API DeepSeek Flash aláìní ìhámọ́

Ọ̀pọ̀ ẹgbẹ́ tí ń díwọ̀n API LLM ni ó ń mú ohun tí kò tọ́ dára. Wọ́n ń díwọ̀n lórí ogún ìtọ́ni tí ó le jù tí wọ́n lè rò, wọ́n ń yan olùborí, wọ́n sì ń rí i ní ọ̀sẹ̀ mẹ́fà lẹ́yìn náà pé ìdá márùn-ún-dín-ọgọ́rùn-ún ìjábọ̀ wọn jẹ́ iṣẹ́ kúkúrú, tí a ṣètò, tí ó ń tún ara rẹ̀ ṣe tí àwòṣe tí ó ń ná ìdámẹ́rin ìbá ti ṣàkóso bákan náà. DeepSeek-V4-Flash wà fún ìdá márùn-ún-dín-ọgọ́rùn-ún yẹn. Ojú-ìwé yìí jẹ mọ́ mímọ̀ ìgbà tí o wà nínú rẹ̀ — àti ìgbà tí o kò sí.

01Ohun tí o ń rí ní tòótọ́

Ànímọ́	DeepSeek-V4-Flash-0731 · W4A16-AUTOROUND-REAP
Id àwòṣe	DeepSeek-V4-Flash-0731-W4A16-AUTOROUND-REAP
Kọ́ńtẹ́kìsì / ìtújáde gíga jù	token 262,144 / token 16,384
Iye fún 1M (wọlé / jáde)	$0.50 / $2.00
Ṣíṣàn · ìpe ohun-èlò · ìrònú	Bẹ́ẹ̀ ni — gbogbo èdè mẹ́tẹ̀ẹ̀ta
Ìtújáde tí a ṣètò	json_schema àti response_format
Àwòrán wọlé (ìríran)	Rárá — ọ̀rọ̀ nìkan
Ìpele ìkọ̀sílẹ̀ / ìṣẹ́sẹ̀ ìtújáde	Kò sí
A ń pèsè lórí	Ìdìpọ̀ GPU tiwa Shannon

Èdè API mẹ́ta ń dé ìwúwo kan náà: /v1/chat/completions (ìrísí OpenAI), /v1/messages (ìrísí Anthropic), àti /v1/responses. Ṣíṣàn ń ṣiṣẹ́ lórí gbogbo mẹ́tẹ̀ẹ̀ta. Ìtọ́kasí párámítà kíkún wà nínú àkọsílẹ̀ API.

02Ibi tí ó ti wá: ìlà ìran DeepSeek

DeepSeek-AI ti lo ìran àwòṣe márùn-ún lórí ìfẹ́ kan: rírí ìhùwàsí iwájú láti inú àwòṣe tí ó pọ́n láti pèsè, kì í ṣe èyí tí ó kàn pọ́n láti kọ́. Ó fẹ́rẹ̀ẹ́ jẹ́ pé gbogbo ìpinnu ìhun-ìkọ́ nínú ìlà náà padà sí ìyẹn, a sì ti tẹ àwọn tí ó ṣe pàtàkì jáde. Mẹ́ta ń ṣàlàyé ohun tí o ń pè nígbà tí o bá kọlu ẹnu-ọ̀nà yìí.

DeepSeekMoE — amòye kékeré pẹ̀lú ọ̀kan tí a pín

Ìpele Àdàpọ̀ Àwọn Amòye ń fi ọ̀pọ̀ nẹ́tíwọ́kì feed-forward kékeré àti olùdarí tí ń yan díẹ̀ fún token kọ̀ọ̀kan rọ́pò nẹ́tíwọ́kì ńlá kan. Ẹ̀dà DeepSeek ń gé àwọn amòye ní kékeré ju ìtòlẹ́sẹẹsẹ amòye-mẹ́jọ gbogbogbò lọ, torí náà FLOPs tí a mú ṣiṣẹ́ kan náà ń rà àdàpọ̀ tí ó pàtó ní ìsopọ̀ púpọ̀ sí i, ó sì ń ya amòye kan tí a pín sọ́tọ̀ tí gbogbo token ń kọjá, kí a má bàa tún ìmọ̀ tí ó wọ́pọ̀ kọ́ léraléra nínú akọ́ṣẹ́mọṣẹ́ kọ̀ọ̀kan. DeepSeek-V3 fi ìyẹn ránṣẹ́ gẹ́gẹ́ bí amòye 256 tí a ń darí pẹ̀lú amòye 1 tí a pín, tí ń mú 8 tí a ń darí ṣiṣẹ́ fún token kọ̀ọ̀kan — párámítà 671B ní àpapọ̀, 37B tí ó ń ṣiṣẹ́ — pẹ̀lú ìdọ́gba ẹrù láìsí ìpàdánù àfikún: dípò ọ̀rọ̀ ìjìyà tí ń ba dídára jẹ́, ìtẹ̀sí fún-amòye ń ti àmì ìdarí sókè tàbí sísàlẹ̀ ní ìgbésẹ̀ kọ̀ọ̀kan bí amòye yẹn ṣe ń sá pẹ̀lú ẹrù tí ó kéré tàbí tí ó pọ̀ jù.

