Sansürsüz DeepSeek Flash API

Bir LLM API'sini değerlendiren çoğu ekip yanlış değişkeni optimize ediyor. Akıllarına gelen en zor yirmi istem üzerinde kıyaslama yapıyor, kazananı seçiyor ve altı hafta sonra trafiklerinin yüzde doksan beşinin kısa, yapılandırılmış, tekrarlayan iş olduğunu — dörtte bir fiyatlı bir modelin birebir aynı şekilde halledebileceği işi — keşfediyorlar. DeepSeek-V4-Flash, işte o yüzde doksan beş için var. Bu sayfa, ne zaman onun içinde olduğunuzu — ve ne zaman olmadığınızı — bilmekle ilgili.

01Tam olarak ne alıyorsunuz

Özellik	DeepSeek-V4-Flash-0731 · W4A16-AUTOROUND-REAP
Model kimliği	DeepSeek-V4-Flash-0731-W4A16-AUTOROUND-REAP
Bağlam / azami çıktı	262,144 tokens / 16,384 tokens
1M başına fiyat (giriş / çıkış)	$0.50 / $2.00
Akış · araç çağırma · akıl yürütme	Evet — her üç lehçede de
Yapılandırılmış çıktı	json_schema ve response_format
Görsel girdi (görü)	Hayır — yalnızca metin
Reddetme katmanı / çıktı filtresi	Yok
Sunulduğu yer	Shannon'ın kendi GPU kümesi

Aynı ağırlıklara üç API lehçesi ulaşıyor: /v1/chat/completions (OpenAI biçimli), /v1/messages (Anthropic biçimli) ve /v1/responses. Akış üçünde de çalışıyor. Tam parametre referansı API dokümantasyonunda.

02Nereden geliyor: DeepSeek soyağacı

DeepSeek-AI beş model kuşağını tek bir saplantıya harcadı: yalnızca eğitmesi değil, sunması da ucuz olan bir modelden sınır düzeyi davranış çıkarmak. Bu hattaki neredeyse her mimari karar oraya dayanıyor ve önemlileri yayımlanmış durumda. Üçü, bu uç noktaya vurduğunuzda tam olarak neyi çağırdığınızı açıklıyor.

DeepSeekMoE — ince taneli uzmanlar artı bir paylaşılan uzman

Bir Uzmanlar Karışımı katmanı, tek bir büyük ileri beslemeli ağı çok sayıda küçük ağla ve token başına birkaçını seçen bir yönlendiriciyle değiştirir. DeepSeek'in varyantı uzmanları alışılmış sekiz uzmanlı düzenden daha ince dilimler; böylece aynı etkinleşen FLOP miktarı çok daha kombinatoryal olarak özgül bir karışım satın alır. Ayrıca her tokenın içinden geçtiği bir paylaşılan uzmanı yalıtır, böylece ortak bilgi her uzmanın içinde gereksizce yeniden öğrenilmez. DeepSeek-V3 bunu 256 yönlendirilen uzman artı 1 paylaşılan uzman, token başına 8 yönlendirilen uzmanın etkinleşmesi olarak yayımladı — 671B toplam parametre, 37B etkin — ve yanına yardımcı kayıpsız yük dengeleme koydu: kaliteyi düşüren bir ceza terimi yerine, uzman başına bir yanlılık değeri, o uzman az ya da çok yüklendikçe her adımda yönlendirme skorlarını yukarı veya aşağı itiyor.

MLA — belleğe sığan dikkat

Sunum maliyeti probleminin diğer yarısı, bağlamla doğrusal büyüyen ve uzun dizi uzunluklarında belleğe hükmeden KV önbelleğidir. DeepSeek-V2'de tanıtılan Çok Başlı Gizil Dikkat, anahtarları ve değerleri birlikte düşük ranklı bir gizil vektöre sıkıştırır ve onu önbelleğe alır, kullanılabilir K/V'yi anında yeniden üretir. DeepSeek'in yayımladığı V2 rakamları, daha önceki yoğun DeepSeek 67B'ye karşı KV önbelleğinde %93,3 azalma ve azami üretim verimliliğinde 5,76× artış bildiriyor. 262K tokenlık bir pencerenin bu ailede primli bir eklenti değil, standart olmasının nedeni budur.

