Нецензурований API DeepSeek

Люди, які приходять за фразою «нецензурований API DeepSeek», хочуть однієї конкретної речі: моделі зі здатністю DeepSeek міркувати й писати код, яка відповідає на поставлене запитання. Половина про можливості добре задокументована — DeepSeek-AI опублікувала архітектуру й числа, а ваги лежать на Hugging Face під MIT. Друга половина — це рішення оператора, і зазвичай його ухвалюють за вас. Ця сторінка охоплює обидві: чим є фундамент V4-Pro, що з ним робить наша збірка 3BIT-REAP і що саме означає «нецензурований», коли це кажемо ми.

01Що насправді означає «нецензурований API DeepSeek»

Під одним словом ховаються два різні механізми. Перший — вирівнювання, вшите у ваги: поведінка відмови, засвоєна під час пост-тренування. Другий — шар модерації на боці обслуговування: окремий класифікатор, що перевіряє ваш промпт, перш ніж модель його побачить, і вивід, перш ніж його побачите ви, і може обірвати відповідь посеред речення незалежно від того, що модель хотіла сказати.

Обидва вимірні, і власний сервіс DeepSeek вимірювали. Promptfoo зібрала набір з 1360 політично чутливих запитань і повідомила, що розміщена в них R1 відмовила або ухилилася в 1156 з них — близько 85%. Академічні роботи над тією самою родиною виявили окремий режим відмови, який автори назвали придушенням думки: слід міркування моделі обривається майже одразу, щойно починається чутлива тема. Окремий аудит, опублікований у Information Sciences, задокументував придушення на семантичному рівні: зміст, присутній у внутрішньому міркуванні моделі, тихцем опускається або переписується, перш ніж дійти до користувача. Це складніша проблема, ніж відверта відмова, бо усічена відповідь виглядає як відповідь.

Ми запускаємо реліз із відкритими вагами на обладнанні, яким керуємо самі, у Сполучених Штатах, під Shannon Lab LLC. Тут немає шару відмов перед моделлю й немає фільтра на те, що повертається: ваш промпт не класифікують на відповідність політиці перед обслуговуванням, а потік виводу не перевіряють на виході. Оскільки фундамент має ліцензію MIT і є публічним, ви можете самі порівняти наші виводи з референсними вагами, а не вірити нам на слово.

02Фундамент: DeepSeek-V4-Pro, MoE на 1,6 трлн

DeepSeek-V4 — це поточна родина DeepSeek-AI з відкритими вагами, показана в передперегляді у квітні 2026 року й випущена під MIT у двох розмірах: V4-Flash (284 млрд загалом, 13 млрд активних) і V4-Pro (1,6 трлн загалом, 49 млрд активних). Ця стаття про рівень Pro. Обидві попередньо навчали приблизно на 33 трильйонах токенів, і обидві нативно підтримують контекст на мільйон токенів.

Варто помітити коефіцієнт розрідженості: на будь-якому окремому токені спрацьовує лише близько 3% параметрів, і саме це робить модель такого розміру взагалі придатною для обслуговування. Сам блок MoE лишається DeepSeekMoE — дрібнозернисті маршрутизовані експерти плюс завжди активні спільні експерти, запроваджені у V2, — із незначними змінами у V4, найпомітніша з яких — хеш-маршрутизація в найперших шарах. Multi-Token Prediction, допоміжна ціль із V3, що також уможливлює спекулятивне декодування, лишилася без змін.

Нові елементи у V4 — структурні. Manifold-Constrained Hyper-Connections (mHC) замінюють простий залишковий шлях навченою матрицею змішування, обмеженою на многовиді двічі стохастичних матриць через проєкцію Сінкгорна–Кноппа: залишковий потік, що перезважується залежно від входу, без числового дрейфу, який убиває дуже глибокі стеки. Навчання перейшло з AdamW на Muon для більшості модулів із використанням ортогоналізації Ньютона–Шульца, а AdamW лишили тільки для ембедингів, голів передбачення, нормалізації та статичних параметрів mHC. Ваги експертів навчають у FP4, більшість інших параметрів — у FP8: квантизаційно-обізнано від самого початку, а це важливо для того, наскільки м'яко модель переживає подальше стиснення.

