无审查的 DeepSeek API

搜「无审查 DeepSeek API」这个词进来的人，想要的是一件很具体的事：一个具备 DeepSeek 推理与编码能力、并且会真正回答你所问问题的模型。能力那一半是有充分文档的 —— DeepSeek-AI 公布了架构和数据，权重也以 MIT 许可放在 Hugging Face 上。另一半是运营决策，而这个决策通常是别人替你做的。本页把两半都讲清楚：V4-Pro 基座是什么，我们的 3BIT-REAP 构建对它做了什么，以及我们说「无审查」时到底指什么。

01「无审查 DeepSeek API」到底指什么

有两种不同的机制被归到同一个词下面。第一种是烧进权重里的对齐 —— 在后训练阶段学到的拒答行为。第二种是服务端的审核层：一个独立的分类器，在模型看到你的提示词之前先检查它，在你看到输出之前先检查输出，并且可以不管模型想说什么，直接把一段回答从中间切断。

这两者都是可测量的，而 DeepSeek 的第一方服务已经被测量过。Promptfoo 整理了一组 1,360 条政治敏感问题，报告称 DeepSeek 托管的 R1 对其中 1,156 条做了拒答或回避 —— 大约 85%。针对同一模型家族的学术工作发现了另一种失败模式，作者称之为思维压制：模型的推理轨迹在碰到敏感话题时几乎刚开始就终止了。发表在 Information Sciences 上的另一份审计记录了语义层面的压制：模型内部推理中确实存在的内容，在抵达用户之前被悄悄略去或改写。这比直截了当的拒答更棘手，因为一段被截短的回答看上去就像是一段回答。

我们运行的是开放权重版本，跑在我们自己运营的硬件上，位于美国，主体是 Shannon Lab LLC。模型前面没有拒答层，返回的内容也不施加任何过滤：你的提示词在被送去推理之前不会先被做策略分类，输出流在往外走的路上也不会被检查。因为基座是 MIT 许可且公开的，你可以自己拿我们的输出和参考权重做对比，而不必只听我们一面之词。

02基座：DeepSeek-V4-Pro，一个 1.6T 的 MoE

DeepSeek-V4 是 DeepSeek-AI 当前的开放权重家族，2026 年 4 月预览，以 MIT 许可发布了两个尺寸：V4-Flash（总参数 284B，激活 13B）和 V4-Pro（总参数 1.6T，激活 49B）。本文讲的是 Pro 这一档。两者都在大约 33 万亿 token 上做了预训练，也都原生支持百万 token 上下文。

值得注意的是稀疏比：任意一个 token 上只有大约 3% 的参数被点亮，这正是让这么大的模型还能被服务的原因。MoE 模块本身依然是 DeepSeekMoE —— V2 引入的细粒度路由专家加上常驻的共享专家 —— V4 只做了少量改动，最明显的是在最前面几层用了哈希路由。多 token 预测（V3 那个同时也支撑投机解码的辅助目标）原封不动地保留了下来。

V4 的新东西是结构性的。流形约束超连接（mHC）把朴素的残差路径换成了一个可学习的混合矩阵，并通过 Sinkhorn–Knopp 投影把它约束在双随机矩阵的流形上 —— 一条会随输入重新加权、又不会带来那种让极深堆栈崩掉的数值漂移的残差流。训练在大多数模块上从 AdamW 换到了 Muon，使用 Newton–Schulz 正交化，只在嵌入层、预测头、归一化和静态 mHC 参数上保留 AdamW。专家权重以 FP4 训练，其他大部分参数用 FP8 —— 从一开始就是量化感知的，这一点决定了这个模型在进一步压缩时有多从容。

03从 MLA 到 CSA + HCA：DeepSeek 怎样把长上下文做便宜

DeepSeek 贯穿四代的主线不是尺寸，而是注意力的经济账。每一版都在攻击 KV 缓存 —— 它随上下文线性增长，并且在长序列上主导内存开销。

• V2 引入了多头潜在注意力（MLA） —— 把键和值低秩联合压缩成一个潜在向量，于是生成阶段缓存的是这个向量加上一个解耦的 RoPE 键，而不是每个头的完整 K 和 V。DeepSeek 报告 KV 缓存降到标准多头注意力的大约 4–14%，质量持平甚至更好。
• V3 把它扩到了 671B，让 MLA 成了开放模型里廉价长上下文的默认前提。
• V3.2 加入了 DeepSeek 稀疏注意力（DSA），通过一个轻量索引器为每个查询挑出历史中的 top-k 子集，而不是对全部内容做注意力。
• V4 做了混合。压缩稀疏注意力（CSA）先用可学习的权重把每 m 个 token 的 KV 条目压成一条，再在这些压缩条目上做稀疏 top-k 选择。重压缩注意力（HCA）压得激进得多，但在压缩结果上保持稠密。两种层类型在堆栈中交错排布，于是廉价的全局摘要和精确的局部检索可以共存。