Seyrek dikkat — ve ucuz tokenların emsali

V3.2-Exp, DeepSeek Seyrek Dikkat'i ekledi: hafif bir indeksleyici bağlam tokenlarını sorguya karşı puanlıyor, bir seçici de yalnızca en yüksek puanlıları tutuyor. İlginç olan kısım mekanizma değil, makbuz. DeepSeek, V3.1-Terminus ile yan yana bir karşılaştırma yayımladı: MMLU-Pro 85,0'da özdeş, AIME 2025 yükseldi (88,4 → 89,3), SWE-bench Verified marjinal olarak düştü (68,4 → 67,8) — esasen düz bir kalite — ve aynı gün API fiyatlarını %50'den fazla indirdiler. Dürüstçe raporlanan mimari, doğrudan fiyata dönüşüyor. Flash, bu savın bir adım ileri götürülmüş hâli.

V4 kuşağı

Nisan 2026'da MIT lisansıyla önizlenen V4, dikkat yığınını yeniden değiştiriyor: Sıkıştırılmış Seyrek Dikkat ile Ağır Sıkıştırılmış Dikkat'in bir melezi. 32T'den fazla token üzerinde Muon iyileştiricisiyle eğitiliyor ve V3'ün çok tokenlı tahmin hedefini koruyor — ki bu aynı zamanda spekülatif kod çözme işlevi görüyor ve DeepSeek bunu V3'te kabaca 1,8× kod çözme hızlanması için %85–90 ikinci token kabul oranında ölçmüştü. V4 özeti, V4-Pro'nun V3.2'nin tek token çıkarım FLOP'unun %27'sinde ve KV önbelleğinin %10'unda çalıştığını bildiriyor. Aile üç akıl yürütme çabası düzeyi sunuyor; reasoning_effort parametremiz de bunlara eşleniyor.

Kaynaklar: DeepSeek-V2 (arXiv 2405.04434) · DeepSeekMoE (arXiv 2401.06066) · DeepSeek-V3 Teknik Raporu (arXiv 2412.19437) · DeepSeek-V3.2-Exp model kartı · DeepSeek-V4 (arXiv 2606.19348). Tüm rakamlar DeepSeek beyanıdır.

03"Flash" aslında ne demek

Karşılaştırmaların çoğunun yanlış anladığı nokta burası, o yüzden düpedüz söylemeye değer: DeepSeek'in Flash'ı nicelenmiş, budanmış ya da damıtılmış bir Pro değildir. Kendi ön eğitim koşusuna sahip, ayrı eğitilmiş, daha küçük bir Uzmanlar Karışımı modelidir. V4 önizleme makalesi iki boyutu veriyor:

Rakamlar DeepSeek-V4 önizleme makalesinden. Sunduğumuz resmî kontrol noktaları — V4-Flash-0731 ve V4-Pro-0813 — model kartlarında biraz daha büyük toplamlar, 304B ve 1,7T, listeliyor; DeepSeek bu derlemeler için etkinleşen parametre sayısını yeniden bildirmiyor.

Buradaki işi iki sayı yapıyor. Toplam parametreler bellek ayak izini belirler, bu da modelin bir kopyasının ne kadar donanım işgal ettiğine karar verir. Etkinleşen parametreler token başına aritmetiği belirler, bu da verimliliğe karar verir. Flash birincide kabaca 5,6×, ikincide 3,8× daha küçük — ve bu farkta fark edilmeye değer bir incelik var: Flash 284 milyar parametrenin 13'ünü, yani yaklaşık %4,6'sını etkinleştiriyor; Pro ise 1.600 milyarın 49'unu, yaklaşık %3,1'ini. Flash, daha az seyrek olan model. Yalnızca daha az uzmanı açık olan bir Pro değil; ürettiği her tokena kendisinin daha büyük bir payını harcayan, daha yoğun ve farklı dengelenmiş bir tasarım. Bu gerçek bir mühendislik tercihi, bir düşürme değil.

