ብዘይ ሳንሱር DeepSeek Flash API

መብዛሕትኦም ጉጅለታት ንሓደ LLM API ክግምግሙ ከለዉ ግጉይ ተለዋዋጢ የመሓይሹ። ኣብቶም ዝኸበዱ ዕስራ ፕሮምፕትታት ዝሓስብዎም ይፍትኑ፡ ነቲ ዝዕወት ይመርጹ፡ ድሕሪ ሽዱሽተ ሰሙን ድማ ትሽዓተን ሓሙሽተን ሚእታዊት ናይ ትራፊኮም ሓጺር፡ ዝተወደበ፡ ተደጋጋሚ ስራሕ ከምዝኾነ ይረኽብዎ፡ ብርብዒ ዋጋ ተመሳሳሊ ውጽኢት ዝህብ ሞዴል ምያዶ ነይሩ። DeepSeek-V4-Flash ን ንኡ ትሽዓተን ሓሙሽተን ሚእታዊት ዘሎ እያ። እዚ ገጽ ብዛዕባ ኣብቲ ትርከበሉ ምፍላጥ እዩ — ከምኡ’ውን ኣብ ዘይትርከበሉ።

01ብሓቂ እንታይ ትረክብ

ንብረት	DeepSeek-V4-Flash-0731 · W4A16-AUTOROUND-REAP
ናይ ሞዴል መለለዪ	DeepSeek-V4-Flash-0731-W4A16-AUTOROUND-REAP
ኮንተክስት / ዝለዓለ መውጽኢ	262,144 ቶክናት / 16,384 ቶክናት
ዋጋ ንነፍስ ወከፍ 1M (መእተዊ / መውጽኢ)	$0.50 / $2.00
ስትሪሚንግ · tool calling · ኣተሓሳስባ	እወ — ኩሎም ሰለስተ ቋንቋታት
ዝተወደበ ውጽኢት	json_schema ን response_format ን
ናይ ስእሊ ኣታዊ (ራእይ)	የለን — ጽሑፍ-ጥራይ
ሽፋን ምንጻግ / ውጽኢት መጽረዪ	የልቦን
ኣብ ዝቐርብ	ናይ Shannon ገዛእ ርእሱ ክላስተር GPU

ሰለስተ ናይ API ቋንቋታት ነቲ ተመሳሳሊ ክብደታት ይበጽሑ፦ /v1/chat/completions (OpenAI-ቅርጺ)፡ /v1/messages (Anthropic-ቅርጺ)፡ ከምኡ’ውን /v1/responses። ስትሪሚንግ ኣብ ኩሎም ሰለስቲኦም ይሰርሕ። ምሉእ ናይ ፓራሜተር መወከሲ ኣብ ሰነዳት API ኣሎ።

02ካበይ ከምዝመጸት፦ ውልደት መስመር DeepSeek

DeepSeek-AI ሓሙሽተ ወለዶ ሞዴል ኣብ ሓደ ጭንቀት ኣሕሊፋ፦ ካብ ሓደ ሞዴል ንኽቐርብ ሕሱር ደኣ እምበር ንኽሰልጥን ጥራይ ሕሱር ዘይኮነ frontier ባህርይ ምውጻእ። ዳርጋ ኩሉ ናይ ስነ-ህንጻ ውሳነ ኣብቲ መስመር ናብዚ ይምለስ፡ እቶም ኣገደስቲ ድማ ተሓቲሞም ኣለዉ። ሰለስተ እዮም ንዝድውለሉ ኣብዚ endpoint ዘብርህዎ።

DeepSeekMoE — ደቀቕቲ ክኢላታት ምስ ሓደ ዝካፈል

ሓደ Mixture-of-Experts ንብሪ ሓደ ዓቢ feed-forward network ብብዙሓት ንኣሽቱ ምስ ሓደ router ንውሑዳት ንነፍስ ወከፍ ቶክን ዝመርጽ ይትክእ። እቲ ናይ DeepSeek ዓይነት ክኢላታት ካብቲ ልሙድ ናይ ሸሞንተ-ክኢላ ኣቀማምጣ ዝያዳ ደቀቕቲ ይመቓቕል፡ ስለዚ እቲ ተመሳሳሊ ንጡፍ FLOPs ብዙሕ ንላዕሊ ናይ ውህደት ፍሉይ ውህበት ይዕድግ፡ ከምኡ’ውን ሓደ ዝካፈል ክኢላ ይፈልዮ ነፍስ ወከፍ ቶክን ዝሓልፎ፡ ስለዚ ሓፈሻዊ ፍልጠት ኣብ ውሽጢ ነፍስ ወከፍ ክኢላ ደጋጊሙ ኣይመሃርን። DeepSeek-V3 ከምዚ ኣውጺኡ፦ 256 ዝምርሑ ክኢላታት ምስ 1 ዝካፈል ክኢላ፡ 8 ዝምርሑ ንነፍስ ወከፍ ቶክን የንቅሕ — 671B ጠቕላላ ፓራሜተራት፡ 37B ንጡፍ — ምስ ተወሳኺ-ክሳራ-ዘይብሉ ጾር ምዕራይ፦ ኣብ ክንዲ ሓደ ንብቕዓት ዘጉድል ናይ መቅጻዕቲ ቃል፡ ሓደ ንነፍስ ወከፍ ክኢላ ዝግበር bias ንነፍስ ወከፍ ስጉምቲ ነጥቢ routing ልዕል ወይ ትሕት የብሎ፡ እቲ ክኢላ ትሕቲ-ጾር ወይ ልዕሊ-ጾር ምስ ዝኸውን።

