Uncensored na DeepSeek Flash API

Karamihan sa mga koponang sumusuri ng LLM API ay inooptimisa ang maling baryabol. Nagbe-benchmark sila sa dalawampung pinakamahirap na prompt na maiisip nila, pipiliin ang panalo, at matutuklasan makalipas ang anim na linggo na siyamnapu't limang porsiyento ng trapiko nila ay maikli, nakaayos at paulit-ulit na trabahong kayang-kaya rin ng modelong isang-kapat ang halaga. Umiiral ang DeepSeek-V4-Flash para sa siyamnapu't limang porsiyentong iyon. Tungkol ang pahinang ito sa pag-alam kung nasa loob ka niyon — at kung hindi.

01Ang talagang nakukuha mo

Katangian	DeepSeek-V4-Flash-0731 · W4A16-AUTOROUND-REAP
Model id	DeepSeek-V4-Flash-0731-W4A16-AUTOROUND-REAP
Context / pinakamataas na output	262,144 na token / 16,384 na token
Presyo kada 1M (input / output)	$0.50 / $2.00
Streaming · tool calling · pangangatwiran	Oo — lahat ng tatlong dayalekto
Structured output	json_schema at response_format
Input na larawan (vision)	Wala — teksto lamang
Refusal layer / filter sa output	Wala
Inihahain sa	Sariling GPU cluster ng Shannon

Tatlong dayalekto ng API ang umaabot sa iisang weights: /v1/chat/completions (hugis-OpenAI), /v1/messages (hugis-Anthropic), at /v1/responses. Gumagana ang streaming sa lahat ng tatlo. Nasa dokumentasyon ng API ang buong sanggunian ng mga parameter.

02Saan ito nanggaling: ang angkan ng DeepSeek

Limang henerasyon ng model ang ginugol ng DeepSeek-AI sa iisang obsesyon: makuha ang asal ng prontera mula sa isang modelong mura ihain, hindi lang murang sanayin. Halos bawat desisyong pang-arkitektura sa linyang ito ay bumabalik doon, at nailathala ang mahahalaga. Tatlo ang nagpapaliwanag kung ano ang tinatawagan mo kapag tinamaan mo ang endpoint na ito.

DeepSeekMoE — pinong-pinong mga expert kasama ang isang ibinabahagi

Pinapalitan ng isang Mixture-of-Experts na layer ang isang malaking feed-forward network ng maraming maliliit at isang router na pumipili ng ilan kada token. Mas pino ang paghiwa ng baryant ng DeepSeek sa mga expert kaysa sa karaniwang walong-expert na ayos, kaya ang parehong bilang ng aktibong FLOPs ay bumibili ng mas kombinatoryang tiyak na timpla, at ibinubukod nito ang isang ibinabahaging expert na dinadaanan ng bawat token, kaya hindi paulit-ulit na natututuhan ang karaniwang kaalaman sa loob ng bawat espesyalista. Inilabas iyon ng DeepSeek-V3 bilang 256 na niruratang expert kasama ang 1 ibinabahaging expert, na nag-aaktibo ng 8 niruratang expert kada token — 671B na kabuuang parameter, 37B na aktibo — kasama ang load balancing na walang auxiliary loss: sa halip na terminong parusa na nagpapababa ng kalidad, isang bias kada expert ang nagtutulak pataas o pababa sa mga iskor sa pagruruta sa bawat hakbang habang kulang o sobra ang karga ng expert na iyon.

MLA — atensyong kasya sa memorya

Ang kabilang kalahati ng problema sa gastos ng paghahain ay ang KV cache, na lumalaki nang linyar kasabay ng context at nangingibabaw sa memorya sa mahahabang sekwensya. Ang Multi-head Latent Attention, na ipinakilala sa DeepSeek-V2, ay pinagsasama-samang sinisiksik ang keys at values sa isang low-rank na latent na vector at iyon ang kinakache, na muling binubuo ang magagamit na K/V habang tumatakbo. Iniuulat ng inilathalang mga tala ng DeepSeek para sa V2, laban sa dati nilang siksik na DeepSeek 67B, ang 93.3% na pagbaba sa KV cache at 5.76× na mas mataas na pinakamataas na throughput sa henerasyon. Iyan ang dahilan kung bakit pangkaraniwan na ang 262K-token na window sa pamilyang ito sa halip na maging premyong dagdag.