MLA — àfiyèsí tí ó bá ìrántí mu

Ìdajì kejì ìṣòro ìnáwó-pípèsè ni KV cache, tí ń dàgbà ní ìlà pẹ̀lú kọ́ńtẹ́kìsì tí ó sì ń darí ìrántí ní gígùn ọ̀wọ̀ọ̀wọ̀ gígùn. Multi-head Latent Attention, tí a dá sílẹ̀ nínú DeepSeek-V2, ń fúnpọ̀ àwọn kọ́kọ́rọ́ àti iye papọ̀ sínú fẹ́kítọ̀ latent onípò-kékeré ó sì ń tọ́jú ìyẹn, tí ó ń tún K/V tí ó ṣeé lò kọ́ lójú ẹsẹ̀. Àwọn nọ́mbà V2 tí DeepSeek tẹ̀ jáde, lòdì sí DeepSeek 67B tí ó nípọn tí ó ṣáájú, ròyìn ìdínkù 93.3% nínú KV cache àti ìjábọ̀ ìṣẹ̀dá gíga jù tí ó ga ní 5.76×. Ìdí nìyẹn tí fèrèsé token 262K fi jẹ́ ohun gbogbogbò nínú ìdílé yìí dípò àfikún iye gíga.

Àfiyèsí tí ó túká — àti àpẹẹrẹ fún token pọ́n

V3.2-Exp fi DeepSeek Sparse Attention kún un: olùtọ́ka fúyẹ́ kan ń fún àwọn token kọ́ńtẹ́kìsì ní àmì lòdì sí query náà, olùyàn kan sì ń pa àwọn tí ó ní àmì gíga jù mọ́ nìkan. Apá tí ó fani-lọ́kàn-mọ́ra ni ẹ̀rí náà, kì í ṣe ètò náà. DeepSeek tẹ ìfiwéra ẹ̀gbẹ́-sí-ẹ̀gbẹ́ jáde lòdì sí V3.1-Terminus pẹ̀lú MMLU-Pro tí ó dọ́gba ní 85.0, AIME 2025 tí ó gòkè (88.4 → 89.3), SWE-bench Verified tí ó rẹ̀ díẹ̀ (68.4 → 67.8) — dídára tí ó fẹ́rẹ̀ẹ́ dúró ṣánṣán — wọ́n sì gé iye API wọn kù ní ju 50% lọ ní ọjọ́ kan náà. Ìhun-ìkọ́, tí a ròyìn ní òtítọ́, tí ń yí padà tààrà sí iye. Flash ni àríyànjiyàn yẹn tí a gbé lọ ní ìgbésẹ̀ kan sí i.

Ìran V4

V4, tí a fi hàn ṣáájú ní April 2026 lábẹ́ ìwé-àṣẹ MIT, tún fi àdàpọ̀ Compressed Sparse Attention àti Heavily Compressed Attention rọ́pò àkójọ àfiyèsí náà, ó ń kọ́ pẹ̀lú olùmúdára Muon lórí ju token 32T lọ, ó sì ń pa èròǹgbà ìsọtẹ́lẹ̀-token-púpọ̀ ti V3 mọ́ — èyí tí ó tún ń ṣiṣẹ́ gẹ́gẹ́ bí speculative decoding, èyí tí DeepSeek díwọ̀n ní ìwọ̀n ìgbàwọlé token-kejì 85–90% fún ìyára ìṣàdédè nǹkan bí 1.8× nínú V3. Ìsọníṣókí V4 ròyìn V4-Pro tí ń sá ní 27% ti FLOPs ìsọtẹ́lẹ̀ token-kan ti V3.2 àti 10% ti KV cache rẹ̀. Ìdílé náà ń fi ipele ìsapá-ìrònú mẹ́ta hàn, èyí ni párámítà reasoning_effort wa ń tọ́ka sí.

Àwọn orísun: DeepSeek-V2 (arXiv 2405.04434) · DeepSeekMoE (arXiv 2401.06066) · Ìròyìn Ìmọ̀-ẹ̀rọ DeepSeek-V3 (arXiv 2412.19437) · àkọsílẹ̀ àwòṣe DeepSeek-V3.2-Exp · DeepSeek-V4 (arXiv 2606.19348). Gbogbo nọ́mbà jẹ́ èyí tí DeepSeek ròyìn.