MLA — attention ኣብ ተዘክሮ ዝኣቱ

እቲ ካልእ ፍርቂ ናይታ ናይ ኣገልግሎት-ወጻኢ ጸገም እቲ KV cache እዩ፡ እዚ ድማ ምስ ኮንተክስት ብመስመራዊ መገዲ ይዓቢ ኣብ ነዋሕቲ ተኸታታሊ ንውሓት ድማ ንተዘክሮ ይቆጻጸር። Multi-head Latent Attention፡ ኣብ DeepSeek-V2 ዝኣተወ፡ keys ን values ን ብሓንሳብ ናብ ሓደ ውሑድ-ደረጃ latent vector ይጭብጦም ከምኡ’ውን ንኡኡ ይዕቅብ፡ ተጠቃማይ K/V ኣብ ግዜ ናይ ምንባብ ይሃንጽ። ናይ DeepSeek ዝተሓትሙ ናይ V2 ቁጽርታት፡ ኣንጻር ናይ ቀደም dense DeepSeek 67B ናቶም፡ 93.3% ምንካይ ኣብ KV cache ን 5.76 ዕጽፊ ዝለዓለ throughput ናይ ፍርያት ይሕብሩ። ንሱ እዩ ስለምንታይ ሓደ 262K-ቶክን መስኮት ኣብዚ ስድራ ንቡር ደኣ እምበር ልዑል-ደረጃ ተወሳኺ ዘይኮነ።

ስፑር attention — ከምኡ’ውን እቲ ንሕሱራት ቶክናት ቅድመ-ኣብነት

V3.2-Exp DeepSeek Sparse Attention ወሲኻ፦ ሓደ ቀሊል indexer ናይ ኮንተክስት ቶክናት ኣንጻር እቲ ሕቶ ነጥቢ ይህቦም፡ ሓደ መራጺ ድማ ነቶም ዝለዓለ ነጥቢ ዘለዎም ጥራይ ይሕዝ። እቲ ማራኺ ክፋል እቲ ደረሰይቲ እዩ፡ ስልቲ ኣይኮነን። DeepSeek ኣንጻር V3.1-Terminus ጎድኒ ንጎድኒ ኣውጺኦም፡ MMLU-Pro ልክዕ ተመሳሳሊ ኣብ 85.0፡ AIME 2025 ልዕል ኢሉ (88.4 → 89.3)፡ SWE-bench Verified ውሑድ ትሕት ኢሉ (68.4 → 67.8) — ብትሕዝቶ ማዕረ ደረጃ — ኣብቲ ተመሳሳሊ መዓልቲ ድማ ናይ API ዋጋታቶም ልዕሊ 50% ነኺሶም። ስነ-ህንጻ፡ ብቕንዕና ዝተሓበረ፡ ብቐጥታ ናብ ዋጋ ተለዊጡ። Flash እቲ ክርክር ሓደ ስጉምቲ ንቕድሚት ተወሲዱ እዩ።

ወለዶ V4

V4፡ ብኤፕሪል 2026 ትሕቲ ፍቓድ MIT ቅድመ-ርኢት ዝተገብረላ፡ ነቲ attention stack ዳግም ብሓደ ውህደት ናይ Compressed Sparse Attention ን Heavily Compressed Attention ትትክእ፡ ብ Muon optimizer ኣብ ልዕሊ 32T ቶክናት ትሰልጥን፡ እታ ናይ V3 multi-token-prediction ዕላማ ድማ ትሕዝ — እዚ ድማ ከም speculative decoding ካልኣይ ስራሕ ዝገብር፡ DeepSeek ድማ ን85–90% ናይ ካልኣይ-ቶክን ተቐባልነት ብግምት 1.8 ዕጽፊ ናይ decoding ቅልጣፈ ኣብ V3 ለኺዑ። እቲ ናይ V4 abstract V4-Pro ብ27% ናይ V3.2 ንጽል-ቶክን ኢንፈረንስ FLOPs ን 10% ናይ KV cache ኡ ን ይሰርሕ ይሕብር። እታ ስድራ ሰለስተ ደረጃታት ናይ reasoning-effort ተቕርብ፡ እዚ ድማ እዩ ናትና reasoning_effort ፓራሜተር ዝምርኮሶ።

ምንጭታት፦ DeepSeek-V2 (arXiv 2405.04434) · DeepSeekMoE (arXiv 2401.06066) · DeepSeek-V3 ቴክኒካዊ ጸብጻብ (arXiv 2412.19437) · ካርድ ሞዴል DeepSeek-V3.2-Exp · DeepSeek-V4 (arXiv 2606.19348)። ኩሎም ቁጽርታት ብDeepSeek ዝተሓበሩ እዮም።

03«Flash» ብሓቂ እንታይ ማለት ምዃኑ

እዚ እቲ ብዙሓት ንጽጽራት ግጉይ ዝኾኑሉ ነጥቢ እዩ፡ ስለዚ ብንጹር ክንገር ግቡእ እዩ፦ ናይ DeepSeek Flash ሓደ ዝተጨበጠ፡ ዝተደርበየ ወይ ዝተመሃረ Pro ኣይኮነትን። ንጽል ብንጽል ዝሰልጠነት ንኣሽቱ Mixture-of-Experts ሞዴል እያ፡ ናይ ገዛእ ርእሳ ናይ ቅድመ-ስልጠና ጉዕዞ ዘለዋ። እቲ ናይ V4 ቅድመ-ርኢት ወረቐት ነቶም ክልተ መጠናት ይህብ፦