Sparse attention — at ang precedente para sa murang token

Idinagdag ng V3.2-Exp ang DeepSeek Sparse Attention: isang magaang indexer ang nag-iiskor sa mga token ng context laban sa tanong, at isang selector ang nagtatago lamang sa pinakamataas ang iskor. Ang resibo ang kawili-wiling bahagi, hindi ang mekanismo. Naglathala ang DeepSeek ng magkatabing paghahambing laban sa V3.1-Terminus na magkapareho ang MMLU-Pro sa 85.0, mas mataas ang AIME 2025 (88.4 → 89.3), bahagyang mas mababa ang SWE-bench Verified (68.4 → 67.8) — halos patag ang kalidad — at binawasan nila ang presyo ng kanilang API nang mahigit 50% sa parehong araw. Arkitektura, tapat na iniulat, na direktang naging presyo. Ang Flash ang argumentong iyon na iniusad pa ng isang hakbang.

Ang henerasyong V4

Pinapalitan muli ng V4, na ipinasilip noong Abril 2026 sa ilalim ng lisensyang MIT, ang salansan ng atensyon sa isang haluan ng Compressed Sparse Attention at Heavily Compressed Attention, sinasanay sa optimizer na Muon sa mahigit 32T na token, at pinapanatili ang layuning multi-token-prediction ng V3 — na nagsisilbi ring speculative decoding, at sinukat ng DeepSeek sa 85–90% na tanggapan ng pangalawang token para sa humigit-kumulang 1.8× na bilis sa dekoding sa V3. Iniuulat ng abstrak ng V4 na tumatakbo ang V4-Pro sa 27% ng single-token na inference FLOPs ng V3.2 at 10% ng KV cache nito. Inilalantad ng pamilya ang tatlong antas ng reasoning effort, at doon nakatugma ang aming parameter na reasoning_effort.

Mga pinagkunan: DeepSeek-V2 (arXiv 2405.04434) · DeepSeekMoE (arXiv 2401.06066) · DeepSeek-V3 Technical Report (arXiv 2412.19437) · model card ng DeepSeek-V3.2-Exp · DeepSeek-V4 (arXiv 2606.19348). Lahat ng tala ay iniulat ng DeepSeek.

03Ang tunay na ibig sabihin ng "Flash"

Dito nagkakamali ang halos lahat ng paghahambing, kaya sulit itong sabihin nang tahasan: ang Flash ng DeepSeek ay hindi kinuwantisa, pinutol o dinistilang Pro. Isa itong hiwalay na sinanay, mas maliit na modelong Mixture-of-Experts na may sarili nitong pre-training. Ibinibigay ng papel na pasilip sa V4 ang dalawang sukat:

Mga tala mula sa papel na pasilip sa DeepSeek-V4. Ang opisyal na mga checkpoint na inihahain namin — V4-Flash-0731 at V4-Pro-0813 — ay naglilista ng bahagyang mas malaking kabuuang 304B at 1.7T sa mga model card nila; hindi muling isinasaad ng DeepSeek ang aktibong parameter para sa mga build na iyon.

Dalawang numero ang gumagawa ng trabaho rito. Ang kabuuang parameter ang nagtatakda ng bakas sa memorya, na siyang nagpapasya kung gaano karaming hardware ang inuukupa ng isang kopya ng model. Ang aktibong parameter ang nagtatakda ng aritmetika kada token, na siyang nagpapasya ng throughput. Mga 5.6× na mas maliit ang Flash sa una at 3.8× na mas maliit sa pangalawa — at may pinong bagay sa agwat na iyon na dapat mapansin: nag-aaktibo ang Flash ng 13 sa 284 bilyong parameter, mga 4.6%, samantalang nag-aaktibo ang Pro ng 49 sa 1,600 bilyon, mga 3.1%. Ang Flash ang hindi gaanong sparse na model. Hindi lang ito Pro na mas kaunti ang nakabukas na expert; isa itong mas siksik at ibang-ibang balanseng disenyo na gumagastos ng mas malaking bahagi ng sarili nito sa bawat token na binubuo nito. Tunay na desisyong pang-inhinyeriya iyon, hindi pagbaba.