DeepSeek'in kendi rakamları ne diyor

Her iki resmî model kartı da aynı ajan ve yazılım mühendisliği kıyaslamalarında skor yayımlıyor; bu da karşılaştırmayı alışılmadık ölçüde temiz kılıyor — aynı laboratuvar, aynı değerlendirme koşumu, iki boyut:

Kıyaslama (DeepSeek beyanı)	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 her satırı kazanıyor. Dürüst manşet bu ve bunu üretimde keşfetmenizdense burada okumanızı tercih ederiz. Ama marjları okuyun, çünkü asıl satın aldığınız şey onlar. Terminal Bench 2.1'de aradaki fark, parametrelerinin yirmi beşte birine sahip bir modelde 5,2 puan; araç kullanımında 3,8 puan. İş derinleştikçe fark açılıyor — DeepSWE'de 8,3 puan, NL2Repo'da 7,3 puan; ikisi de sürdürülmüş çok adımlı kod akıl yürütmesini ödüllendiriyor. Takasın şekli tek bir tabloda: Flash sınırlı görevlerde mesafenin çoğunu kapatıyor, açık uçlu görevlerde geri çekiliyor.

DeepSeek'in kendi Flash kartı noktayı daha da keskin koyuyor: Flash-0731, çok daha küçük etkinleşen parametre sayısına rağmen listelenen kıyaslamalarda V4-Pro önizlemesinden daha iyi sonuç veriyor. Daha yeni ve küçük bir modelin daha eski ve büyük bir modeli geçmesi bu alanda normal düzendir ve "daha büyük katman"ın asla varsayılan cevabınız olmaması gerekmesinin nedeni budur.

04Son eki okumak: W4A16-AUTOROUND-REAP

Model kimliklerimiz sıkıştırma şemalarını yüksek sesle bildirir, çünkü çıktı kalitesini en çok etkileyen ve neredeyse hiç kimsenin açıklamadığı şey odur. Bu kimlik üç iddiaya ayrışıyor.

W4A16 — 4 bit ağırlık, 16 bit aktivasyon

Ağırlıklar 4 bitte saklanır; aktivasyonlar 16 bit hassasiyetle akar. Bu yalnızca ağırlık nicelemesidir ve token üretimindeki asıl darboğazı, yani aritmetiği değil bellek bant genişliğini hedefler. Aktivasyonları da nicelemek biraz daha hız kazandırır ama çok daha büyük bir doğruluk uçurumu riski taşır; onları 16 bitte bırakmak muhafazakâr, yüksek sadakatli seçimdir. Gösterim, sunum ekosisteminin kısaltmasıdır — niceleme literatürü aynı şeyi bir grup boyutuyla birlikte W4 diye yazar.

AUTOROUND — en yakına değil, öğrenilmiş yuvarlama

Naif niceleme her ağırlığı temsil edilebilir en yakın değere yuvarlar. Bunun optimal olmadığı gösterilebilir: bir ağırlığı "yanlış" yöne yuvarlamak komşularının getirdiği hatayı götürebilir ve milyarlarca ağırlıkla bu etkileşimler baskın hâle gelir. Intel'den AutoRound, yuvarlama kararının kendisini öğrenilecek bir şey olarak ele alır — ±0,5 ile sınırlanmış, yani tek bir yuvarlama kararını çevirmeye tam olarak yetecek kadar ve fazlası değil, ağırlık başına eğitilebilir bir bozulum, artı öğrenilebilir kırpma aralıkları; küçük bir kalibrasyon kümesi üzerinde blok bazlı bir çıktı yeniden yapılandırma hedefine karşı işaretli gradyan inişiyle optimize edilir. İki yüz adım, sonra bitti.

Intel'in yayımladığı karşılaştırmalarda AutoRound, 4 bit yalnızca-ağırlık ayarlarında test edilen 32 senaryonun 30'unda GPTQ'yu, 27'sinde AWQ'yu ve 29'unda OmniQuant'ı geçiyor; 2 bitte naif en-yakına-yuvarlamaya karşı 6,9 ila 33,2 doğruluk puanı kazanç sağlıyor. Bunların hiçbiri çıkarım zamanında bir şeye mal olmuyor: bir kez, çevrimdışı yapılan daha iyi bir sayı seçimi.

REAP — kimsenin yönlendirmediği uzmanları atmak

Cerebras Systems ve Calgary Üniversitesi'nden REAP (Router-weighted Expert Activation Pruning), MoE modelleri için tek atışlık sıkıştırmadır. Her uzmanı, yönlendiricinin ona ne kadar güçlü ve ne kadar sık geçit verdiğine göre puanlar, bunu o uzmanın çıktısının büyüklüğüyle çarpar, ardından en az belirgin uzmanları doğrudan siler — sonrasında yeniden eğitim yok.