ቁጽርታት ካብ ናይ DeepSeek-V4 ቅድመ-ርኢት ወረቐት። እቶም ወግዓዊ checkpoints ንሕና እንቕርቦም — V4-Flash-0731 ን V4-Pro-0813 — ኣብ ካርድታት ሞዴሎም ውሑድ ዝዓበዩ ጠቕላላ 304B ን 1.7T ይዝርዝሩ፤ DeepSeek ን ኣብዞም ህንጻታት ንጡፋት ፓራሜተራት ዳግም ኣይገልጽን።

ክልተ ቁጽርታት ኣብዚ ዘገልግሉ ኣለው። ጠቕላላ ፓራሜተራት ናይ ተዘክሮ ኣሰር ይውስኑ፡ እዚ ድማ ክንደይ ሃርድዌር ሓደ ቅዳሕ ናይቲ ሞዴል ከምዝሽከም ይውስን። ንጡፋት ፓራሜተራት ናይ ንጽል ቶክን ስሌት ይውስኑ፡ እዚ ድማ throughput ይውስን። Flash ብግምት ኣብ ቀዳማይ 5.6 ዕጽፊ፡ ኣብ ካልኣይ ድማ 3.8 ዕጽፊ ትንእስ — ኣብዚ ኽፍተት ድማ ሓንቲ ስቱር ነገር ኣላ ክትዕዘባ ዘለካ፦ Flash 13 ካብ 284 ቢልዮን ፓራሜተራት ተንቅሕ፡ ብግምት 4.6%፡ Pro ግና 49 ካብ 1,600 ቢልዮን ተንቅሕ፡ ብግምት 3.1%። Flash እቲ ዝወሓደ sparse ሞዴል እያ። ንሳ ብቐሊሉ Pro ብውሑዳት ክኢላታት ተንቀሳቐስ ኣይኮነትን፤ ሓደ ዝጠቅዐ፡ ብዝተፈልየ መገዲ ዝተመዛዘነ ንድፊ እያ፡ ብዙሕ ካብ ገዛእ ርእሳ ኣብ ነፍስ ወከፍ ትፈጥሮ ቶክን ተውዕል። እዚ ሓደ ናይ ሓቂ ናይ ኢንጅነሪንግ ምርጫ እዩ ደኣ እምበር ትሕተ-ደረጃ ኣይኮነን።

ናይ DeepSeek ገዛእ ርእሳ ቁጽርታት እንታይ ይብላ

ክልቲኦም ወግዓዊ ካርድታት ሞዴል ኣብቲ ተመሳሳሊ ናይ ኤጀንትን ናይ ሶፍትዌር-ኢንጅነሪንግን ቤንችማርክ ነጥብታት ይሕትሙ፡ እዚ ድማ ንዚ ሓደ ብዘይንቡር ንጹህ ንጽጽር ይገብሮ — እታ ተመሳሳሊት ላብራቶሪ፡ እቲ ተመሳሳሊ ናይ ገምጋም harness፡ ክልተ መጠናት፦

ቤንችማርክ (ብDeepSeek ዝተሓበረ)	V4-Flash-0731	V4-Pro-0813
Terminal Bench 2.1	82.7	87.9
Toolathlon-Verified	70.3	74.1
DeepSWE	54.4	62.7
NL2Repo	54.2	61.5
DSBench-FullStack	68.7	71.1

Pro ኣብ ነፍስ ወከፍ ሰርፍ ትዕወት። እዚ እቲ ቅንዕቲ ኣርእስቲ እዩ፡ ኣብዚ ምስ እትረኽቦ ካብ ኣብ ፍርያት ምስ እትረኽቦ ንላዕሊ ንደሊ። ግናኸ ነቶም ፍልልያት ኣንብቦም፡ ምኽንያቱ ንሳቶም ኢዮም ብሓቂ ትገዝኦም ዘለኻ። ኣብ Terminal Bench 2.1 እቲ ኽፍተት 5.2 ነጥቢ ኣብ ሓደ ሞዴል ምስ ሸውዓተ ሚእታዊት ናይ ፓራሜተራት እዩ፤ ኣብ tool-use ድማ 3.8 ነጥቢ እዩ። እቲ ኽፍተት ኣብቲ ስራሕ ዝዓመቐሉ ይሰፍሕ — 8.3 ነጥቢ ኣብ DeepSWE፡ 7.3 ኣብ NL2Repo፡ ክልቲኦም ን ነዊሕ ብዙሕ-ስጉምቲ ናይ ኮድ ኣተሓሳስባ ዝሽልሙ። እዚ እዩ ቅርጺ ናይቲ ልውውጥ ኣብ ሓደ ሰሌዳ፦ Flash ኣብ ደረት ዘለዎም ስራሕቲ ንመብዛሕትኡ ርሕቀት ትዓጹ፡ ኣብ ክፉት-መወዳእታ ስራሕቲ ግና ትገድፍ ትፈልጥ።

ናይ DeepSeek ገዛእ ርእሳ ካርድ Flash ነቲ ነጥቢ ዝያዳ ብንጹር ትገልጾ፦ Flash-0731 ኣብቶም ዝተዘርዘሩ ቤንችማርክታት ብዘየገድስ እቲ ብዙሕ ንኣሽቱ ዝኾነ ቁጽሪ ንጡፍ ፓራሜተራታ ልዕሊ ናይ V4-Pro ቅድመ-ርኢት ትሓልፍ። ሓደ ሓድሽ ንኣሽቱ ሞዴል ሓደ ብሉይ ዓቢ ዝሓልፍ እቲ ንቡር ኩነታት ኣብዚ መዳይ እዩ፡ ንሱ ድማ እዩ ስለምንታይ "ዓቢ ደረጃ" ፈጺሙ ናይ ነባሪ መልስኻ ክኸውን ዘይግባእ።