Ang sinasabi ng sariling mga numero ng DeepSeek

Naglalathala ang parehong opisyal na model card ng iskor sa parehong mga benchmark sa ahensya at inhinyeriya ng software, kaya nagiging pambihirang malinis na paghahambing ito — parehong laboratoryo, parehong kasangkapan sa ebalwasyon, dalawang sukat:

Benchmark (iniulat ng DeepSeek)	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

Panalo ang Pro sa bawat hanay. Iyan ang tapat na ulo ng balita, at mas gusto naming basahin mo ito rito kaysa matuklasan mo ito sa produksyon. Ngunit basahin ang mga agwat, dahil iyon ang talagang binibili mo. Sa Terminal Bench 2.1 ay 5.2 puntos ang agwat sa isang modelong ikadalawampu't lima lang ang parameter; sa paggamit ng kasangkapan ay 3.8 puntos. Lumalapad ang agwat kung saan pinakamalalim ang trabaho — 8.3 puntos sa DeepSWE, 7.3 sa NL2Repo, na parehong gumagantimpala sa matiyagang pangangatwiran sa kode na maraming hakbang. Iyan ang hugis ng palitan sa iisang talahanayan: nilalapitan ng Flash ang halos buong distansya sa mga takdang trabaho at sumusuko ito sa mga bukas na gawain.

Mas matalas pa ang punto sa sariling card ng Flash ng DeepSeek: nahihigitan ng Flash-0731 ang pasilip ng V4-Pro sa nakalistang mga benchmark sa kabila ng mas maliit nitong bilang ng aktibong parameter. Ang panalo ng mas bagong maliit na model laban sa mas lumang malaki ay normal na kalagayan sa larangang ito, at iyon ang dahilan kung bakit hindi dapat kailanman "mas mataas na antas" ang awtomatikong sagot mo.

04Pagbasa sa suffix: W4A16-AUTOROUND-REAP

Malakas na sinasabi ng aming mga model id ang kanilang paraan ng pagsisiksik, dahil iyon ang bagay na pinakamalaki ang epekto sa kalidad ng output at halos walang naglalantad nito. Nahahati ito sa tatlong pahayag.

W4A16 — 4-bit na weights, 16-bit na activations

Iniimbak ang weights sa tig-4 bit; dumadaloy naman ang activations sa 16-bit na presisyon. Kuwantisasyong weights lamang ito, at tinatarget nito ang totoong sagabal sa paglikha ng token, na ang bandwidth ng memorya at hindi ang aritmetika. Ang pagkuwantisa rin sa activations ay bibili ng kaunti pang bilis at manganganib sa mas malaking bangin sa katumpakan; ang pag-iwan sa mga ito sa 16 bit ang maingat at mataas ang katapatang pili. Daglat ng ekosistema ng paghahain ang notasyon — isinusulat ito ng literatura ng kuwantisasyon bilang W4 na may sukat ng grupo.

AUTOROUND — natutong pag-round, hindi pag-round sa pinakamalapit

Ini-round ng payak na kuwantisasyon ang bawat weight sa pinakamalapit na maikakatawang halaga. Napapatunayang hindi iyon pinakamainam: ang pag-round sa "maling" direksyon ng isang weight ay maaaring pumawi sa maling naipasok ng mga kalapit nito, at sa bilyun-bilyong weight ay nangingibabaw ang mga interaksyong iyon. Itinuturing ng AutoRound ng Intel ang mismong desisyon sa pag-round bilang bagay na dapat matutuhan — isang masasanay na perturbasyon kada weight na nakakulong sa ±0.5, sapat lamang upang mabaliktad ang alinmang solong desisyon sa pag-round at wala nang higit pa, kasama ang natututong mga saklaw sa clipping, na inooptimisa sa pamamagitan ng signed gradient descent laban sa layuning muling pagbuo ng output kada bloke sa maliit na hanay ng kalibrasyon. Dalawang daang hakbang, tapos tapos na.

Sa inilathalang paghahambing ng Intel, natatalo ng AutoRound ang GPTQ sa 30 sa 32 sinubukang sitwasyon, ang AWQ sa 27 sa 32 at ang OmniQuant sa 29 sa 32 sa 4-bit na weights-lamang na ayos, na may 6.9 hanggang 33.2 puntos ng katumpakan na lamang kaysa sa payak na round-to-nearest sa 2 bit. Wala itong ni katiting na gastos sa oras ng inference: mas mahusay lamang itong pagpili ng mga numero, ginawa nang isang beses, offline.

REAP — pagtatanggal sa mga expert na walang nagruruta

Ang REAP (Router-weighted Expert Activation Pruning), mula sa Cerebras Systems at sa Unibersidad ng Calgary, ay one-shot na pagsisiksik para sa mga modelong MoE. Ini-iskor nito ang bawat expert ayon sa lakas at dalas ng pagruruta ng router dito, na pinararami sa laki ng output ng expert na iyon, saka tuwirang binubura ang mga expert na pinakamaliit ang halaga — walang muling pagsasanay pagkatapos.