03Kí ni "Flash" túmọ̀ sí ní tòótọ́

Èyí ni kókó tí ọ̀pọ̀ ìfiwéra ń ṣàṣìṣe lórí rẹ̀, torí náà ó tọ́ láti sọ ọ́ ní gbangba: Flash ti DeepSeek kì í ṣe Pro tí a dínwọ̀n, tí a gé tàbí tí a fà jáde. Ó jẹ́ àwòṣe Àdàpọ̀ Àwọn Amòye kékeré tí a kọ́ lọ́tọ̀ pẹ̀lú ìsáré ìdálẹ́kọ̀ọ́-ṣáájú tirẹ̀. Ìwé ìfihàn-ṣáájú V4 fún ní ìwọ̀n méjèèjì:

Àwọn nọ́mbà láti inú ìwé ìfihàn-ṣáájú DeepSeek-V4. Àwọn ààmì ìdúró ìṣẹ́ tí a ń pèsè — V4-Flash-0731 àti V4-Pro-0813 — ń tòjọ àpapọ̀ tí ó tóbi díẹ̀ sí i ti 304B àti 1.7T lórí àkọsílẹ̀ àwòṣe wọn; DeepSeek kò tún sọ àwọn párámítà tí ó ń ṣiṣẹ́ fún àwọn ìkọ́ yẹn.

Nọ́mbà méjì ni ó ń ṣiṣẹ́ níhìn-ín. Àpapọ̀ párámítà ń pinnu àyè ìrántí, èyí tí ń pinnu iye ohun-èlò tí ẹ̀dà àwòṣe kan ń gbà. Àwọn párámítà tí ó ń ṣiṣẹ́ ń pinnu ìṣírò fún token kọ̀ọ̀kan, èyí tí ń pinnu ìjábọ̀. Flash kéré ní nǹkan bí 5.6× lórí àkọ́kọ́ àti 3.8× lórí èkejì — ohun tí ó jinlẹ̀ sì wà nínú àlàfo yẹn tí ó tọ́ láti ṣàkíyèsí: Flash ń mú párámítà 13 nínú bílíọ̀nù 284 ṣiṣẹ́, nǹkan bí 4.6%, nígbà tí Pro ń mú 49 nínú bílíọ̀nù 1,600 ṣiṣẹ́, nǹkan bí 3.1%. Flash ni àwòṣe tí ó túká kéré. Kì í ṣe Pro pẹ̀lú amòye tí ó kéré tí a ṣí; ó jẹ́ ìhùmọ̀ tí ó nípọn sí i, tí a dọ́gba lọ́nà ọ̀tọ̀ tí ó ń lo ìpín tí ó tóbi sí i ti ara rẹ̀ lórí gbogbo token tí ó ń ṣẹ̀dá. Ìpinnu iṣẹ́-ẹ̀rọ gidi ni ìyẹn, kì í ṣe ìdínkù.

Ohun tí àwọn nọ́mbà DeepSeek fúnra rẹ̀ ń sọ

Àwọn àkọsílẹ̀ àwòṣe méjèèjì ń tẹ àmì lórí àwọn àmì ìdíwọ̀n aṣojú àti iṣẹ́-ẹ̀rọ sọ́fítíwéà kan náà jáde, èyí tí ń mú kí èyí jẹ́ ìfiwéra tí ó mọ́ ní àìlẹ́gbẹ́ — ilé-ìwádìí kan náà, ìhámọ́ra ìdíwọ̀n kan náà, ìwọ̀n méjì:

Àmì ìdíwọ̀n (DeepSeek ni ó ròyìn)	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 ń borí ní gbogbo ìlà. Ìyẹn ni àkọlé olóòótọ́ náà, a sì fẹ́ kí o kà á níhìn-ín dípò kí o rí i nínú iṣẹ́ gidi. Ṣùgbọ́n ka àwọn àlàfo náà, nítorí wọ́n ni ohun tí o ń rà ní tòótọ́. Lórí Terminal Bench 2.1 àlàfo náà jẹ́ àmì 5.2 lórí àwòṣe tí ó ní ìdámẹ́ẹ̀ẹ́dọ́gbọ̀n párámítà; lórí ìlò ohun-èlò ó jẹ́ àmì 3.8. Àlàfo náà ń gbòòrò níbi tí iṣẹ́ ti jinlẹ̀ jù — àmì 8.3 lórí DeepSWE, 7.3 lórí NL2Repo, méjèèjì tí ń san èrè fún ìrònú kóòdù oníṣẹ̀ọ̀nà-púpọ̀ tí ó dúró. Ìrísí ìpàṣípààrọ̀ náà nìyẹn nínú tábìlì kan: Flash ń dín ọ̀pọ̀ ìjìnà náà kù lórí àwọn iṣẹ́ tí ó ní ààlà ó sì ń pàdánù ilẹ̀ lórí àwọn tí kò ní ààlà.

Àkọsílẹ̀ Flash ti DeepSeek fúnra rẹ̀ ń fi kókó náà hàn ní kedere sí i: Flash-0731 ń borí ìfihàn-ṣáájú V4-Pro lórí àwọn àmì ìdíwọ̀n tí a tòjọ bí ó tilẹ̀ jẹ́ pé iye párámítà tí ó ń ṣiṣẹ́ rẹ̀ kéré púpọ̀. Àwòṣe kékeré tuntun tí ń borí èyí tí ó tóbi tí ó dàgbà jẹ́ ipò gbogbogbò nínú pápá yìí, òun sì ni ìdí tí "ipele tí ó tóbi sí i" kò gbọ́dọ̀ jẹ́ ìdáhùn àdámọ́ rẹ láé.