04እቲ ድሕሪት ቅጽል ምንባብ፦ W4A16-AUTOROUND-REAP

ናይ ሞዴል መለለዪታትና ብዓውታ ናይቲ ናይ ምጭባጥ ስልቲ ይዛረቡ፡ ምኽንያቱ ንውጽኢት ብቕዓት ዝያዳ ዝጸልዎ ነገር እዩ ማዕረ ንኻልእ ዳርጋ ዋላ ሓደ ኣይግለጽን። እዚ ናብ ሰለስተ ጥርዓናት ይምቀል።

W4A16 — 4-ቢት ክብደታት፡ 16-ቢት ንጥፈታት

ክብደታት ብ4 ቢት ንነፍስ ወከፍ ይዕቀቡ፤ ንጥፈታት ኣብ 16-ቢት ልክዕነት ይውሕዙ። እዚ ክብደት-ጥራይ quantization እዩ፡ ነቲ ናይ ሓቂ ጸቢብ ቦታ ኣብ ናይ ቶክን ፍርያት ዘተኩር፡ እዚ ድማ ናይ ተዘክሮ bandwidth ደኣ እምበር ስሌት ኣይኮነን። ንጥፈታት እውን ምጭባጥ ሓደ ተወሳኺ ቅልጣፈ ምገዘአ ግና ናይ ልክዕነት ገደል ኣብ ትፈርስ ስግኣት የእቱ፤ ኣብ 16 ቢት ምግዳፎም እቲ ውሑስ፡ ዝለዓለ-ተኣማንነት ምርጫ እዩ። እቲ ኮድ ናይ ኣገልግሎት-ስርዓት ምህጻር እዩ — ናይ quantization ጽሑፍ ንተመሳሳሊ ነገር W4 ምስ ሓደ group size ይጽሕፎ።

AUTOROUND — ተመሃረ ምዕዋት፡ ዘይኮነ ናብ ዝቐረበ ምዕዋት

ንጹህ quantization ንነፍስ ወከፍ ክብደት ናብ ዝቐረበ ወከፍ ክብሪ ይዕውት። እዚ ብንጹር ዝበለጸ ኣይኮነን፦ ሓደ ክብደት ብ"ግጉይ" መገዲ ምዕዋት ካብ ጎረባብቱ ዝመጸ ጌጋ ክድምስስ ይኽእል፡ ብቢልዮናት ክብደታት ድማ እዞም ምትእስሳራት ይመርሑ። AutoRound፡ ካብ Intel፡ ነቲ ናይ ምዕዋት ውሳነ ባዕሉ ከም ዝመሃር ነገር ይሕዞ — ሓደ ዝሰልጥን ንነፍስ ወከፍ-ክብደት ምዝንባል ኣብ ±0.5 ዝተደረተ፡ ልክዕ እኹል ንዝኾነ ንጽል ናይ ምዕዋት ውሳነ ንምግላብ ፈጺሙ ንላዕሊ ዘይኸይድ፡ ብተወሳኺ ዝመሃሩ ናይ clipping ደረታት፡ ብsigned gradient descent ኣንጻር ሓደ block-wise ናይ ውጽኢት-ዳግም-ህንጻ ዕላማ ኣብ ልዕሊ ሓደ ንእሽቶ ናይ calibration ስብስብ ተመዓራሪዩ። ክልተ ሚእቲ ስጉምቲ፡ ደሓር ተወዲኡ።

ናይ Intel ዝተሓትሙ ንጽጽራት AutoRound ንGPTQ ኣብ 30 ካብ 32 ዝተፈተኑ ኩነታት፡ ንAWQ ኣብ 27 ካብ 32 ከምኡ’ውን ንOmniQuant ኣብ 29 ካብ 32 ኣብ 4-ቢት ክብደት-ጥራይ ኣቀማምጣታት ትሓልፎ ትሓብር፡ ምስ ረብሓታት ልዕሊ ንጹህ round-to-nearest ካብ 6.9 ክሳብ 33.2 ነጥቢ ልክዕነት ኣብ 2 ቢት። ዋላ ሓደ ካብዚ ኣብ ግዜ ኢንፈረንስ ኣይኸፍልን፦ ሓደ ዝሓሸ ምርጫ ናይ ቁጽርታት እዩ፡ ሓደ ግዜ ተገይሩ፡ ኣብ ደገ።

REAP — ናይ ዋላ ሓደ ዘይመርሖም ክኢላታት ምድርባይ

REAP (Router-weighted Expert Activation Pruning)፡ ካብ Cerebras Systems ን University of Calgary ን፡ ንጽል-ግዜ ምጭባጥ ን MoE ሞዴላት እዩ። ንነፍስ ወከፍ ክኢላ ብ ክንደይ ብሓያልን ብተደጋጋሚን router ከምዝኸፈቶ ነጥቢ ይህቦ፡ ተባዚሑ ብዓቐን ናይ ውጽኢት ኣበርክቶ ናይቲ ክኢላ፡ ደሓር ድማ ነቶም ዝወሓደ ኣገዳስነት ዘለዎም ብቐጥታ ይድርብዮም — ድሕሪኡ ዝኾነ ዳግም ስልጠና የልቦን።