Makalenin merkezî bulgusu işe yarar olanı: yüksek sıkıştırma oranlarında uzmanları budamak, onları birleştirmeyi yener. İşlevsel olarak farklı uzmanları birleştirmek, yazarların işlevsel altuzay çöküşü dediği şeye yol açar — yönlendirici, MoE'yi kurmaya değer kılan ince taneli, girdiye bağlı denetimi kaybeder ve statik ortalamalar arasında yön vermekle kalır. 20B'den 1T parametreye kadar modellerdeki rakamları: kodlama görevlerinde %25 uzman sıkıştırmasında REAP ortalama doğruluğun %2,8'ini kaybediyor, birleştirme temel çizgileri ise %5'ten fazlasını; %50'de REAP %8,0 kaybediyor, birleştirme %20'den fazla. Qwen3-Coder-480B'de %50 budamada düşüş %1,4; naif frekans tabanlı budamada ise %39,3. Cerebras, diğerlerinin yanı sıra DeepSeek hattı için de REAP kontrol noktaları yayımladı.

Neden burada 4 bit, Pro'da 3 bit

Her iki katman da aynı donanım sınıfına sığmak ve hızlı kalmak zorunda. Pro 1,7 trilyon parametre taşıyor, dolayısıyla sığabilmek için daha agresif 3 bit işlemine ihtiyacı var. Flash kabaca 300 milyar taşıyor, dolayısıyla ihtiyacı yok — ve tasarruf ettiği bit, sığmaya değil sadakate harcanıyor.

O fazladan bit, aritmetiğinin ima ettiğinden daha çok önemli, çünkü niceleme hasarı doğrusal değil. AWQ makalesinin WikiText-2 ölçümlerinde Llama-2-7B, FP16'da 5,47 karmaşıklıktan 4 bitte 5,60'a gidiyor — %2,4 ceza — ama 3 bitte 6,24'e, yani %14 cezaya. Bu, %25 daha fazla sıkıştırma için kabaca altı kat bozulma demek ve aynı örüntü 70B'de de geçerli. GPTQ makalesi daha da açık sözlü: 3 bitte naif en-yakına-yuvarlama, 175B sınıfı modellerde binlerce karmaşıklık değerine çöküyor, oysa 4 bitte gayet kullanılabilir kalıyor. Dört bitin altında iyi bir niceleme algoritması bir incelik olmaktan çıkıp modeli bir arada tutan tek şey hâline geliyor.

Yani bu iki son ekin dürüst okuması şu: Flash, kendi sıkıştırılmamış hâline, Pro'nun kendi hâline olduğundan daha yakın duruyor. Pro hâlâ daha güçlü model — yukarıdaki kıyaslama tablosu bunu kesinleştiriyor. Sadece buraya gelmek için daha fazlasından vazgeçti ve bu ayrıcalığın bedelini ödüyorsunuz.

Kaynaklar: 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. Karmaşıklık rakamları AWQ (arXiv 2306.00978) ve GPTQ (arXiv 2210.17323) kaynaklıdır.

05Uç noktada Flash'a karşı Pro

03. bölüm temelleri anlattı. İki katmanın ağ geçidimizdeki ürünler olarak görünümü şöyle:

	DeepSeek-V4-Flash-0731	DeepSeek-V4-Pro-0813
Niceleme	W4A16-AUTOROUND-REAP	3BIT-REAP
Ağırlık hassasiyeti	4 bit, öğrenilmiş yuvarlama	3 bit
Temel (toplam / etkin)	~304B / 13B	~1.7T / 49B
1M token başına giriş	$0.50	$1.95
1M token başına çıkış	$2.00	$3.90
Bağlam / azami çıktı	262,144 / 16,384	262,144 / 16,384
Araçlar · yapılandırılmış çıktı · akış	Evet	Evet
Görü	Hayır	Hayır
Reddetme katmanı	Yok	Yok

Değişmeyene dikkat edin: bağlam, çıktı tavanı, araç çağırma, yapılandırılmış çıktı ve reddetme katmanının yokluğu birebir aynı. Yalnızca temel, niceleme ve fiyat oynuyor. Bu da ikisi arasında geçişi kodunuzda tek dizelik bir değişiklik, mimarinizde ise tümüyle ekonomik bir karar hâline getiriyor.

