV cache ลดลงเหลือราว 4–14% ของ multi-head attention มาตรฐาน โดยคุณภาพคงเดิมหรือดีขึ้น
• V3 ขยายสิ่งนั้นไปถึง 671B ทำให้ MLA กลายเป็นสมมติฐานตั้งต้นสำหรับคอนเท็กซ์ยาวราคาถูกในโมเดลเปิด
• V3.2 เพิ่ม DeepSeek Sparse Attention (DSA) ซึ่งเลือกชุดย่อย top-k ของประวัติต่อหนึ่งคำถามผ่านตัวทำดัชนีขนาดเบา แทนที่จะสนใจทุกอย่าง
• V4 ผสมสองแบบเข้าด้วยกัน Compressed Sparse Attention (CSA) บีบอัดรายการ KV ของทุก m โทเค็นให้เหลือรายการเดียวด้วยน้ำหนักที่เรียนรู้ได้ก่อน แล้วจึงรันการเลือก top-k แบบเบาบางบนรายการที่ถูกบีบอัดเหล่านั้น ส่วน Heavily Compressed Attention (HCA) บีบอัดหนักกว่ามากแต่ยังคงหนาแน่นบนผลลัพธ์ ชั้นสองแบบนี้ถูกสลับกันไปตลอดสแต็ก บทสรุปภาพรวมราคาถูกกับการค้นคืนเฉพาะจุดที่แม่นยำจึงอยู่ร่วมกันได้

ผลตอบแทนที่รายงานไว้ที่คอนเท็กซ์หนึ่งล้านโทเค็นนั้นชัดเจน: V4-Pro ต้องการราว 27% ของ FLOPs การอนุมานต่อโทเค็น และ 10% ของ KV cache เมื่อเทียบกับ V3.2 นั่นคือเหตุผลที่คำขอขนาด 262K ทำตัวเหมือนคำขอปกติมากกว่าจะเป็นเหตุการณ์หน่วยความจำ และเป็นเหตุผลที่ตัวเลขการค้นคืนในคอนเท็กซ์ยาวยังยืนอยู่ได้แทนที่จะพังทลายเมื่อเลยไม่กี่หมื่นโทเค็น

04คำต่อท้าย 3BIT-REAP หมายถึงอะไร

รหัสในแคตตาล็อกของเราลงท้ายด้วย 3BIT-REAP ซึ่งอธิบายขั้นตอนการบีบอัดสองขั้นที่เป็นอิสระต่อกันและถูกใช้ตามลำดับ

REAP: การตัดผู้เชี่ยวชาญออก ไม่ใช่การรวมพวกมัน

REAP คือ Router-weighted Expert Activation Pruning จาก Cerebras Research — "REAP the Experts: Why Pruning Prevails for One-Shot MoE Compression" ซึ่งได้รับการตอบรับใน ICLR 2026 ใน MoE แบบเบาบาง เราเตอร์ไม่ได้ใช้ผู้เชี่ยวชาญของมันอย่างเท่าเทียม: มีหางยาวที่ถูกเลือกน้อย ถูกเลือกอย่างอ่อน หรือทั้งสองอย่าง REAP ให้คะแนนผู้เชี่ยวชาญแต่ละตัวโดยรวมค่าเกตของเราเตอร์ (ถูกเลือกบ่อยแค่ไหนและหนักแค่ไหน) เข้ากับนอร์มของการกระตุ้นของผู้เชี่ยวชาญ (เอาต์พุตของมันมีส่วนช่วยมากแค่ไหน) แล้วลบตัวที่แพ้ทิ้งไปตรง ๆ