Ang sentrong natuklasan ng papel ang siyang kapaki-pakinabang: sa matataas na ratio ng pagsisiksik, mas mainam ang pagtatanggal ng expert kaysa sa paghahalo sa kanila. Ang paghahalo sa mga expert na magkaiba ang punsyon ay nagdudulot ng tinatawag ng mga may-akda na functional subspace collapse — nawawala sa router ang pinong kontrol na nakasalalay sa input na siyang dahilan kung bakit sulit itayo ang MoE, at naiiwan itong pumipili sa pagitan ng mga estatikong average. Ang mga tala nila sa mga modelong 20B hanggang 1T na parameter: sa 25% na pagsisiksik ng expert sa mga gawaing kode, nawawalan ang REAP ng 2.8% na katamtamang katumpakan samantalang mahigit 5% ang nawawala sa mga baseline na naghahalo; sa 50%, 8.0% ang nawawala sa REAP samantalang mahigit 20% sa paghahalo. Sa Qwen3-Coder-480B sa 50% na pagtatanggal, 1.4% ang pagbaba, laban sa 39.3% ng payak na pagtatanggal batay sa dalas. Naglathala ang Cerebras ng mga checkpoint ng REAP para sa linyang DeepSeek at iba pa.

Bakit 4-bit dito at 3-bit sa Pro

Kailangang kumasya at manatiling mabilis ang parehong antas sa parehong uri ng hardware. May 1.7 trilyong parameter ang Pro, kaya kailangan nito ang mas agresibong 3-bit na trato para kumasya. Mga 300 bilyon lang ang dala ng Flash, kaya hindi na kailangan — at ang bit na natitipid nito ay ginagastos sa katapatan sa halip na sa pagkasya.

Mas mahalaga ang dagdag na bit na iyon kaysa sa hinuhulaan ng aritmetika nito, dahil hindi linyar ang pinsala ng kuwantisasyon. Sa mga sukat sa WikiText-2 ng papel na AWQ, umaakyat ang Llama-2-7B mula 5.47 na perplexity sa FP16 tungo sa 5.60 sa 4-bit — 2.4% na parusa — ngunit tungo sa 6.24 sa 3-bit, 14% na parusa. Halos anim na ulit na pinsala iyon para sa 25% pang pagsisiksik, at ganoon din ang tugma sa 70B. Mas tahasan pa ang papel na GPTQ: sa 3 bit, gumuguho ang payak na round-to-nearest sa mga modelong 175B-uri, hanggang sa libu-libong perplexity, samantalang nananatiling ganap na magamit sa 4 bit. Sa ibaba ng apat na bit, tumitigil sa pagiging palamuti ang mahusay na algoritmo ng kuwantisasyon at nagiging tanging bagay na humahawak sa model.

Kaya ganito ang tapat na pagbasa sa dalawang suffix na ito: mas malapit ang Flash sa sarili nitong hindi siniksik na anyo kaysa sa lapit ng Pro sa sarili nito. Mas malakas pa rin ang Pro — natapos na iyon ng talahanayan ng benchmark sa itaas. Mas marami lang ang isinuko nito para makarating dito, at binabayaran mo ang pribilehiyo.

Mga pinagkunan: 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. Mga tala sa perplexity mula sa AWQ (arXiv 2306.00978) at GPTQ (arXiv 2210.17323).

05Flash laban sa Pro sa endpoint

Tinalakay ng Seksyon 03 ang mga pundasyon. Ganito naman ang itsura ng dalawang antas bilang produkto sa aming gateway:

	DeepSeek-V4-Flash-0731	DeepSeek-V4-Pro-0813
Kuwantisasyon	W4A16-AUTOROUND-REAP	3BIT-REAP
Presisyon ng weights	4-bit, natutong pag-round	3-bit
Pundasyon (kabuuan / aktibo)	~304B / 13B	~1.7T / 49B
Input kada 1M na token	$0.50	$1.95
Output kada 1M na token	$2.00	$3.90
Context / pinakamataas na output	262,144 / 16,384	262,144 / 16,384
Kasangkapan · structured output · streaming	Oo	Oo
Vision	Wala	Wala
Refusal layer	Wala	Wala

Pansinin ang hindi nagbabago: magkapareho ang context, ang hangganan ng output, ang tool calling, ang structured output, at ang kawalan ng refusal layer. Ang pundasyon, ang kuwantisasyon at ang presyo lamang ang gumagalaw. Dahil doon, ang paglipat sa pagitan nila ay pagbabago ng isang string sa kode mo at desisyong purong pang-ekonomiya sa arkitektura mo.