እታ ማእከላይ ውጽኢት ናይታ ወረቐት እታ ጠቓሚት እያ፦ ኣብ ልዑል ደረጃታት ምጭባጥ፡ ክኢላታት ምድርባይ ካብ ምጽንባሮም ትሓይሽ። ምጽንባር ብተግባር ዝተፈላለዩ ክኢላታት ነቲ ደረስቲ functional subspace collapse ዝብልዎ የስዕብ — እቲ router ነቲ ደቀቕ፡ ናይ ኣታዊ-ጽግዕተኛ ቁጽጽር ንMoE ክህነጽ ዝገበሮ ይስእን፡ ኣብ መንጎ ደው ዝበሉ ማእከላይ ደረጃታት ጥራይ ክምርሕ ይተርፍ። ቁጽርታቶም ኣብ ልዕሊ ሞዴላት ካብ 20B ክሳብ 1T ፓራሜተራት፦ ኣብ 25% ናይ ክኢላ ምጭባጥ ኣብ ናይ ኮድ ስራሕቲ፡ REAP 2.8% ማእከላይ ልክዕነት ትስእን ኣብቲ ምጽንባር መሰረት ልዕሊ 5% ዝስእን፤ ኣብ 50% ድማ REAP 8.0% ትስእን ኣብቲ ምጽንባር ልዕሊ 20% ዝስእን። ኣብ Qwen3-Coder-480B ብ50% ምድርባይ እቲ ምንካይ 1.4% እዩ፡ ኣንጻር 39.3% ን ንጹህ ናይ ተደጋግሞ-መሰረት ምድርባይ። Cerebras ን ስድራ DeepSeek ሓዊሱ ናይ REAP checkpoints ኣውጺኡ ኣሎ።

ስለምንታይ ኣብዚ 4-ቢት ኣብ Pro ድማ 3-ቢት

ክልቲኦም ደረጃታት ኣብቲ ተመሳሳሊ ደረጃ ሃርድዌር ክኣትዉን ቅልጡፍ ክኾኑን ይግደዱ። Pro 1.7 ትሪልዮን ፓራሜተራት ትሽከም፡ ስለዚ ብፍጹም ንኽትኣቱ እቲ ዝያዳ ብርቱዕ 3-ቢት ኣተኣላልያ የድልያ። Flash ብግምት 300 ቢልዮን ትሽከም፡ ስለዚ ኣየድልያን — እቲ እትዕቅቦ ቢት ድማ ኣብ ልክዕነት ደኣ እምበር ኣብ ምእታው ኣይውዕልን።

እታ ተወሳኺት ቢት ካብቲ ስሌታ ንላዕሊ ትግደስ፡ ምኽንያቱ ናይ quantization ጉድኣት መስመራዊ ኣይኮነን። ኣብቲ ናይ AWQ ወረቐት ናይ WikiText-2 መለክዒታት፡ Llama-2-7B ካብ 5.47 perplexity ኣብ FP16 ናብ 5.60 ኣብ 4-ቢት ትኸይድ — 2.4% መቕጻዕቲ — ናብ 6.24 ኣብ 3-ቢት ግና፡ 14% መቕጻዕቲ። እዚ ብግምት ሽዱሽተ ዕጽፊ እቲ ምብልሻው ን25% ተወሳኺ ምጭባጥ እዩ፡ እቲ ተመሳሳሊ ዓይነት ድማ ኣብ 70B ይቕጽል። እታ ናይ GPTQ ወረቐት ገና ዝያዳ ንጹር እያ፦ ኣብ 3 ቢት፡ ንጹህ round-to-nearest ኣብ ሞዴላት ናይ 175B-ደረጃ ይፈርስ፡ ናብ ኣሽሓት ናይ perplexity፡ ኣብ 4 ቢት ግና ፍጹም ተጠቃማይ ኮይኑ ይነብር። ትሕቲ ኣርባዕተ ቢት፡ ሓደ ጽቡቕ ናይ quantization ስልቲ ካብ ጽቡቕ ምዃን ናብ እቲ ንድፊ ብሓንሳብ ዝሕዝ ጥራይ ነገር ይቕየር።

ስለዚ ቅንዕቲ ንባብ ናይዞም ክልተ ቅጽላት፦ Flash ካብ ናይ ገዛእ ርእሳ ዘይተጨምቀ ቅርጺ ንላዕሊ ትቐርብ ካብቲ Pro ካብ ናይ ገዛእ ርእሱ ዝቐርብ። Pro ገና እቲ ዝሓየለ ሞዴል እዩ — እቲ ሰሌዳ ቤንችማርክ ኣብ ላዕሊ ነዚ ይውስኖ። ንሱ ደኣ ንኽበጽሕ ናብዚ ብዙሕ ገዲፉ፡ ንስኻ ድማ ነቲ ክብሪ ትኸፍል።

ምንጭታት፦ AutoRound — "Optimize Weight Rounding via Signed Gradient Descent for the Quantization of LLMs" (arXiv 2309.05516)፡ Intel፡ Findings of EMNLP 2024። REAP — "REAP the Experts: Why Pruning Prevails for One-Shot MoE Compression" (arXiv 2510.13999)፡ Cerebras Systems። ናይ Perplexity ቁጽርታት ካብ AWQ (arXiv 2306.00978) ን GPTQ (arXiv 2210.17323) ን።