ข้อโต้แย้งของบทความคือการตัดทิ้งดีกว่าการรวม: การรวมเฉลี่ยความเชี่ยวชาญเฉพาะทางเชิงฟังก์ชันที่ทำให้ MoE คุ้มค่าแก่การสร้างทิ้งไป ขณะที่การลบผู้เชี่ยวชาญที่เราเตอร์แทบไม่เอื้อมไปถึงยังรักษามันไว้ ในโมเดลตั้งแต่ 20B ถึง 1T REAP ทำได้ดีกว่าการรวมและวิธีตัดทิ้งคู่แข่งบนเกณฑ์มาตรฐานเชิงสร้างข้อความ และผู้เขียนรายงานผลลัพธ์ที่แทบไม่สูญเสียในการสร้างโค้ดและการเรียกใช้ทูลที่การตัดผู้เชี่ยวชาญ 50% บน Qwen3-Coder-480B และ Kimi-K2 — ซึ่งเป็นโปรไฟล์ภาระงานที่โมเดลนี้มีไว้เพื่อการนั้นพอดี

น้ำหนัก 3 บิต: ระดับการบีบอัดสำหรับโมเดลฐานที่ใหญ่ที่สุด

สิ่งที่รอดมาจะถูกควอนไทซ์เป็นน้ำหนัก 3 บิต สามบิตนั้นดุดัน และเราไม่แสร้งเป็นอย่างอื่น: ทั่วทั้งชุดโมเดล เราใช้ W8A16 เมื่อโมเดลฐานเล็กพอที่จะไม่ต้องบีบ ใช้ W4A16-AUTOROUND-REAP ในระดับกลาง และใช้ 3BIT-REAP เฉพาะกับโมเดลฐานที่ใหญ่ที่สุด ซึ่งมันคือความต่างระหว่างการให้บริการโมเดลได้กับให้บริการไม่ได้

การแลกเปลี่ยนนี้ควรพูดกันตรง ๆ: MoE ขนาด 1.6T ที่ 3 บิตไม่ได้เหมือนกันทุกบิตกับรุ่นอ้างอิง และต้นทุนคุณภาพเล็กน้อยนั้นมีจริง สิ่งที่คุณได้กลับมาคือโมเดลฐานที่มีเพดานแบบไม่บีบอัดสูงกว่าอะไรก็ตามที่ใส่ลงได้อย่างสบายที่ความละเอียดสูงกว่า — และเพราะผู้เชี่ยวชาญของ V4 ถูกฝึกใน FP4 มาตั้งแต่ต้น โมเดลจึงมีพฤติกรรมดีผิดปกติภายใต้การบีบอัดน้ำหนักเพิ่มเติม ถ้าคุณอยากได้บิลด์ DeepSeek ที่แตะความละเอียดเบามือกว่านี้ DeepSeek-V4-Flash-0731-W4A16-AUTOROUND-REAP ใช้น้ำหนัก 4 บิตกับการกระตุ้น 16 บิต และการปัดเศษที่เรียนรู้ได้ของ AutoRound บนคอนเท็กซ์ 262K เดียวกัน ที่ราคา $0.50 เข้า / $2.00 ออก

05การให้เหตุผล และปุ่มปรับ reasoning_effort

การฝึกภายหลังของ V4 ฝึกผู้เชี่ยวชาญเฉพาะโดเมนแยกกัน — คณิตศาสตร์ การเขียนโค้ด เอเจนต์ การทำตามคำสั่ง — ด้วย SFT ตามด้วย GRPO วิธี Group Relative Policy Optimization ที่ DeepSeek เปิดตัวพร้อมกับ R1 จากนั้นผู้เชี่ยวชาญเหล่านั้นถูกรวมเป็นโมเดลเดียวด้วยการกลั่นความรู้แบบ on-policy ภายใต้วัตถุประสงค์ reverse-KL เช็กพอยต์เดียวจึงบรรจุพฤติกรรมระดับผู้เชี่ยวชาญในหลายโดเมนพร้อมกัน แทนที่จะเป็นนักรอบรู้ที่ทำได้กลาง ๆ ในทุกด้าน

โมเดลที่ปล่อยออกมาเปิดโหมดการคิดแบบไล่ระดับ ไม่ใช่สวิตช์เปิดปิด บนเกตเวย์ของเรานั่นคือพารามิเตอร์มาตรฐาน reasoning_effort ปุ่มที่มีประโยชน์ที่สุดเพียงปุ่มเดียวบนโมเดลนี้:

• Low — ตอบเกือบตรง ๆ: การจำแนก การสกัดข้อมูล การเขียนใหม่ อะไรก็ตามที่คุณจ่ายเพื่อความรู้ของโมเดลมากกว่าการไตร่ตรองของมัน
• Medium — โหมดทำงานเริ่มต้นสำหรับการรีวิวโค้ด การดีบัก และการวิเคราะห์หลายขั้น
• High — การไตร่ตรองยาวก่อนตอบ เป็นที่ที่โจทย์ยากถูกแก้ และเป็นที่ที่บิลโทเค็นเอาต์พุตของคุณอยู่ เพราะโทเค็นการให้เหตุผลถูกคิดเงินเป็นเอาต์พุต

เพราะไม่มีชั้นการปฏิเสธ ร่องรอยการให้เหตุผลจึงไม่ถูกตัดทอนในหัวข้อที่อ่อนไหว — รูปแบบการกดทับความคิดที่ถูกบันทึกไว้บนบริการจากเจ้าของโมเดลเองไม่มีกลไกใดที่จะเกิดขึ้นได้ที่นี่

06งานโค้ดและงานเอเจนต์: โมเดลฐานทำคะแนนได้เท่าไร

เหล่านี้คือตัวเลขที่ DeepSeek-AI เผยแพร่เองสำหรับรุ่น V4-Pro — ไม่ใช่ของเรา และไม่ได้วัดบนบิลด์ที่ควอนไทซ์แล้วของเรา เรานำมาแสดงเพราะมันคือเหตุผลที่ซื่อตรงในการเลือกโมเดลฐานนี้ และกำกับไว้ว่าเป็นข้อมูลจากเจ้าของโมเดลเอง คุณจะได้ให้น้ำหนักตามควร

สองรายการควรได้รับคำอธิบาย SWE-bench Verified ที่ 80.6% คือการแก้ปัญหาในรีโพจริง — อ่านโค้ดเบสที่ไม่คุ้นเคย หาจุดบกพร่อง แล้วผลิตแพตช์ที่ผ่านเทสต์ของโปรเจกต์เอง MRCR ที่หนึ่งล้านโทเค็น (83.5) คือการค้นคืนการอ้างอิงร่วมหลายรอบที่ความยาวเต็ม ซึ่งเป็นตัวเลขที่บอกคุณว่าคำกล่าวอ้างเรื่องคอนเท็กซ์ยาวไม่ใช่แค่ของประดับ DeepSeek ยังรายงานเรตติ้ง Codeforces ที่ 3206 สำหรับโมเดลนี้ และ 62.0 บน CorpusQA ที่คอนเท็กซ์ 1M

ตัวเลขข้างต้นเป็นตัวเลขที่ DeepSeek-AI รายงานสำหรับรุ่นอ้างอิง DeepSeek-V4-Pro บิลด์ 3BIT-REAP ของเราคือรุ่นบีบอัดของน้ำหนักเหล่านั้น และยังไม่ได้ถูกวัดผลอย่างอิสระในงานเหล่านี้ จงถือว่าคะแนนอ้างอิงคือเพดานของโมเดลฐาน ไม่ใช่การวัดผลของเอนด์พอยต์นี้

07คอนเท็กซ์ 262K: อะไรใส่ลงไปได้บ้าง

โมเดลอ้างอิงถูกฝึกมาเพื่อหนึ่งล้านโทเค็น เราให้บริการที่ 262,144 — หน้าต่างที่ทุกโมเดลบนเกตเวย์ใช้ร่วมกัน การสลับโมเดลจึงเป็นการแก้บรรทัดเดียวและไม่เคยเป็นการถอยหลังเรื่องคอนเท็กซ์ ในทางปฏิบัติ 262K เลยจุดที่คอนเท็กซ์เป็นข้อจำกัดสำหรับงานจริงส่วนใหญ่ไปแล้ว:

ภาระงาน	โทเค็นโดยประมาณ	ใส่ใน 262K ได้ไหม?
รีโพเซอร์วิสขนาดกลาง (~50k บรรทัด)	~600K	ไม่ได้ — ต้องเลือกโมดูล
ระบบย่อยหนึ่งระบบ + เทสต์ของมัน	~60–120K	ได้ สบาย ๆ
ชุด RFC ทั้งหมดของโปรโตคอลหนึ่ง	~150K	ได้
หนังสือเทคนิค 700 หน้า	~250K	ได้ ใกล้ขีดจำกัด
การรันเอเจนต์ยาว 40+ รอบเรียกทูล	~80–200K	ได้

ขีดจำกัดที่ต้องวางแผนรับมือคือเอาต์พุต: สูงสุด 16,384 โทเค็นต่อการตอบหนึ่งครั้ง นั่นคือเอกสารยาว ๆ หรือแพตช์หลายไฟล์ขนาดพอควร แต่ไม่ใช่ทั้งโค้ดเบส งานสร้างข้อความขนาดใหญ่ทำได้ด้วยการต่อคำขอเป็นทอด ๆ โดยเอาเอาต์พุตก่อนหน้ากลับเข้าคอนเท็กซ์ — ซึ่งหน้าต่าง 262K ทำให้ราคาถูก — แทนที่จะขอให้ตอบยาวมหาศาลในครั้งเดียว

08ราคา และ V4-Pro อยู่ตรงไหนในชุดโมเดล

ที่ $1.95 เข้า / $3.90 ออก ต่อหนึ่งล้านโทเค็น V4-Pro คือระดับเรือธงด้านการให้เหตุผล — โมเดลที่คุณเอื้อมไปหยิบเมื่อโจทย์ยาก เมื่อโจทย์เพียงแค่ใหญ่ โมเดลที่ถูกกว่าบนหน้าต่าง 262K เดียวกันก็ทำได้ในราคาหนึ่งในสี่

โมเดลไม่เซ็นเซอร์	เข้า / 1M	ออก / 1M	การมองเห็น	เหมาะกับ
DeepSeek-V4-Pro · 3BIT-REAP	$1.95	$3.90	ไม่มี	การให้เหตุผลยาก โค้ด เอเจนต์
DeepSeek-V4-Flash · W4A16	$0.50	$2.00	ไม่มี	สายพันธุ์เดียวกัน ปริมาณสูง
GLM-5.2 · 3BIT-REAP	$0.73	$2.34	ไม่มี	ม้างานอเนกประสงค์
Kimi-K3 · 3BIT-REAP	$3.83	$19.12	มี	เอเจนต์มัลติโมดัลระดับท็อป
MiniMax-M3 · 3BIT-REAP	$0.50	$2.00	มี	การมองเห็นที่ถูกที่สุด

ขอพูดตรง ๆ เรื่องการเปรียบเทียบที่ผู้คนจะทำจริง: API ของ DeepSeek เองถูกกว่านี้ — V4-Pro จากเจ้าของโมเดลตั้งราคาไว้ราว $0.435 เข้า / $0.87 ออก และราคาอินพุตกรณี cache hit ยังต่ำกว่านั้นอีก ถ้าราคาต่อโทเค็นคือเกณฑ์เดียวของคุณและพฤติกรรมการกลั่นกรองไม่กระทบงานของคุณ ก็ใช้ API จากเจ้าของโมเดลเถอะ เราขอบอกคุณเสียตอนนี้ดีกว่าให้คุณไปรู้ทีหลัง ส่วนต่างที่คุณจ่ายซื้อคุณสมบัติอีกชุดหนึ่ง: ไม่มีชั้นการปฏิเสธและไม่มีตัวกรองเอาต์พุต ผู้ให้บริการในสหรัฐฯ ภายใต้ Shannon Lab LLC เช็กพอยต์ที่ตรึงวันที่ไว้ (0813) การอัปเกรดต้นทางแบบเงียบ ๆ จึงไม่มีวันเปลี่ยนเอาต์พุตของคุณกลางโปรเจกต์ สาม API dialect ต่อโมเดลเดียว และหน้าต่าง 262K กับผิวพารามิเตอร์ชุดเดียวกันในทั้งสิบสองโมเดลของชุดนี้

