Vertiefende Analyse · Etwa 3 Min. Lesezeit
DeepSeek Recipe 0.2: gleiche API-Formen brauchen einen Inferenzvertrag
Das Update vom 20. Oktober ändert Validierung, Spezialtokens und Ausgaberegeln. DeepInfer zeigt zugleich Grenzen des vollständigen Betriebs.
- Hier veröffentlicht
- Datum der Quelle
- Quelle geprüft
Das offizielle Changelog datiert deepseek-recipe 0.2.0 auf den 20. Oktober. Rust-Bibliotheken und Python-Paket erhalten inkompatible Schnittstellenänderungen; die Erstversion 0.1.0 stammt vom 10. September.
Nachrichten anhören
Diesen Artikel vorlesen oder mit den Nachrichten fortfahren.
Vorlesen wird vorbereitet…
Gerätestimme
Browser oder Gerät verarbeiten die Sprache. AISubHub sendet den Text nicht an eine Audio-API. Stimmen und Wiedergabe bei gesperrtem Bildschirm hängen vom Gerät ab.
Beim Fortsetzen kann sich ein kurzer Satzteil wiederholen.
Auf einen Blick
- Der Adapter stellt Ausgabeconstraints bereit; ihre Durchsetzung entscheidet das Backend.
- DeepInfer unterstützt DeepSeek-V4.1-Flash auf SM100 oder Ascend 950, benötigt aber weitere Dienstkomponenten.
Welche Schicht sich verändert
Recipe überführt verschiedene API-Anfragen in ein gemeinsames Gespräch und erzeugt protokollgerechte Antworten. Version 0.2 verändert die öffentliche API sämtlicher Crates und des Python-Pakets. Derselbe HTTP-Endpunktname erspart einer 0.1-Integration keine Migration; das Changelog nennt konkrete Änderungen an Konstruktoren, Streamtypen und Methoden.
Unsere Analyse empfiehlt überprüfbare Ein- und Ausgabebeispiele und eine klare Trennung zwischen Adapter und Dienstanwendung. Die Dokumente kündigen weder ein neues Privatabonnement noch ein kostenloses Hostingkontingent oder einen vollständigen schlüsselfertigen Dienst an.
Der Modellname bestimmt das Verhalten
Die Konvertierung löst den Modellnamen über eine Versionstabelle auf. Standardwerte sind DeepSeek-V4-Pro und DeepSeek-V4.1-Flash. Andere Namen benötigen Aliase, unbekannte werden abgelehnt. Bilder in V4-Anfragen werden durch einen Textmarker für nicht unterstützte Bilder ersetzt. Ein Bildfeld anzunehmen beweist daher keine Bildverarbeitung.
Samplingwerte werden nach Modell und Denkmodus aufgelöst. Im Denkmodus gilt temperature 1.0. V4.1 setzt top_p dort mindestens auf 0.95 und außerhalb auf 1.0. Das sind dokumentierte Adapterregeln und keine Empfehlungen für andere Modelle. Ein Vergleich nur des Eingabe-JSON kann die tatsächlich wirksame Änderung übersehen.
Eine Vorgabe ist noch keine Durchsetzung
Das Update validiert JSON-Schema- und Regex-Formate, schreibt das Schema in den Prompt und stellt Vorgaben für JSON, Regex und Werkzeugaufrufe bereit. Laut Changelog entscheidet das Backend über ihre Anwendung. Das Vorhandensein eines Objekts beweist keine Einschränkung jedes erzeugten Tokens.
Ein hypothetischer Test für einen zwingenden Werkzeugaufruf mit strukturierten Argumenten prüft normalisierte Vorgabe, Backend-Anwendung und geparste Antwort getrennt. Dies ist kein beobachteter Fehler. DeepInfer dokumentiert separat grammatikgebundene Generierung; das automatische Zusammenspiel beider Projekte ist damit noch nicht nachgewiesen.
Tokengrenzen und Bildziele gehören dazu
Recipe trennt ausdrücklich markierte Spezialtokenbereiche von normalem Nachrichtentext. Abgesehen von dokumentierten Groundingmarkern in Assistenteninhalt und Denktext wird die Schreibweise eines Spezialtokens als gewöhnlicher Text kodiert. Das reduziert die Verwechslung mit Steuerzeichen, garantiert aber keinen umfassenden Schutz vor Prompt-Injektion.
Die neue Bildzielfilterung prüft Host, aufgelöste Adressen und Weiterleitungsziele und liefert beim Ablehnen einen eigenen Fehler. Betreiber sollten Aktivierung und Fehlerbehandlung prüfen. Eine angebotene Bibliotheksfunktion ist nicht in jeder Anwendung automatisch eingeschaltet; wir haben keinen Produktionsserver getestet.
Was außerhalb der Engine fehlt
DeepInfers README beschreibt Offline-Inferenz, optimierte Kernels, spekulatives Dekodieren und Scheduling. Voraussetzungen sind Linux, GCC ab 13 und Python 3.12, dazu CUDA 13 für NVIDIA SM100 oder CANN 9.2 für Ascend 950. Das verspricht keinen Betrieb auf beliebiger Privathardware.
Für einen vollständigen Dienst fehlen weiterhin KV-Cache-System, getrennte Vision-Encoder/Prefill/Decode-Stufen sowie Lastverteilung zwischen datenparallelen Replikaten. Die Leistungskonfiguration verwendet 4 SM100 für Prefill und 64 für Decode innerhalb der jeweiligen Scale-up-Domänen, keine Einzelkarte. Infrastruktur und Protokollmigration sind getrennt zu validieren; API-Preise und Aborechte lassen sich daraus nicht ableiten.
Warum es wichtig ist
AISubHub-Analyse: Konvertierung, Tokenisierung, Dekodierung und Betrieb müssen vor einer Migration gemeinsam geprüft werden.
Grenzen und Verfügbarkeit
Wir haben weder Software bereitgestellt noch Benchmarks ausgeführt. Das Datum belegt Recipe 0.2, nicht DeepInfers Erstveröffentlichung oder einen Hostingpreis.
Quellen und Belege
Datum der Quelle: · Quelle geprüft:
Weiterführende Quellen
Quelle geprüft:
KI-gestützte redaktionelle Beiträge, anhand der genannten Primärquellen geprüft. Anbieterangaben werden zugeordnet; eine Aufnahme ist keine Empfehlung.