05Flash ኣንጻር Pro ኣብቲ endpoint

ክፍሊ 03 ነቶም ፈጻሚ ሞዴላት ሸፊኑ። ኣብዚ እቲ ክልተ ደረጃታት ከም ፍርያት ኣብ gateway ና ዝመስልዎ እዩ፦

	DeepSeek-V4-Flash-0731	DeepSeek-V4-Pro-0813
Quantization	W4A16-AUTOROUND-REAP	3BIT-REAP
ልክዕነት ክብደት	4-ቢት፡ ተመሃረ ምዕዋት	3-ቢት
ፈጻሚ ሞዴል (ጠቕላላ / ንጡፍ)	~304B / 13B	~1.7T / 49B
መእተዊ ንነፍስ ወከፍ 1M ቶክን	$0.50	$1.95
መውጽኢ ንነፍስ ወከፍ 1M ቶክን	$2.00	$3.90
ኮንተክስት / ዝለዓለ መውጽኢ	262,144 / 16,384	262,144 / 16,384
መሳርሒታት · ዝተወደበ ውጽኢት · ስትሪሚንግ	እወ	እወ
ራእይ	የለን	የለን
ሽፋን ምንጻግ	የልቦን	የልቦን

እንታይ ከምዘይቀያየር ሕሰብ፦ ኮንተክስት፡ ደረት መውጽኢ፡ tool calling፡ ዝተወደበ ውጽኢት፡ ከምኡ’ውን ዘይህላወ ሽፋን ምንጻግ ማዕረ እዮም። እቲ ዝቕየር ጥራይ እቲ ፈጻሚ ሞዴል፡ እቲ quantization፡ ከምኡ’ውን እቲ ዋጋ እዩ። እዚ ኣብ መንጎኦም ምቕያር ኣብ ኮድካ ሓንቲ-ሓረግ ለውጢ ከምኡ’ውን ኣብ ህንጻኻ ንጹር ቁጠባዊ ውሳነ ይገብሮ።

ናይ ሓንቲ ዝለዓለ-መጠን ጻውዒት ዋጋ

ንኹሉ እቲ 262,144-ቶክን ኮንተክስት ምልኣት ከምኡ’ውን እቲ ምሉእ 16,384-ቶክን መውጽኢ ውሰድ፦

ብዝርዝር ዋጋ። Flash፦ $0.131 መእተዊ + $0.033 መውጽኢ። Pro፦ $0.511 + $0.064። ጥምርታ 3.51 ዕጽፊ። Flash ምስ MiniMax-M3፡ Laguna-S-2.1፡ MiMo-V2.5፡ MiMo-V2.5-Pro ን Hy3 ን ድማ ነቲ $0.50 / $2.00 ደረጃ ትካፈል — ርአ ምሉእ ካታሎግ ብኸመይ ኣብ ራእይን ዝተወደበ ውጽኢትን ከምዝፈላለዩ።

06ናይ ብዝሒ ስሌት፡ ተሰሪሑ

«3.9 ዕጽፊ ዝሓሰረ» ኣብ መእተዊ ጥራይ ናይ ሓቂ እዩ። ኣብ መውጽኢ Flash 1.95 ዕጽፊ ዝሓሰረ እያ። ናትካ ናይ ሓቂ ቁጠባ ድማ ኣብ ናይ መእተዊ-ናብ-መውጽኢ መጠንካ ይምርኮስ፡ እቲ ዝርጋሐ ድማ ናይ ንድፊ ውሳነታት ንኽቅይር ዝኣክል ሰፊሕ እዩ። ኣርባዕተ ናይ ሓቂ ስራሕቲ፡ ነፍስ ወከፎም ኣብ 100,000 ጠለባት፦

ስራሕ	መእተዊ / መውጽኢ ንነፍስ ወከፍ ጻውዒት	Flash	Pro	ቁጠባ
ምድብ ትኬት	1,200 / 120	$84	$281	3.3×
RAG ናይ ሕቶ መልሲ	8,000 / 600	$520	$1,794	3.4×
ናይ ነዊሕ ሰነድ ጽሕፍ ምሕጻር	60,000 / 1,500	$3,300	$12,285	3.7×
ናይ synthetic ዳታ ምፍራይ	500 / 2,000	$425	$878	2.1×

እቲ ቅርጺ፦ ብዙሕ ኮንተክስት ብ ትደፍእ ከምኡ’ውን ውሑድ ጽሑፍ ብ ትፈጥር፡ Flash ብዙሕ ተድሕነልካ። ናይ ምድላይ pipelines፡ ናይ ሰነድ ምምዳብ፡ ናይ log ን transcript ትንተናን፡ ከምኡ’ውን ናይ ነዊሕ-ኮንተክስት ምውጻእ እቲ ማዕዶ ነጥቢ እዮም — ብደረጃ ትእዛዝ መእተዊ-ደኣ-ዝዓብዮም እዮም፡ መእተዊ ድማ ኣብኡ እዩ 3.9-ዕጽፊ ቅናሽ ዝነብር። ስራሕካ ኣብ ክንድኡ ሓደ ሓጺር ፕሮምፕት ኣሽሓት ቶክናት ናይ ንባብ ትፈጥር እንተኾይኑ ግና፡ እቲ ኽፍተት ናብ ብግምት 2 ዕጽፊ ይጽብብ፡ እቲ ናይ ክእለት ክርክር ን Pro ድማ ብዝምጣጠ ይሓይል።

ሓንቲ ተወሳኺት ስሌት ኣብ ልብኻ ክተእትዋ ትግባእ፦ ብ$0.50 ንነፍስ ወከፍ ሚልዮን ቶክን መእተዊ፡ ምሉእ እቲ 262,144-ቶክን መስኮት ንምምላእ 13.1 ሳንቲም ይኸፍል። ናይ ነዊሕ-ኮንተክስት ፕሮምፕቲንግ ኣብዚ ዋጋ ናይ በጀት ሕቶ ምዃን ትገድፍ፡ እዚ ድማ ገለ ግዜ ናይ ምድላይ ደረጃ ካብ ምህናጽ ፈጺምካ ክትሓልፍን መስኮት ኮንተክስት ነቲ ስራሕ ክገብር ክትሓድግን ይገብረካ — ሓደ ናይ ኢንጅነሪንግ ቁጠባ ኣብ ልዕሊ ናይ ቶክን ቁጠባ።