Azami boyutlu tek bir çağrı ne tutar

262.144 tokenlık bağlamın tamamını doldurun ve 16.384 tokenlık çıktının hepsini alın:

Liste fiyatıyla. Flash: 0,131 $ giriş + 0,033 $ çıkış. Pro: 0,511 $ + 0,064 $. Oran 3,51×. Flash ayrıca 0,50 $ / 2,00 $ tabanını MiniMax-M3, Laguna-S-2.1, MiMo-V2.5, MiMo-V2.5-Pro ve Hy3 ile paylaşıyor — bunların görü ve yapılandırılmış çıktı bakımından nasıl ayrıştığı için tam kataloğa bakın.

06Hacim matematiği, adım adım

"3,9× daha ucuz" yalnızca girişte doğru. Çıkışta Flash 1,95× daha ucuz. Dolayısıyla gerçek tasarrufunuz giriş-çıkış oranınıza bağlı ve aradaki yayılım, tasarım kararlarını değiştirecek kadar geniş. Her biri 100.000 istek üzerinden dört gerçekçi iş yükü:

İş yükü	Çağrı başına giriş / çıkış	Flash	Pro	Tasarruf
Talep sınıflandırma	1,200 / 120	$84	$281	3.3×
RAG soru yanıtlama	8,000 / 600	$520	$1,794	3.4×
Uzun belge özeti	60,000 / 1,500	$3,300	$12,285	3.7×
Sentetik veri üretimi	500 / 2,000	$425	$878	2.1×

Örüntü şu: ne kadar çok bağlam iterseniz ve ne kadar az metin üretirseniz Flash size o kadar çok tasarruf ettirir. Getirim hatları, belge triyajı, günlük ve döküm analizi ve uzun bağlamlı veri çıkarma tam isabet noktası — bunlar bir büyüklük mertebesiyle giriş ağırlıklı ve 3,9×'lik indirim girişte yaşıyor. Buna karşılık iş yükünüz binlerce token düzyazı üreten kısa bir istemse fark kabaca 2×'e daralıyor ve Pro lehine yetenek argümanı orantılı biçimde güçleniyor.

İçselleştirmeye değer bir aritmetik daha: milyon giriş tokeni başına 0,50 $ ile 262.144 tokenlık pencerenin tamamını doldurmak 13,1 sent tutuyor. Bu fiyatta uzun bağlamlı istemleme bir bütçe sorusu olmaktan çıkıyor; bu bazen bir getirim katmanı kurmayı tümüyle atlayıp işi bağlam penceresine yaptırabileceğiniz anlamına geliyor — token tasarrufunun üstüne bir de mühendislik tasarrufu.

07Burada "sansürsüz" tam olarak ne demek

Sözcük gevşek kullanılıyor, o yüzden tanımımız burada, uç noktanın bir özelliği olarak: modelin önünde bir reddetme sınıflandırıcısı yoktur ve çıktısına hiçbir içerik filtresi uygulanmaz. Hiçbir şey bir istemi yakalayıp konserve bir ret döndürmez; hiçbir şey tamamlamayı inceleyip sansürlemez. Yüksek hacimli üretim işinde sonuçları sözcüğün çağrıştırdığından daha az dramatik ve daha kullanışlı:

• Zararsız trafikte yanlış pozitif yok. Filtreli uç noktalar tıbbi özetleri, güvenlik raporlarını, hukuki delil incelemesini, kurguyu, zarar azaltma materyalini ve bizzat moderasyon işini rutin olarak reddeder — tam olarak, toplu bir işin zararlı bir şey üretmek yerine hassas bir konu hakkındaki metni işlediği kategoriler. Yüz bin istekte yüzde birlik bir yanlış ret oranı, bin bozuk satır demektir.
• Belirlenimci sözleşmeler. Bir json_schema yanıtı isteyin, bir nesnenin olması gereken yerde bir paragraf özür değil, şemaya uyan JSON alın. Ayrıştırıcınızın bir ret dalına ihtiyacı olmaz ve yeniden deneme mantığınızın bir taşıma hatasını bir politika hatasından ayırt etmesi gerekmez.
• Politika sizindir. Takas budur. Ürününüz son kullanıcılarınız için korkuluklar gerektiriyorsa, bunları bir sağlayıcının her ikisi hakkındaki tahminlerini devralmak yerine, kullanıcılarınızı ve yargı çevrenizi bildiğiniz kendi katmanınızda kurarsınız. Hesabınız Sorumlu Kullanım Politikamıza tabi olmaya devam eder.