在百万 token 上下文下报告出的收益相当惊人：V4-Pro 只需要 V3.2 大约 27% 的每 token 推理 FLOPs 和 10% 的 KV 缓存。这就是为什么一次 262K 的请求表现得像一次普通请求，而不是一次内存事故；也是为什么长上下文检索的数字撑得住，而不是过了几万 token 就塌掉。

043BIT-REAP 这个后缀是什么意思

我们目录里的 id 以 3BIT-REAP 结尾，它描述的是依次施加的两道相互独立的压缩工序。

REAP：剪掉专家，而不是把它们合并

REAP 是路由加权专家激活剪枝，来自 Cerebras Research —— 论文 「REAP the Experts: Why Pruning Prevails for One-Shot MoE Compression」，已被 ICLR 2026 接收。在一个稀疏 MoE 里，路由器并不会均匀地使用它的专家：有很长一条尾巴很少被选中、被选中时权重也很弱，或者两者兼有。REAP 把路由门控值（被选中的频率与强度）和专家激活范数（它的输出贡献了多少）结合起来给每个专家打分，然后把落选者直接删掉。

这篇论文的论点是剪枝胜过合并：合并会把当初让 MoE 值得一建的功能专精平均掉，而删除路由器本来就几乎不会碰的专家反而把专精保住了。在从 20B 到 1T 的一系列模型上，REAP 在生成式基准上都优于合并以及其他竞争性剪枝方法；作者报告在 Qwen3-Coder-480B 和 Kimi-K2 上做 50% 专家剪枝时，代码生成和工具调用的结果接近无损 —— 而这恰好就是这个模型在这里要承担的工作画像。

3 比特权重：给最大基座准备的那一档压缩

活下来的部分随后被量化到 3 比特权重。三比特很激进，我们不装作不是：在整条产品线里，基座小到不需要挤压时我们用 W8A16，中间一档用 W4A16-AUTOROUND-REAP，而 3BIT-REAP 只用在最大的基座上 —— 在那里，它是「能不能把这个模型服务出来」的分界线。

这笔取舍值得直说：一个 3 比特的 1.6T MoE 与参考版本并非逐比特相同，确实存在一点质量代价。你换来的是一个未压缩天花板远高于任何能在更高精度下从容装下的模型的基座 —— 而且因为 V4 的专家本来就是以 FP4 训练的，这个模型在进一步的权重压缩下表现异常稳当。如果你想要一个在精度上手更轻的 DeepSeek 构建，DeepSeek-V4-Flash-0731-W4A16-AUTOROUND-REAP 用的是 4 比特权重加 16 比特激活以及 AutoRound 的可学习舍入，在同样的 262K 上下文下，输入 $0.50 / 输出 $2.00。

05推理，以及 reasoning_effort 这个旋钮

V4 的后训练分别训练领域专家 —— 数学、编码、智能体、指令遵循 —— 先 SFT，再上 GRPO，也就是 DeepSeek 随 R1 一起提出的组相对策略优化方法。这些专家随后通过反向 KL 目标下的同策略蒸馏被统一成一个模型，于是单个检查点能在多个领域同时带有专家级的行为，而不是一个样样平庸的通才。

发布的模型暴露的是分级的思考模式，而不是一个二元开关。在我们的网关上，它就是标准的 reasoning_effort 参数，也是这个模型上最有用的那一个旋钮：

• Low —— 接近直接作答：分类、抽取、改写，凡是你买的是模型的知识而不是它的斟酌的场合。
• Medium —— 代码评审、调试和多步分析的默认工作模式。
• High —— 回答之前长时间斟酌。难题在这里被解开，你的输出 token 账单也长在这里，因为推理 token 是按输出计费的。

因为没有拒答层，推理轨迹不会在敏感题材上被截断 —— 在第一方服务上被记录下来的那种思维压制模式，在这里没有产生的机制。

06代码与智能体工作：这个基座考了多少分

下面这些是 DeepSeek-AI 自己为 V4-Pro 发布公布的数字 —— 不是我们的，也不是在我们的量化构建上测的。我们把它们放出来，是因为它们才是选择这个基座的诚实理由；同时标明它们是第一方数据，好让你相应地打折看待。

其中两项值得多说几句。SWE-bench Verified 80.6% 是真实代码仓库上的问题修复 —— 读一份陌生的代码库、定位缺陷、产出一个能通过该项目自己测试的补丁。百万 token 下的 MRCR（83.5）是满长度上的多轮指代检索，这个数字告诉你长上下文的说法不是装饰。DeepSeek 还报告该模型的 Codeforces 评分为 3206，以及在 1M 上下文下 CorpusQA 得分 62.0。

以上数字由 DeepSeek-AI 就 DeepSeek-V4-Pro 参考版本报告。我们的 3BIT-REAP 构建是这些权重的压缩变体，尚未在这些任务上接受独立评测；请把参考分数当作这个基座的上限，而不是对本接口的测量结果。