09การเรียกใช้: สาม dialect หนึ่งโมเดล

ทุกโมเดลบนเกตเวย์ตอบบนทั้งสามเอนด์พอยต์ และสตรีมได้ทุกอัน คุณไม่ต้องรับ SDK ใหม่ — คุณเปลี่ยน base URL และรหัสโมเดลเท่านั้น

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 — dialect ของ OpenAI ใช้ได้กับ OpenAI SDK และทุกอย่างที่สร้างบนมัน
• /v1/messages — dialect ของ Anthropic สำหรับโค้ดเบสที่เขียนตามรูปทรงนั้นอยู่แล้ว
• /v1/responses — อินเทอร์เฟซสไตล์ Responses

สิ่งที่รองรับบนโมเดลนี้: การสตรีม, การเรียกใช้ทูลในตัว, เอาต์พุตแบบมีโครงสร้าง json_schema แบบเข้มงวด, response_format และ reasoning_effort เอกสารอ้างอิงพารามิเตอร์ฉบับเต็มและ playground แบบสดอยู่ในเอกสาร API

10ข้อจำกัดที่พูดกันตรง ๆ

สี่สิ่งที่ควรรู้ก่อนสร้างงานบนมัน:

• ไม่มีการมองเห็น ข้อความล้วน มันจะไม่รับอินพุตเป็นภาพบนเอนด์พอยต์ใดเลย ถ้าคุณต้องการโมเดลไม่เซ็นเซอร์ที่มองเห็นได้ ให้ใช้ Kimi-K3, Kimi-K2.6, MiniMax-M3, MiMo-V2.5 หรือ inkling
• เพดานเอาต์พุต 16,384 โทเค็น โทเค็นการให้เหตุผลนับรวมในเพดานนี้เมื่อใช้ระดับ high การไตร่ตรองยาว ๆ จึงเหลือที่ให้คำตอบน้อยลง จงต่อคำขอเป็นทอด ๆ สำหรับงานสร้างข้อความขนาดใหญ่
• 3 บิตคือการบีบอัดจริง คะแนนอ้างอิงอธิบายโมเดลฐาน ไม่ใช่บิลด์นี้ สำหรับระดับที่รักษาความเที่ยงตรงสูงสุด โมเดล W8A16 (MiMo-V2.5-Pro, MiMo-V2.5, Hy3) มีการควอนไทซ์น้อยที่สุด
• ไม่เซ็นเซอร์ไม่ได้แปลว่าไม่มีผลตามมา การไม่มีชั้นการปฏิเสธหมายความว่าความรับผิดชอบต่อสิ่งที่คุณถามและสิ่งที่คุณทำกับคำตอบนั้นอยู่กับคุณ — ภายใต้เงื่อนไขการให้บริการของเราและกฎหมายในที่ที่คุณดำเนินการ

11คำถามที่พบบ่อย

---

แหล่งอ้างอิง: DeepSeek-AI — การ์ดโมเดล DeepSeek-V4-Pro · รายงานทางเทคนิค DeepSeek-V4 (CSA/HCA, mHC, Muon) · DeepSeek-V2 (MLA, DeepSeekMoE) · รายงานทางเทคนิค DeepSeek-V3 · REAP the Experts (Cerebras Research) · การตรวจสอบการเซ็นเซอร์ของ Promptfoo · Discovering Forbidden Topics in Language Models ตัวเลขเกณฑ์มาตรฐานเป็นข้อมูลที่ DeepSeek-AI รายงานสำหรับรุ่นอ้างอิง การตรวจสอบอิสระโดยบุคคลที่สามสำหรับบิลด์ที่บีบอัดแล้วยังรอดำเนินการ ราคาเป็นราคาตามรายการของ Shannon AI ณ วันที่ 5 กันยายน 2026