04Kíka àfikún náà: W4A16-AUTOROUND-REAP

Àwọn id àwòṣe wa ń sọ ètò ìfúnpọ̀ wọn ní gbangba, nítorí òun ni ohun tí ó ń kan dídára ìtújáde jùlọ tí ó sì fẹ́rẹ̀ẹ́ jẹ́ pé kò sí ẹni tí ó ń sọ. Èyí pín sí ìsọ̀rọ̀ mẹ́ta.

W4A16 — ìwúwo 4-bit, ìṣiṣẹ́ 16-bit

A ń tọ́jú àwọn ìwúwo ní bit 4 kọ̀ọ̀kan; àwọn ìṣiṣẹ́ ń ṣàn ní ìpéye 16-bit. Èyí jẹ́ ìdínwọ̀n ìwúwo-nìkan, ó sì ń fojú sí ìdíwọ́ gidi nínú ìṣẹ̀dá token, èyí tí ó jẹ́ ìwọ̀n ìrántí dípò ìṣírò. Dídínwọ̀n àwọn ìṣiṣẹ́ pẹ̀lú yóò rà ìyára díẹ̀ sí i yóò sì fi ààbà ìpéye tí ó tóbi púpọ̀ sí i sínú ewu; fífi wọ́n sílẹ̀ ní bit 16 ni àṣàyàn ìṣọ́ra tí ó ní ìdúróṣinṣin gíga. Àmì náà jẹ́ ọ̀rọ̀ ṣókí ti ètò-àyíká pípèsè — ìwé ìdínwọ̀n ń kọ ohun kan náà gẹ́gẹ́ bí W4 pẹ̀lú ìwọ̀n ẹgbẹ́.

AUTOROUND — yíyí-kà tí a kọ́, kì í ṣe yíyí-kà sí èyí tí ó sún mọ́

Ìdínwọ̀n tí kò gbọ́n ń yí gbogbo ìwúwo kà sí iye tí ó sún mọ́ ọn jùlọ tí a lè fi hàn. Ìyẹn kò dára jùlọ ní kedere: yíyí ìwúwo kan kà ní ọ̀nà "tí kò tọ́" lè pa àṣìṣe tí àwọn aládùúgbò rẹ̀ dá sílẹ̀ rẹ́, pẹ̀lú ìwúwo bílíọ̀nù àwọn ìbáṣepọ̀ wọ̀nyẹn sì ń darí. AutoRound, láti Intel, ń mú ìpinnu yíyí-kà náà fúnra rẹ̀ gẹ́gẹ́ bí ohun tí a lè kọ́ — ìdàrú fún-ìwúwo tí a lè kọ́ tí a fi ààlà sí ±0.5, tí ó tó gan-an láti yí ìpinnu yíyí-kà kan padà tí kò sì ju bẹ́ẹ̀ lọ, pẹ̀lú ààlà gígé tí a lè kọ́, tí a mú dára nípa signed gradient descent lòdì sí èròǹgbà àtúnkọ́-ìtújáde bulọ́ọ̀kì-kọ̀ọ̀kan lórí àkójọ ìwọ̀n kékeré kan. Ìgbésẹ̀ igba, lẹ́yìn náà ó parí.

Àwọn ìfiwéra tí Intel tẹ̀ jáde ní AutoRound tí ń borí GPTQ ní 30 nínú ìṣẹ̀lẹ̀ 32 tí a dánwò, AWQ ní 27 nínú 32 àti OmniQuant ní 29 nínú 32 ní ìṣètò ìwúwo-nìkan 4-bit, pẹ̀lú èrè lórí yíyí-kà-sí-èyí-tí-ó-sún-mọ́ tí kò gbọ́n ti àmì ìpéye 6.9 sí 33.2 ní bit 2. Kò sí ohunkóhun nínú rẹ̀ tí ó ń ná ohunkóhun ní àkókò ìsọtẹ́lẹ̀: àṣàyàn nọ́mbà tí ó dára jù ni, tí a ṣe lẹ́ẹ̀kan, lóde-ìsopọ̀.

REAP — pípa àwọn amòye tí kò sí ẹni tí ń darí sí rẹ́

REAP (Router-weighted Expert Activation Pruning), láti Cerebras Systems àti Yunifásítì Calgary, jẹ́ ìfúnpọ̀ ìbọn-kan fún àwọn àwòṣe MoE. Ó ń fún amòye kọ̀ọ̀kan ní àmì nípa bí olùdarí náà ṣe ń darí sí i lágbára tó àti lọ́pọ̀ ìgbà tó, tí a sọ di ìlọ́po ìwọ̀n ìtújáde amòye yẹn, lẹ́yìn náà ó ń pa àwọn amòye tí kò já mọ́ nǹkan kan rẹ́ pátápátá — kò sí ìdálẹ́kọ̀ọ́ mìíràn lẹ́yìn náà.