03Від MLA до CSA + HCA: як DeepSeek тримає довгий контекст дешевим

Наскрізна лінія DeepSeek через чотири покоління — це не розмір, а економіка уваги. Кожна версія атакувала KV-кеш, який росте лінійно з контекстом і домінує в пам'яті на великих довжинах.

• V2 запровадила Multi-head Latent Attention (MLA) — низькорангове спільне стиснення ключів і значень у латентний вектор, тож генерація кешує цей вектор плюс відокремлений RoPE-ключ замість повних K і V на кожну голову. DeepSeek повідомила про зменшення KV-кешу приблизно до 4–14% від звичайної багатоголової уваги зі збереженою або кращою якістю.
• V3 масштабувала це до 671 млрд, зробивши MLA типовим припущенням для дешевого довгого контексту у відкритих моделях.
• V3.2 додала DeepSeek Sparse Attention (DSA), обираючи top-k підмножину історії на запит через легкий індексатор, замість уваги до всього.
• V4 гібридизує. Compressed Sparse Attention (CSA) спершу стискає KV-записи кожних m токенів в один запис із навченими вагами, а тоді виконує розріджений top-k відбір по цих стиснених записах. Heavily Compressed Attention (HCA) стискає значно агресивніше, але лишається щільною по результату. Два типи шарів чергуються по стеку, тож дешеве глобальне узагальнення й точний локальний пошук співіснують.

Заявлений виграш на контексті в мільйон токенів разючий: V4-Pro потребує близько 27% FLOPs інференсу на токен і 10% KV-кешу порівняно з V3.2. Саме тому запит на 262K поводиться як звичайний запит, а не як подія пам'яті, і саме тому показники пошуку в довгому контексті тримаються, а не завалюються після кількох десятків тисяч токенів.

04Що означає суфікс 3BIT-REAP

Наш каталожний ідентифікатор закінчується на 3BIT-REAP, і це описує два незалежні кроки стиснення, застосовані по черзі.

REAP: проріджування експертів, а не їх злиття

REAP — це Router-weighted Expert Activation Pruning від Cerebras Research: «REAP the Experts: Why Pruning Prevails for One-Shot MoE Compression», прийнято на ICLR 2026. У розрідженому MoE маршрутизатор використовує своїх експертів нерівномірно: довгий хвіст обирається рідко, слабко або і так, і так. REAP оцінює кожного експерта, поєднуючи значення воріт маршрутизатора (як часто й наскільки сильно його обирають) із нормами активацій експерта (наскільки його вихід впливає), а потім видаляє тих, хто програв.

Аргумент статті в тому, що проріджування перемагає злиття: злиття усереднює й розчиняє функціональну спеціалізацію, заради якої MoE взагалі будували, а видалення експертів, до яких маршрутизатор ледве дотягується, її зберігає. На моделях від 20 млрд до 1 трлн REAP перевершив злиття й конкурентні методи проріджування на генеративних бенчмарках, а автори повідомляють про практично невтратні результати на генерації коду й виклику інструментів при проріджуванні 50% експертів на Qwen3-Coder-480B і Kimi-K2 — а це саме той профіль навантаження, заради якого ця модель тут.

3-бітні ваги: рівень стиснення для найбільших фундаментів

Те, що лишилося, потім квантують до 3-бітних ваг. Три біти — агресивно, і ми не вдаємо інакше: у лінійці ми використовуємо W8A16 там, де фундамент достатньо малий, щоб не потребувати стиску, W4A16-AUTOROUND-REAP посередині, а 3BIT-REAP — лише на найбільших фундаментах, де це різниця між тим, обслуговувати модель чи не обслуговувати.

Компроміс варто назвати прямо: 3-бітний MoE на 1,6 трлн не є побітово ідентичним референсному релізу, і невелика втрата якості реальна. Натомість ви отримуєте фундамент, чия нестиснена стеля лежить значно вище за все, що комфортно вміщається у вищій точності, — а оскільки експертів V4 із самого початку навчали у FP4, модель напрочуд добре поводиться під подальшим стисненням ваг. Якщо вам потрібна збірка DeepSeek із делікатнішим ставленням до точності, DeepSeek-V4-Flash-0731-W4A16-AUTOROUND-REAP використовує 4-бітні ваги з 16-бітними активаціями й навченим округленням AutoRound, на тому самому контексті 262K за $0.50 на вході / $2.00 на виході.