07«ብዘይ ሳንሱር» ኣብዚ ብልክዕ እንታይ ማለት ምዃኑ

እታ ቃል ብዘይ ስርዓት ትጥቀም እያ፡ ስለዚ ኣብዚ ናትና ትርጉም ኣሎ፡ ከም ንብረት ናይቲ endpoint ተገሊጹ፦ ኣብ ቅድሚ እቲ ሞዴል ዝኾነ ናይ ምንጻግ ክላሲፋየር የልቦን፡ ኣብቲ ውጽኢቱ ድማ ዝኾነ ናይ ትሕዝቶ ምጽራይ ኣይግበርን። ዋላ ሓደ ፕሮምፕት ኣየተናኽፍን ወይ ዝተዳለወ ንጻገ ኣይመልስን፤ ዋላ ሓደ ነቲ ውድኣት ኣይምርምርን ወይ ኣየድምስስን። ንልዑል-ብዝሒ ናይ ፍርያት ስራሕ እቲ ውጽኢት ካብቲ ቃል ካብ ዘምልክቶ ውሑድ ዘደንቕን ዝያዳ ጠቓምን እዩ፦

• ኣብ ገለልቲ ትራፊክ ዘይኮነ ፖዘቲቭ የልቦን። ተጻረይቲ endpoints ብልሙድ ናይ ሕክምና ጸብጻባት፡ ናይ ጸጥታ ጽሑፋት፡ ናይ ሕጊ discovery፡ ልቢ ወለድ፡ ናይ ጉድኣት-ምንካይ ንዋትን ናይ moderation ስራሕ ባዕሉን ይነጽጉ — ልክዕ ኣብቶም ምድባት ሓደ batch ስራሕ ጽሑፍ ብዛዕባ ሓደ ተነቃፊ ኣርእስቲ ደኣ እምበር ንሓደ ጐዳኢ ነገር ዘየፍርየሉ። ኣብ ሚእቲ ሽሕ ጠለባት፡ ሓደ-ሚእታዊት ናይ ግጉይ-ንጻገ መጠን ሽሕ ዝተበላሸወ ሰርፍ እዩ።
• ውሑስ ውዕላት። ንjson_schema መልሲ ሕተት ድማ JSON ናይቲ schema ዝሰማማዕ ትረክብ፡ ዘይኮነ ሓደ ሓረግ ናይ ይቕሬታ ኣብ ክንዲ ሓደ ኣቕሓ። ናትካ parser ዋላ ሓደ ናይ ምንጻግ ጨንፈር ኣየድልዮን፡ ናትካ retry logic ድማ ናይ transport ውድቀት ካብ ናይ ፖሊሲ ውድቀት ክፈሊ ኣየድልዮን።
• ንስኻ ትውንን ፖሊሲ። እዚ እዩ እቲ ልውውጥ። ፍርያትካ ንመወዳእታ ተጠቀምትኻ ደገታት እንተደሊና፡ ኣብ ናትካ ደረጃ ትሃንጾም፡ ኣብኡ ንተጠቀምትኻን ናይ ሕግኻ ዓውድን ትፈልጥ፡ ኣብ ክንዲ ናይ ሓደ ኣቕራቢ ግምታት ኣብ ክልቲኡ ምውራስ። ናትካ ሕሳብ ገና ብፖሊሲ ሓላፍነታዊ ኣጠቓቕማና ይመሓደር።

ብዘይ ሳንሱር ማለት ብዘይ ኣሰላልፋ ወይ ብዘይ ሓገዝ ማለት ኣይኮነን። እቲ ሞዴል ገና መምርሒታት ይስዕብ ገና ድማ ሓደ system prompt ይኸብር። ኣብ ውሽጢ ናይ ናትካ ተጠቀምቲ ገለ ምድባት ክንጽግ እንተደሊኻ፡ ኣብኡ ተዛረብ — እታ መምርሒ ሕጂ ንዓኻ እትጽሕፋ ደኣ እምበር ንኻና እትግበር ኣይኮነትን።

08ክእለታትን ቅንዕቲ ደረታትን

ክልተ ክእለታት ንመብዛሕትኡ ጾር ናይ ስራሕ ብዝሒ ይሽከሙ። ጥብቂ json_schema ውጽኢት ንሓደ ውድኣት ናብ ሓደ ናይ database ርድእ ብዘይ ናይ parsing ደረጃ ወይ ናይ ምንጻግ ጨንፈር ይቕይሮ። tool calling ኣብ ኩሎም ሰለስቲኦም ቋንቋታት Flash ን ሓደ ምኽንያታዊ ናይ ስቲፍ ንኡስ-ስጉምትታት ናይ ሓደ ኤጀንት ናይ ላዕለዋይ-ደረጃ ውጥን ኣብ ሓደ ዝሓየለ ሞዴል ዝካየድ ይገብሮ። ወስኸሉ reasoning_effort፡ እዚ ድማ ተወሳኺ ቶክናት ኣብቲ ጥራይ ዘድልየካ ክፋል ትራፊክ ጥራይ ንኽትውዕል ዘፍቅደካ፡ ከምኡ’ውን ሓደ 262,144-ቶክን ኮንተክስት ልክዕ ከምቲ ናይ Pro ልክዕነት — ብምምራጽ እታ ሕሱር ደረጃ ኮንተክስት ኣይትገድፍን፡ እዚ ድማ ዘይንቡር እዩ።