Ang halaga ng isang tawag na pinakamalaki

Punuin ang buong 262,144-token na context at kunin ang buong 16,384-token na output:

Sa presyong nakalista. Flash: $0.131 na input + $0.033 na output. Pro: $0.511 + $0.064. Ratio 3.51×. Ibinabahagi rin ng Flash ang $0.50 / $2.00 na pinakamababang presyo sa MiniMax-M3, Laguna-S-2.1, MiMo-V2.5, MiMo-V2.5-Pro at Hy3 — tingnan ang buong katalogo para sa pagkakaiba nila sa vision at structured output.

06Ang matematika ng volume, sinolusyunan

Totoo lang sa input ang "3.9× na mas mura". Sa output ay 1.95× na mas mura ang Flash. Kaya nakadepende ang tunay mong tipid sa ratio mo ng input sa output, at sapat ang lawak ng agwat para baguhin ang mga desisyon sa disenyo. Apat na makatotohanang trabaho, bawat isa sa 100,000 na kahilingan:

Trabaho	In / out kada tawag	Flash	Pro	Tipid
Pag-uuri ng tiket	1,200 / 120	$84	$281	3.3×
Pagsagot sa tanong gamit ang RAG	8,000 / 600	$520	$1,794	3.4×
Buod ng mahabang dokumento	60,000 / 1,500	$3,300	$12,285	3.7×
Paglikha ng synthetic data	500 / 2,000	$425	$878	2.1×

Ganito ang tugma: mas maraming context ang itinutulak mo at mas kaunting teksto ang nililikha mo, mas malaki ang itinitipid mo sa Flash. Ang mga pipeline sa retrieval, pagsala ng dokumento, pagsusuri ng log at transkripsyon, at pagkuha ng datos sa mahabang context ang matamis na puwesto — nangingibabaw ang input sa mga ito nang isang orden ng magnitud, at nasa input ang 3.9× na diskuwento. Kung sa halip ay maikling prompt na lumilikha ng libu-libong token ng prosa ang trabaho mo, lumiliit ang agwat sa mga 2× at kaayon nitong lumalakas ang argumento sa kakayahan ng Pro.

Isa pang piraso ng aritmetikang sulit tandaan: sa $0.50 kada milyong input token, 13.1 sentimo ang halaga ng pagpuno sa buong 262,144-token na window. Sa presyong iyon, tumitigil nang maging usapin ng badyet ang mahabang context na prompting, na kung minsan ay nangangahulugang puwede mo nang laktawan ang pagtatayo ng retrieval layer at hayaang ang context window ang gumawa ng trabaho — tipid sa inhinyeriya bukod pa sa tipid sa token.

07Ang eksaktong ibig sabihin ng "uncensored" dito

Maluwag ang paggamit sa salita, kaya narito ang aming depinisyon, sinasabi bilang katangian ng endpoint: walang refusal classifier sa harap ng model at walang content filter na ipinapataw sa output nito. Walang humaharang sa isang prompt para magbalik ng nakadelatang pagtanggi; walang sumisiyasat sa completion para tabingan ito. Para sa produksyong malaki ang volume, mas hindi madramatiko at mas kapaki-pakinabang ang bunga kaysa sa ipinapahiwatig ng salita:

• Walang maling positibo sa payak na trapiko. Karaniwang tinatanggihan ng mga endpoint na may filter ang buod na medikal, ulat sa seguridad, legal na discovery, kathang-isip, materyal sa harm reduction at ang mismong trabahong pangmoderasyon — eksaktong mga kategorya kung saan ang batch job ay nagpoproseso ng tekstong tungkol sa sensitibong paksa sa halip na lumikha ng anumang nakapipinsala. Sa isandaang libong kahilingan, ang isang porsiyentong maling pagtanggi ay isanlibong sirang hanay.
• Tiyak na kontrata. Humingi ng json_schema na sagot at makakakuha ka ng JSON na tugma sa schema, hindi talata ng paumanhin kung saan dapat ay isang object. Hindi na kailangan ng parser mo ng sanga para sa pagtanggi, at hindi na kailangang ipagkaiba ng lohika mo sa muling pagsubok ang palya sa transport at ang palya dahil sa patakaran.
• Sa iyo ang patakaran. Iyan ang palitan. Kung kailangan ng produkto mo ng guardrail para sa iyong mga end user, itatayo mo iyon sa iyong layer, kung saan kilala mo ang mga gumagamit mo at ang hurisdiksyon mo, sa halip na manahin ang mga hula ng provider tungkol sa dalawang iyon. Nananatiling pinamamahalaan ng aming Responsible Use Policy ang account mo.