05Міркування й регулятор reasoning_effort

Пост-тренування V4 навчає доменних спеціалістів окремо — математика, код, агенти, дотримання інструкцій — через SFT, за яким іде GRPO, метод Group Relative Policy Optimization, який DeepSeek представила разом із R1. Потім цих спеціалістів об'єднують в одну модель через on-policy дистиляцію за оберненою KL-ціллю, тож єдиний чекпоїнт несе поведінку спеціаліста в кількох доменах одразу, а не є універсалом, посереднім у всьому.

Випущена модель відкриває градуйовані режими мислення, а не бінарний перемикач. На нашому шлюзі це стандартний параметр reasoning_effort — найкорисніша ручка на цій моделі:

• Low — майже пряма відповідь: класифікація, витяг, переписування, усе, де ви платите за знання моделі, а не за її роздуми.
• Medium — типовий робочий режим для рев'ю коду, налагодження й багатокрокового аналізу.
• High — довгі роздуми перед відповіддю. Тут розв'язуються важкі задачі й тут живе ваш рахунок за вихідні токени, бо токени міркування тарифікуються як вихідні.

Оскільки шару відмов немає, слід міркування не обривається на чутливій темі — у патерну придушення думки, задокументованого на власному сервісі, тут просто немає механізму, щоб виникнути.

06Код і агентна робота: що набирає фундамент

Це власні опубліковані цифри DeepSeek-AI для релізу V4-Pro — не наші й не виміряні на нашій квантованій збірці. Ми наводимо їх, бо це чесна причина обрати цей фундамент, і позначаємо як дані від першої сторони, щоб ви могли зважити їх відповідно.

Два показники заслуговують коментаря. SWE-bench Verified на 80,6% — це розв'язання задач у справжніх репозиторіях: прочитати незнайому кодову базу, знайти дефект, видати патч, що проходить власні тести проєкту. MRCR на мільйоні токенів (83,5) — це багатораундовий кореферентний пошук на повній довжині, число, яке каже, що заява про довгий контекст не декоративна. DeepSeek також повідомляє про рейтинг Codeforces 3206 для цієї моделі й 62,0 на CorpusQA при контексті 1M.

Наведені вище цифри повідомлені DeepSeek-AI для референсного релізу DeepSeek-V4-Pro. Наша збірка 3BIT-REAP — стиснений варіант цих ваг, і її не тестували незалежно на цих завданнях; вважайте референсні бали стелею фундаменту, а не виміром цього ендпоїнта.

07Контекст 262K: що туди справді вміщається

Референсна модель навчена під мільйон токенів. Ми обслуговуємо 262 144 — вікно, спільне для кожної моделі на шлюзі, тож зміна моделі — це правка в один рядок і ніколи не регрес контексту. На практиці 262K уже за межею, де контекст обмежує більшість реальної роботи:

Навантаження	Прибл. токенів	Вміщається в 262K?
Середній репозиторій сервісу (~50 тис. рядків)	~600K	Ні — обирайте модулі
Одна підсистема + її тести	~60–120K	Так, із запасом
Повний набір RFC для протоколу	~150K	Так
Технічна книжка на 700 сторінок	~250K	Так, близько до межі
Довгий прогін агента, 40+ ходів з інструментами	~80–200K	Так

Обмеження, під яке треба планувати, — це вивід: максимум 16 384 токени на відповідь. Це довгий документ або суттєвий багатофайловий патч, але не кодова база. Великі завдання генерації виконують ланцюжком запитів із поверненням попереднього виводу в контекст — що вікно 262K робить дешевим, — а не проханням про один величезний завершений текст.