Àbájáde àárín ìwé náà ni èyí tí ó wúlò: ní ìwọ̀n ìfúnpọ̀ gíga, gígé àwọn amòye ń borí dídà wọ́n pọ̀. Dídà àwọn amòye tí ó yàtọ̀ ní iṣẹ́ pọ̀ ń fa ohun tí àwọn òǹkọ̀wé ń pè ní ìwólulẹ̀ àyè-abẹ́ iṣẹ́ — olùdarí náà ń pàdánù ìṣàkóso kékeré tí ó gbára lé ìwọlé tí ó mú kí MoE tọ́ sí kíkọ́, a sì fi í sílẹ̀ láti máa darí láàrin ìwọ̀n agbede-méjì tí ó dúró. Àwọn nọ́mbà wọn kọjá àwọn àwòṣe láti párámítà 20B sí 1T: ní ìfúnpọ̀ amòye 25% lórí àwọn iṣẹ́ ìkọ̀wé-kóòdù, REAP ń pàdánù ìpéye agbede-méjì 2.8% níbi tí àwọn ìpìlẹ̀ ìfiwéra dídàpọ̀ ń pàdánù ju 5% lọ; ní 50%, REAP ń pàdánù 8.0% níbi tí dídàpọ̀ ń pàdánù ju 20% lọ. Lórí Qwen3-Coder-480B ní gígé 50% ìdínkù náà jẹ́ 1.4%, lòdì sí 39.3% fún gígé tí ó gbára lé ìgbà-mélòó tí kò gbọ́n. Cerebras ti tẹ àwọn ààmì ìdúró ìṣẹ́ REAP jáde fún ìlà DeepSeek láàrin àwọn mìíràn.

Ìdí tí 4-bit fi wà níhìn-ín àti 3-bit lórí Pro

Ìpele méjèèjì gbọ́dọ̀ bá ẹ̀ka ohun-èlò kan náà mu kí wọ́n sì máa yára. Pro ń ru párámítà trílíọ̀nù 1.7, torí náà ó nílò ìtọ́jú 3-bit tí ó lágbára sí i láti bá a mu rárá. Flash ń ru nǹkan bí bílíọ̀nù 300, torí náà kò nílò rẹ̀ — a sì ń ná bit tí ó fi pamọ́ lórí ìdúróṣinṣin dípò lórí bíbá a mu.

Bit àfikún yẹn ṣe pàtàkì ju bí ìṣírò rẹ̀ ṣe dábàá lọ, nítorí ìbàjẹ́ ìdínwọ̀n kì í ṣe ti ìlà. Nínú ìwọ̀n WikiText-2 ti ìwé AWQ, Llama-2-7B lọ láti perplexity 5.47 ní FP16 sí 5.60 ní 4-bit — ìjìyà 2.4% — ṣùgbọ́n sí 6.24 ní 3-bit, ìjìyà 14%. Ìyẹn jẹ́ nǹkan bí ìlọ́po mẹ́fà ìdínkù fún ìfúnpọ̀ 25% sí i, ìlànà kan náà sì dúró ní 70B. Ìwé GPTQ ṣe kedere sí i: ní bit 3, yíyí-kà-sí-èyí-tí-ó-sún-mọ́ tí kò gbọ́n ń wólulẹ̀ lórí àwọn àwòṣe ẹ̀ka 175B, sínú ẹgbẹẹgbẹ̀rún perplexity, nígbà tí ó ń dúró ní ṣíṣeéṣe pátápátá ní bit 4. Ní ìsàlẹ̀ bit mẹ́rin, algorithm ìdínwọ̀n tí ó dára dáwọ́ jíjẹ́ ohun dídùn dúró ó sì ń di ohun kan ṣoṣo tí ó ń gbé àwòṣe náà ró.

Torí náà kíkà olóòótọ́ ti àfikún méjèèjì yìí ni: Flash jókòó ní ẹ̀gbẹ́ ara rẹ̀ tí a kò fúnpọ̀ ju bí Pro ṣe jókòó ní ẹ̀gbẹ́ ti ara rẹ̀ lọ. Pro ṣì ni àwòṣe tí ó lágbára jù — tábìlì àmì ìdíwọ̀n lókè ti pinnu ìyẹn. Ó kàn fi púpọ̀ sí i sílẹ̀ láti dé ibí, o sì ń san fún àǹfààní náà.

Àwọn orísun: 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. Àwọn nọ́mbà perplexity láti AWQ (arXiv 2306.00978) àti GPTQ (arXiv 2210.17323).