Hindi pareho ang uncensored at ang hindi nakahanay o walang silbi. Sumusunod pa rin ang model sa mga tagubilin at iginagalang pa rin nito ang system prompt. Kung gusto mong tumanggi ito sa ilang kategorya para sa iyong mga gumagamit, sabihin mo iyon doon — sa iyo na ngayong isulat ang tagubiling iyon sa halip na ipataw namin.

08Mga kakayahan at tapat na hangganan

Dalawang kakayahan ang may pinakamalaking bigat sa trabahong malaki ang volume. Ang mahigpit na json_schema na output ay ginagawang hanay sa database ang isang completion nang walang parsing layer at walang sanga para sa pagtanggi. Ang tool calling sa lahat ng tatlong dayalekto ang gumagawa sa Flash bilang makatuwirang makina para sa murang sub-hakbang ng isang ahenteng ang pangunahing tagaplano ay tumatakbo sa mas malakas na model. Idagdag ang reasoning_effort, na nagpapahintulot sa iyong gumastos ng dagdag na token lamang sa bahagi ng trapikong nangangailangan nito, at isang 262,144-token na context na kapareho ng sa Pro — hindi ka nagsusuko ng context sa pagpili sa murang antas, at hindi iyon karaniwan.

Ganoon din kakonkreto ang mga hangganan:

• Walang vision. Teksto lamang ang Flash at tatanggihan nito ang bahaging larawan sa isang mensahe. Para sa mga larawan sa isang uncensored na model sa parehong $0.50 / $2.00 na pinakamababang presyo, ang MiniMax-M3 at ang MiMo-V2.5 ang mga opsyong may vision; ang Kimi-K2.6 at ang Kimi-K3 ang mas malalakas na modelong may vision sa itaas ng antas na iyon.
• Hindi ito ang tuktok ng hagdan. Inilalagay ng sariling mga numero ng DeepSeek ang Pro sa unahan sa bawat inilathalang benchmark sa ahensya, na pinakamalapad ang agwat sa matiyagang pangangatwiran sa kode na maraming hakbang. Kung saan mas mahal ang isang maling sagot kaysa sa isanlibong murang sagot, gastusin ang dagdag na $1.45 kada milyon sa DeepSeek-V4-Pro.
• 16,384 na output token kada kahilingan. Kailangang hatiin sa maraming tawag ang mahahabang henerasyon. Ito ang parehong hangganan sa bawat modelong inihahain namin, at umiiral ito bago pa man ang context window.

09Pagtawag dito

Ituro ang alinmang kliyenteng tugma sa OpenAI sa gateway at palitan ang string ng model. Wala nang iba sa salansan mo ang kailangang gumalaw.

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
        }
      }
    }
  }'

Gumagana rin nang hindi binabago ang parehong model id sa /v1/messages at /v1/responses, at iyon ang pinakamabilis na paraan para mag-A/B ng mas murang model sa ilalim ng umiiral nang integrasyon nang hindi isinusulat muli ang kliyente mo. Nakadokumento sa sanggunian ng API ang mga parameter, hugis ng streaming event, schema ng tool calling at mga limitasyon sa rate; nakalista sa Shannon Research ang bawat model sa katalogo.

10Mga madalas itanong

---

Mga pinagkunan: DeepSeek-V2 (arXiv 2405.04434) · DeepSeekMoE (arXiv 2401.06066) · DeepSeek-V3 Technical Report (arXiv 2412.19437) · DeepSeek-V4 (arXiv 2606.19348) · mga model card ng DeepSeek-V4-Flash-0731 at DeepSeek-V4-Pro-0813 · AutoRound (arXiv 2309.05516, Intel) · REAP (arXiv 2510.13999, Cerebras Systems) · AWQ (arXiv 2306.00978) · GPTQ (arXiv 2210.17323). Lahat ng tala sa pundasyon at benchmark ay ayon sa inilathala ng kani-kanilang may-akda; ang mga presyo ng Shannon AI at ang inihahaing context ay sarili naming nakalistang halaga sa Setyembre 2026.