07262K 上下文：到底装得下什么

参考模型是按百万 token 训练的。我们提供 262,144 —— 这是网关上每个模型共用的窗口，所以换模型只是改一行，而且永远不会造成上下文倒退。实际上，262K 已经越过了大多数真实工作里上下文会成为瓶颈的那个点：

工作负载	大致 token 数	装得进 262K 吗？
中等规模服务仓库（约 5 万行）	~600K	不行 —— 需挑选模块
单个子系统加它的测试	~60–120K	可以，很宽裕
某个协议的完整 RFC 集	~150K	可以
一本 700 页的技术书	~250K	可以，接近上限
长智能体运行，40 轮以上工具调用	~80–200K	可以

真正要绕着规划的限制是输出：每次回复最多 16,384 token。那是一份长文档或一个像样的多文件补丁，但不是一整个代码库。大规模生成任务的做法是把上一次输出放回上下文里串联请求 —— 262K 的窗口让这件事很便宜 —— 而不是去要一次巨大的补全。

08价格，以及 V4-Pro 在阵容中的位置

以每 100 万 token 输入 $1.95 / 输出 $3.90 计，V4-Pro 是旗舰推理档 —— 问题难的时候你才去拿的那个模型。如果问题只是大，同样 262K 窗口上更便宜的模型能用四分之一的价钱把它办了。

无审查模型	输入 / 100 万	输出 / 100 万	视觉	最适合
DeepSeek-V4-Pro · 3BIT-REAP	$1.95	$3.90	无	硬推理、代码、智能体
DeepSeek-V4-Flash · W4A16	$0.50	$2.00	无	同一血统，大批量
GLM-5.2 · 3BIT-REAP	$0.73	$2.34	无	通用主力
Kimi-K3 · 3BIT-REAP	$3.83	$19.12	有	顶级多模态智能体
MiniMax-M3 · 3BIT-REAP	$0.50	$2.00	有	最便宜的视觉

把大家真正会做的那个比较说透：DeepSeek 自家的 API 比这便宜 —— 第一方 V4-Pro 的标价大约是输入 $0.435 / 输出 $0.87，而且它们的缓存命中输入价格更低。如果每 token 的价格是你唯一的判据，而审核行为并不影响你的工作，那就用第一方 API；我们宁愿现在告诉你，也不想让你以后自己发现。这份溢价买到的是另一组属性：没有拒答层、没有输出过滤，一个位于美国、主体为 Shannon Lab LLC 的运营方，一个固定的带日期检查点（0813）——上游的静默升级永远不会在项目中途改变你的输出，同一个模型上有三种 API 方言，以及整条阵容全部十二个模型共享的同一个 262K 窗口和同一套参数面。

09怎么调用：三种方言，一个模型

网关上的每个模型都在三个接口上应答，每个接口都支持流式。你不需要换 SDK —— 你改的是一个 base URL 和一个模型 id。

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 —— OpenAI 方言；可配合 OpenAI 的各种 SDK 以及基于它们构建的一切。
• /v1/messages —— Anthropic 方言，适合已经按那个形状写好的代码库。
• /v1/responses —— Responses 风格的接口。

本模型支持：流式输出、原生工具调用、严格的 json_schema 结构化输出、response_format 和 reasoning_effort。完整参数参考和一个在线试玩台都在 API 文档里。

10老实说的几条限制

在基于它开工之前，有四件事要知道：

• 没有视觉能力。纯文本；它在任何接口上都不接受图像输入。如果你需要一个看得见图的无审查模型，请用 Kimi-K3、Kimi-K2.6、MiniMax-M3、MiMo-V2.5 或 inkling。
• 16,384 token 的输出上限。高推理强度下，推理 token 也计入这个上限，所以长时间的斟酌会让留给答案的空间变少。大规模生成任务请串联请求。
• 3 比特是一次实打实的压缩。那些参考分数描述的是基座，不是这个构建。要最高保真的那一档，W8A16 模型（MiMo-V2.5-Pro、MiMo-V2.5、Hy3）带的量化最轻。
• 无审查不等于没有后果。没有拒答层意味着你问什么、以及你拿答案去做什么的责任落在你身上 —— 受我们的服务条款以及你所在地法律的约束。

11常见问题

---

来源：DeepSeek-AI —— DeepSeek-V4-Pro 模型卡 · DeepSeek-V4 技术报告（CSA/HCA、mHC、Muon） · DeepSeek-V2（MLA、DeepSeekMoE） · DeepSeek-V3 技术报告 · REAP the Experts（Cerebras Research） · Promptfoo 审查审计 · Discovering Forbidden Topics in Language Models。基准数字由 DeepSeek-AI 就参考版本报告；对压缩构建的独立第三方验证仍在进行中。价格为 Shannon AI 截至 2026 年 9 月 5 日的标价。