05Flash lòdì sí Pro ní ẹnu-ọ̀nà náà

Apá 03 bo àwọn ìpìlẹ̀ náà. Bí ìpele méjèèjì ṣe rí gẹ́gẹ́ bí ọjà lórí ẹnu-ọ̀nà wa nìyí:

	DeepSeek-V4-Flash-0731	DeepSeek-V4-Pro-0813
Ìdínwọ̀n	W4A16-AUTOROUND-REAP	3BIT-REAP
Ìpéye ìwúwo	4-bit, yíyí-kà tí a kọ́	3-bit
Ìpìlẹ̀ (àpapọ̀ / tí ó ń ṣiṣẹ́)	~304B / 13B	~1.7T / 49B
Ìwọlé fún token 1M	$0.50	$1.95
Ìjáde fún token 1M	$2.00	$3.90
Kọ́ńtẹ́kìsì / ìtújáde gíga jù	262,144 / 16,384	262,144 / 16,384
Ohun-èlò · ìtújáde tí a ṣètò · ṣíṣàn	Bẹ́ẹ̀ ni	Bẹ́ẹ̀ ni
Ìríran	Rárá	Rárá
Ìpele ìkọ̀sílẹ̀	Kò sí	Kò sí

Ṣàkíyèsí ohun tí kò yí padà: kọ́ńtẹ́kìsì, àjà ìtújáde, ìpe ohun-èlò, ìtújáde tí a ṣètò, àti àìsí ìpele ìkọ̀sílẹ̀ dọ́gba. Ohun tí ó ń yí padà nìkan ni ìpìlẹ̀ náà, ìdínwọ̀n náà, àti iye náà. Ìyẹn ń mú kí yíyí padà láàrin wọn jẹ́ ìyípadà okùn-kan nínú kóòdù rẹ àti ìpinnu ọrọ̀-ajé pátápátá nínú ìhun-ìkọ́ rẹ.

Ohun tí ìpè ìwọ̀n-gíga-jù kan ń ná

Kún gbogbo kọ́ńtẹ́kìsì token 262,144 náà kí o sì gba ìtújáde token 16,384 kíkún:

Ní iye àtòjọ. Flash: $0.131 wọlé + $0.033 jáde. Pro: $0.511 + $0.064. Ìwọ̀n 3.51×. Flash tún ń pín ilẹ̀ $0.50 / $2.00 pẹ̀lú MiniMax-M3, Laguna-S-2.1, MiMo-V2.5, MiMo-V2.5-Pro àti Hy3 — wo àkójọ kíkún náà fún bí àwọn wọ̀nyẹn ṣe yàtọ̀ lórí ìríran àti ìtújáde tí a ṣètò.

06Ìṣírò ìwọ̀n náà, tí a ṣiṣẹ́ lé lórí

"3.9× pọ́n sí i" jẹ́ òtítọ́ lórí ìwọlé nìkan. Lórí ìjáde Flash pọ́n ní 1.95×. Ìfowópamọ́ gidi rẹ nítorí náà gbára lé ìwọ̀n ìwọlé-sí-ìjáde rẹ, àlàfo náà sì gbòòrò tó láti yí àwọn ìpinnu ìhùmọ̀ padà. Iṣẹ́ gidi mẹ́rin, ọ̀kọ̀ọ̀kan ní ìbéèrè 100,000:

Iṣẹ́	Wọlé / jáde fún ìpè	Flash	Pro	Ìfowópamọ́
Ìpínsọ́wọ̀ tíkẹ́ẹ̀tì	1,200 / 120	$84	$281	3.3×
Ìdáhùn ìbéèrè RAG	8,000 / 600	$520	$1,794	3.4×
Ìsọníṣókí àkọsílẹ̀ gígùn	60,000 / 1,500	$3,300	$12,285	3.7×
Ìṣẹ̀dá dátà àtọ̀wọ́dá	500 / 2,000	$425	$878	2.1×

Ìlànà náà: bí o ṣe ń ti kọ́ńtẹ́kìsì púpọ̀ sí i tí o sì ń ṣẹ̀dá ọ̀rọ̀ tí ó kéré sí i, bẹ́ẹ̀ ni Flash ṣe ń fi owó pamọ́ sí i fún ọ. Àwọn pàìpù ìmúrajáde, ìṣàyẹ̀wò àkọsílẹ̀, ìtúpalẹ̀ àkọsílẹ̀ àti ìròyìn, àti ìyọjáde kọ́ńtẹ́kìsì gígùn ni ibi tí ó dùn jù — ìwọlé ń darí wọn ní ìlọ́po ẹ̀wẹ̀ kan, ìwọlé sì ni ibi tí ìdínkù 3.9× náà wà. Bí iṣẹ́ rẹ bá dípò bẹ́ẹ̀ jẹ́ ìtọ́ni kúkúrú tí ń ṣẹ̀dá ẹgbẹẹgbẹ̀rún token ti ọ̀rọ̀, àlàfo náà ń dín kù sí nǹkan bí 2× àríyànjiyàn agbára fún Pro sì ń lágbára sí i bákan náà.