እቶም ደረታት ብማዕረ ንጹራት እዮም፦

• ራእይ የልቦን። Flash ጽሑፍ-ጥራይ እያ ናይ ስእሊ ክፋላት ኣብ ሓደ መልእኽቲ ድማ ትነጽግ። ንስእልታት ኣብ ሓደ ብዘይ ሳንሱር ሞዴል ኣብቲ ተመሳሳሊ $0.50 / $2.00 ደረጃ፡ MiniMax-M3 ን MiMo-V2.5 ን እቶም ናይ ራእይ ክእለት ዘለዎም ኣማራጺታት እዮም፤ Kimi-K2.6 ን Kimi-K3 ን ልዕል ካብዚ ደረጃ ዝሓየሉ ናይ ራእይ ሞዴላት እዮም።
• ናይቲ መሰላል ላዕሊ ኣይኮነትን። ናይ DeepSeek ገዛእ ርእሳ ቁጽርታት Pro ኣብ ነፍስ ወከፍ ዝተሓትመ ናይ ኤጀንት ቤንችማርክ ቅድሚት የቐምጣ፡ እቲ ኽፍተት ድማ ኣብ ነዊሕ ብዙሕ-ስጉምቲ ናይ ኮድ ኣተሓሳስባ ይሰፍሕ። ሓደ ግጉይ መልሲ ካብ ሽሕ ሕሱራት ንላዕሊ ዘኽፍለሉ ቦታ፡ ተወሳኺ $1.45 ንነፍስ ወከፍ ሚልዮን ኣብ DeepSeek-V4-Pro ኽፈል።
• 16,384 ቶክናት መውጽኢ ንነፍስ ወከፍ ሕቶ። ነዋሕቲ ፍርያት ኣብ ልዕሊ ብዙሓት ጻውዒታት ክምቐሉ ኣለዎም። እዚ እቲ ተመሳሳሊ ጣሪያ ኣብ ነፍስ ወከፍ ሞዴል እነቕርቦ እዩ፡ ቅድሚ እቲ ኮንተክስት መስኮት ድማ ጽቡቕ ገይሩ ይቖጻጸር።

09ምድዋሉ

ዝኾነ OpenAI-ዝሰማማዕ client ናብቲ gateway ምራሕ ከምኡ’ውን እታ ናይ ሞዴል ሓረግ ቀይር። ካልእ ዋላ ሓንቲ ኣብ stack ካ ክትንቀሳቐስ ኣየድልያን።

curl https://api.shannon-ai.com/v1/chat/completions \
  -H "Authorization: Bearer $SHANNON_API_KEY" \
  -H "Content-Type: application/json" \
  -d '{
    "model": "DeepSeek-V4-Flash-0731-W4A16-AUTOROUND-REAP",
    "messages": [
      {"role": "system", "content": "Label the ticket. Reply only with the schema."},
      {"role": "user", "content": "The invoice PDF renders blank on Safari 18."}
    ],
    "response_format": {
      "type": "json_schema",
      "json_schema": {
        "name": "ticket_label",
        "schema": {
          "type": "object",
          "properties": {
            "category": {"type": "string"},
            "severity": {"type": "integer"},
            "needs_human": {"type": "boolean"}
          },
          "required": ["category", "severity", "needs_human"],
          "additionalProperties": false
        }
      }
    }
  }'

እታ ተመሳሳሊት መለለዪ ሞዴል ብዘይ ለውጢ ኣብ /v1/messages ን /v1/responses ትሰርሕ፡ እዚ ድማ እቲ ዝቐልጠፈ መገዲ ንሓደ ዝሓሰረ ሞዴል ትሕቲ ሓደ ዘሎ ውህደት ብዘይ ናይ client ዳግም ምጽሓፍ A/B ንምግባር እዩ። ፓራሜተራት፡ ናይ ስትሪሚንግ ፍጻመ ቅርጽታት፡ ናይ tool-calling schemas ን ደረት ቅልጣፈን ኣብ መወከሲ API ተሰኒዶም ኣለው፤ ነፍስ ወከፍ ሞዴል ኣብ ካታሎግ ኣብ ምርምር Shannon ተዘርዚሩ ኣሎ።

10ተደጋጋሚ ዝሕተቱ ሕቶታት

---

ምንጭታት፦ DeepSeek-V2 (arXiv 2405.04434) · DeepSeekMoE (arXiv 2401.06066) · DeepSeek-V3 ቴክኒካዊ ጸብጻብ (arXiv 2412.19437) · DeepSeek-V4 (arXiv 2606.19348) · ካርድታት ሞዴል DeepSeek-V4-Flash-0731 ን DeepSeek-V4-Pro-0813 ን · AutoRound (arXiv 2309.05516, Intel) · REAP (arXiv 2510.13999, Cerebras Systems) · AWQ (arXiv 2306.00978) · GPTQ (arXiv 2210.17323)። ኩሎም ናይ ፈጻሚ ሞዴልን ቤንችማርክን ቁጽርታት ከምቲ ብደረስቶም ዝተሓትሙ እዮም፤ ናይ Shannon AI ዋጋታትን ዝቐርብ ኮንተክስትን ናይ ገዛእ ርእስና ናይ ዝርዝር ዋጋታት እዮም ካብ መስከረም 2026።