08Ціна й місце V4-Pro в лінійці

За $1.95 на вході / $3.90 на виході за мільйон токенів V4-Pro — флагманський рівень міркування, модель, до якої тягнешся, коли задача важка. Коли вона просто велика, дешевші моделі з тим самим вікном 262K зроблять це за чверть ціни.

Нецензурована модель	Вхід / 1 млн	Вихід / 1 млн	Зір	Найкраще для
DeepSeek-V4-Pro · 3BIT-REAP	$1.95	$3.90	Ні	Складне міркування, код, агенти
DeepSeek-V4-Flash · W4A16	$0.50	$2.00	Ні	Той самий родовід, великі обсяги
GLM-5.2 · 3BIT-REAP	$0.73	$2.34	Ні	Універсальний робочий кінь
Kimi-K3 · 3BIT-REAP	$3.83	$19.12	Так	Топові мультимодальні агенти
MiniMax-M3 · 3BIT-REAP	$0.50	$2.00	Так	Найдешевший зір

Скажемо прямо про порівняння, яке люди справді зроблять: власний API DeepSeek дешевший за цей — у першої сторони V4-Pro коштує близько $0.435 на вході / $0.87 на виході, а їхня ціна за влучання в кеш ще нижча. Якщо ціна за токен — ваш єдиний критерій, а поведінка модерації не впливає на вашу роботу, користуйтеся власним API; ми радше скажемо це вам одразу, ніж дамо дізнатися згодом. Надбавка купує інший набір властивостей: без шару відмов і без фільтра виводу, оператор зі США під Shannon Lab LLC, зафіксований датований чекпоїнт (0813), тож тихе оновлення вище за течією ніколи не змінить ваші виводи посеред проєкту, три діалекти API проти однієї моделі й те саме вікно 262K і той самий набір параметрів для всіх дванадцяти моделей лінійки.

09Як звертатися: три діалекти, одна модель

Кожна модель на шлюзі відповідає на всіх трьох ендпоїнтах, зі стримінгом на кожному. Ви не переходите на новий SDK — ви змінюєте базову URL і ідентифікатор моделі.

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 — діалект OpenAI; працює з SDK від OpenAI і з усім, що на них побудовано.
• /v1/messages — діалект Anthropic, для кодових баз, уже написаних під цю форму.
• /v1/responses — інтерфейс у стилі Responses.

Підтримується на цій моделі: стримінг, нативний виклик інструментів, строгий структурований вивід json_schema, response_format і reasoning_effort. Повний довідник параметрів і живий playground — у документації API.

10Чесні обмеження

Чотири речі, які варто знати, перш ніж будувати на ній:

• Без зору. Лише текст; вона не прийме зображення на жодному ендпоїнті. Якщо вам потрібна нецензурована модель, яка бачить, беріть Kimi-K3, Kimi-K2.6, MiniMax-M3, MiMo-V2.5 або inkling.
• Стеля виводу — 16 384 токени. При високому зусиллі токени міркування зараховуються в неї, тож довгі роздуми лишають менше місця для відповіді. Для великих завдань генерації складайте запити в ланцюжок.
• 3 біти — це справжнє стиснення. Референсні бали описують фундамент, а не цю збірку. Для рівня найвищої точності моделі W8A16 (MiMo-V2.5-Pro, MiMo-V2.5, Hy3) несуть найменше квантування.
• Нецензурований не означає без наслідків. Відсутність шару відмов означає, що відповідальність за те, що ви питаєте, і за те, що ви робите з відповіддю, лежить на вас — згідно з нашими умовами обслуговування й законом там, де ви працюєте.

11Часті запитання

---

Джерела: DeepSeek-AI — картка моделі DeepSeek-V4-Pro · технічний звіт DeepSeek-V4 (CSA/HCA, mHC, Muon) · DeepSeek-V2 (MLA, DeepSeekMoE) · технічний звіт DeepSeek-V3 · REAP the Experts (Cerebras Research) · аудит цензури від Promptfoo · Discovering Forbidden Topics in Language Models. Цифри бенчмарків повідомлені DeepSeek-AI для референсного релізу; незалежна перевірка стисненої збірки третьою стороною ще попереду. Ціни — прейскурантні ціни Shannon AI станом на 5 вересня 2026 року.