Ìṣírò kan sí i tí ó tọ́ sí ìmọ̀: ní $0.50 fún token wọlé mílíọ̀nù kan, gbogbo fèrèsé token 262,144 náà ń ná sẹ́ǹtì 13.1 láti kún. Ìtọ́ni kọ́ńtẹ́kìsì gígùn dáwọ́ jíjẹ́ ìbéèrè ìsúná dúró ní iye yẹn, èyí tí ó túmọ̀ sí nígbà mìíràn pé o lè fo kíkọ́ ìpele ìmúrajáde rárá kí o sì jẹ́ kí fèrèsé kọ́ńtẹ́kìsì náà ṣe iṣẹ́ náà — ìfowópamọ́ iṣẹ́-ẹ̀rọ lórí ìfowópamọ́ token náà.

07Kí ni "aláìní ìhámọ́" túmọ̀ sí níhìn-ín, ní pàtó

A ń lo ọ̀rọ̀ náà lọ́nà tí kò le, torí náà ìtumọ̀ wa nìyí, tí a sọ gẹ́gẹ́ bí ànímọ́ ẹnu-ọ̀nà náà: kò sí olùpín ìkọ̀sílẹ̀ níwájú àwòṣe náà àti kò sí ìṣẹ́sẹ̀ àkóónú lórí ìtújáde rẹ̀. Kò sí ohun tí ń dá ìtọ́ni dúró tí ó sì ń dá ìkọ̀ tí a ti pèsè sílẹ̀ padà; kò sí ohun tí ń yẹ ìparí náà wò tí ó sì ń pa á rẹ́. Fún iṣẹ́ gidi ìwọ̀n-ńlá àbájáde rẹ̀ kò lágbára tó bí ọ̀rọ̀ náà ṣe dábàá ó sì wúlò sí i:

• Kò sí àṣìṣe rere lórí ìjábọ̀ tí kò léwu. Àwọn ẹnu-ọ̀nà tí a ṣẹ́sẹ̀ ń kọ ìsọníṣókí ìṣègùn, ìkọ̀wé ààbò, ìṣàwárí ti òfin, ìtàn àròsọ, ohun èlò ìdín-ipalára-kù àti iṣẹ́ ìṣàkóso àkóónú fúnra rẹ̀ nígbà gbogbo — àwọn ẹ̀ka gan-an níbi tí iṣẹ́ ìdìpọ̀ ń ṣàkóso ọ̀rọ̀ nípa kókó tí ó ní ìfarabalẹ̀ dípò kí ó ṣẹ̀dá ohun ìpalára kankan. Ní ìbéèrè ọ̀kẹ́ márùn-ún, ìwọ̀n ìkọ̀sílẹ̀-èké ti ìdá kan nínú ọgọ́rùn-ún jẹ́ ìlà ẹgbẹ̀rún kan tí ó bàjẹ́.
• Àdéhùn tí ó dájú. Béèrè ìdáhùn json_schema o ó sì rí JSON tí ó bá schema náà mu, kì í ṣe ìpínrọ̀ àforíjì níbi tí ohun kan yẹ kí ó wà. Olùtúpalẹ̀ rẹ kò nílò ẹ̀ka ìkọ̀sílẹ̀, ìtòlẹ́sẹẹsẹ àtúngbìyànjú rẹ kò sì gbọ́dọ̀ ya ìkùnà ìgbéjáde sọ́tọ̀ kúrò lára ti ìlànà.
• Ìwọ ni o ní ìlànà náà. Ìpàṣípààrọ̀ náà nìyẹn. Bí ọjà rẹ bá nílò ààbò fún àwọn olùlò rẹ, o ń kọ́ wọn ní ìpele tìrẹ, níbi tí o ti mọ àwọn olùlò rẹ àti agbègbè òfin rẹ, dípò kí o jogún àbá olùpèsè kan nípa méjèèjì. Àkántì rẹ ṣì wà lábẹ́ Ìlànà Ìlò Onídùúró wa.

Aláìní ìhámọ́ kì í ṣe ohun kan náà pẹ̀lú aláìbámu tàbí aláìníṣàǹfààní. Àwòṣe náà ṣì ń tẹ̀lé ìtọ́ni ó sì ń bọ̀wọ̀ fún ìtọ́ni ètò. Bí o bá fẹ́ kí ó kọ̀ àwọn ẹ̀ka kan fún àwọn olùlò tìrẹ, sọ ọ́ níbẹ̀ — ìtọ́ni yẹn jẹ́ tìrẹ láti kọ báyìí dípò tiwa láti fi lélẹ̀.