Sansürsüz olmak, hizalanmamış ya da yardımsever olmamakla aynı şey değildir. Model hâlâ talimatları izler ve hâlâ bir sistem istemine saygı gösterir. Sizin kullanıcılarınız için belirli kategorileri reddetmesini istiyorsanız, bunu orada söyleyin — o talimat artık bizim dayatacağımız değil, sizin yazacağınız bir şey.

08Yetenekler ve dürüst sınırlar

Hacimli işte ağırlığın çoğunu iki yetenek taşıyor. Katı json_schema çıktısı, bir tamamlamayı ayrıştırma katmanı ve ret dalı olmadan bir veritabanı satırına dönüştürür. Üç lehçenin hepsinde araç çağırma, üst düzey planlayıcısı daha güçlü bir model üzerinde koşan bir ajanın ucuz alt adımları için Flash'ı makul bir motor yapar. Buna, ek tokenları yalnızca ihtiyaç duyan trafik payına harcamanızı sağlayan reasoning_effort'u ve Pro'nunkiyle özdeş 262.144 tokenlık bağlamı ekleyin — ucuz katmanı seçerek bağlamdan feragat etmiyorsunuz, ki bu alışılmadıktır.

Sınırlar da aynı ölçüde somut:

• Görü yok. Flash yalnızca metindir ve bir mesajdaki görsel parçalarını reddeder. Aynı 0,50 $ / 2,00 $ tabanında sansürsüz bir modelde görseller için MiniMax-M3 ve MiMo-V2.5 görü yetenekli seçeneklerdir; Kimi-K2.6 ve Kimi-K3 ise o katmanın üstünde daha güçlü görü modelleridir.
• Merdivenin tepesi değil. DeepSeek'in kendi rakamları, yayımlanan her ajan kıyaslamasında Pro'yu önde gösteriyor; fark en çok sürdürülmüş çok adımlı kod akıl yürütmesinde açılıyor. Tek bir yanlış cevabın bin ucuz cevaptan pahalıya patladığı yerde, milyon başına fazladan 1,45 $'ı DeepSeek-V4-Pro'ya harcayın.
• İstek başına 16.384 çıkış tokeni. Uzun üretimler çağrılara bölünmelidir. Bu, sunduğumuz her modeldeki aynı tavandır ve bağlam penceresinden çok önce devreye girer.

09Çağırmak

OpenAI uyumlu herhangi bir istemciyi ağ geçidine yöneltin ve model dizesini değiştirin. Yığınınızda başka hiçbir şeyin oynaması gerekmiyor.

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
        }
      }
    }
  }'

Aynı model kimliği /v1/messages ve /v1/responses üzerinde de değişmeden çalışır; bu da istemcinizi yeniden yazmadan mevcut bir entegrasyonun altında daha ucuz bir modeli A/B test etmenin en hızlı yoludur. Parametreler, akış olay biçimleri, araç çağırma şemaları ve hız sınırları API referansında belgelenmiştir; katalogdaki her model Shannon Research'te listelenir.

10Sıkça sorulan sorular

---

Kaynaklar: DeepSeek-V2 (arXiv 2405.04434) · DeepSeekMoE (arXiv 2401.06066) · DeepSeek-V3 Teknik Raporu (arXiv 2412.19437) · DeepSeek-V4 (arXiv 2606.19348) · DeepSeek-V4-Flash-0731 ve DeepSeek-V4-Pro-0813 model kartları · AutoRound (arXiv 2309.05516, Intel) · REAP (arXiv 2510.13999, Cerebras Systems) · AWQ (arXiv 2306.00978) · GPTQ (arXiv 2210.17323). Tüm temel ve kıyaslama rakamları ilgili yazarlarınca yayımlandığı gibidir; Shannon AI fiyatları ve sunulan bağlam, Eylül 2026 itibarıyla kendi liste değerlerimizdir.