08Agbára àti ààlà olóòótọ́

Agbára méjì ni ó ń ru ọ̀pọ̀ ìwúwo fún iṣẹ́ ìwọ̀n-ńlá. Ìtújáde json_schema tí ó le ń yí ìparí kan padà sí ìlà ibi-ìpamọ́-dátà láìsí ìpele ìtúpalẹ̀ àti láìsí ẹ̀ka ìkọ̀sílẹ̀. Ìpe ohun-èlò nínú gbogbo èdè mẹ́tẹ̀ẹ̀ta ń mú Flash jẹ́ ẹ̀rọ tí ó bọ́gbọ́n mu fún àwọn ìgbésẹ̀-abẹ́ pọ́n ti aṣojú kan tí olùṣètò ipele-òkè rẹ̀ ń sá lórí àwòṣe tí ó lágbára sí i. Fi reasoning_effort kún un, èyí tí ń jẹ́ kí o ná token àfikún lórí ìdá ìjábọ̀ tí ó nílò wọn nìkan, àti kọ́ńtẹ́kìsì token 262,144 tí ó dọ́gba pẹ̀lú ti Pro — o kò fi kọ́ńtẹ́kìsì sílẹ̀ nípa yíyan ìpele tí ó pọ́n, èyí tí kò wọ́pọ̀.

Àwọn ààlà náà ṣe kedere bákan náà:

• Kò sí ìríran. Flash jẹ́ ọ̀rọ̀ nìkan yóò sì kọ àwọn apá àwòrán nínú ìfọ̀rọ̀ránṣẹ́. Fún àwọn àwòrán lórí àwòṣe aláìní ìhámọ́ ní ilẹ̀ $0.50 / $2.00 kan náà, MiniMax-M3 àti MiMo-V2.5 ni àwọn àṣàyàn tí ó lè ríran; Kimi-K2.6 àti Kimi-K3 jẹ́ àwòṣe ìríran tí ó lágbára sí i lókè ìpele yẹn.
• Kì í ṣe orí àkàbà náà. Àwọn nọ́mbà DeepSeek fúnra rẹ̀ ń gbé Pro síwájú lórí gbogbo àmì ìdíwọ̀n aṣojú tí a tẹ̀ jáde, pẹ̀lú àlàfo tí ó gbòòrò jù lórí ìrònú kóòdù oníṣẹ̀ọ̀nà-púpọ̀ tí ó dúró. Níbi tí ìdáhùn kan tí kò tọ́ ń ná ju ẹgbẹ̀rún àwọn pọ́n lọ, ná $1.45 àfikún fún mílíọ̀nù kan lórí DeepSeek-V4-Pro.
• Token ìtújáde 16,384 fún ìbéèrè kọ̀ọ̀kan. A gbọ́dọ̀ pín àwọn ìṣẹ̀dá gígùn sí àpá kọjá àwọn ìpè. Àjà kan náà nìyí lórí gbogbo àwòṣe tí a ń pèsè, ó sì ń dì dáadáa kí fèrèsé kọ́ńtẹ́kìsì náà tó dì.

09Pípe é

Darí oníbàárà èyíkéyìí tí ó bá OpenAI mu sí ẹnu-ọ̀nà náà kí o sì yí okùn àwòṣe náà padà. Kò sí ohunkóhun mìíràn nínú àkójọ rẹ tí ó gbọ́dọ̀ yí padà.

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
        }
      }
    }
  }'

Id àwòṣe kan náà ń ṣiṣẹ́ láìyípadà lórí /v1/messages àti /v1/responses, èyí tí ó jẹ́ ọ̀nà tí ó yára jù láti fi àwòṣe tí ó pọ́n wéra lábẹ́ ìsopọ̀ tí ó ti wà tẹ́lẹ̀ láìsí kíkọ oníbàárà rẹ padà. A ti kọ àwọn párámítà, ìrísí ìṣẹ̀lẹ̀ ṣíṣàn, schema ìpe-ohun-èlò àti ààlà ìwọ̀n sílẹ̀ nínú ìtọ́kasí API; a ti tòjọ gbogbo àwòṣe nínú àkójọ náà ní Ìwádìí Shannon.

10Àwọn ìbéèrè tí a sábà ń bèèrè

---

Àwọn orísun: DeepSeek-V2 (arXiv 2405.04434) · DeepSeekMoE (arXiv 2401.06066) · Ìròyìn Ìmọ̀-ẹ̀rọ DeepSeek-V3 (arXiv 2412.19437) · DeepSeek-V4 (arXiv 2606.19348) · àwọn àkọsílẹ̀ àwòṣe DeepSeek-V4-Flash-0731 àti DeepSeek-V4-Pro-0813 · AutoRound (arXiv 2309.05516, Intel) · REAP (arXiv 2510.13999, Cerebras Systems) · AWQ (arXiv 2306.00978) · GPTQ (arXiv 2210.17323). Gbogbo nọ́mbà ìpìlẹ̀ àti ìdíwọ̀n jẹ́ gẹ́gẹ́ bí àwọn òǹkọ̀wé wọn ṣe tẹ̀ wọ́n jáde; àwọn iye Shannon AI àti kọ́ńtẹ́kìsì tí a ń pèsè jẹ́ iye àtòjọ tiwa bí ó ti wà ní September 2026.