Análisis en profundidad · Unos 4 min de lectura
DeepSeek Recipe 0.2: un formato de API conocido no garantiza la misma inferencia
La actualización del 20 de octubre cambia validación, tokens especiales y restricciones. DeepInfer aporta contexto, pero aún hacen falta componentes de servicio.
- Publicado aquí
- Fecha de la fuente
- Fuente revisada
El registro oficial fecha deepseek-recipe 0.2.0 el 20 de octubre. Cambia de forma incompatible las bibliotecas Rust y el paquete Python; la primera versión, 0.1.0, salió el 10 de septiembre.
Escucha las noticias
Escucha este artículo o continúa con las noticias.
Preparando la lectura…
Voz del dispositivo
El navegador o dispositivo procesa la voz. AISubHub no envía el texto a una API de audio. Las voces y la reproducción con pantalla bloqueada dependen del dispositivo.
Al continuar puede repetirse una frase breve.
Resumen
- Las restricciones de salida se exponen al backend, que decide si las aplica.
- DeepInfer admite DeepSeek-V4.1-Flash sobre SM100 o Ascend 950, pero no incluye un servicio completo.
Qué capa cambia realmente
Recipe transforma peticiones de API en una conversación común y devuelve la salida del modelo en cada protocolo. La versión 0.2 modifica la API pública de todos los crates y del paquete Python. Un endpoint HTTP con el mismo nombre no evita migrar una integración 0.1; el registro especifica cambios de constructores, tipos y métodos de streaming.
Nuestro análisis propone comprobar ejemplos concretos de petición y respuesta y separar responsabilidades del adaptador y de la aplicación. Los documentos no anuncian una suscripción personal nueva, una cuota de alojamiento gratuita ni un servicio listo para producción.
El nombre del modelo selecciona comportamiento
La conversión resuelve el modelo mediante un mapa de versiones. Incluye DeepSeek-V4-Pro y DeepSeek-V4.1-Flash; otros nombres requieren alias y los desconocidos se rechazan. Para V4, las imágenes se convierten en un marcador textual de contenido no admitido: aceptar el campo no demuestra comprensión visual.
Los parámetros dependen del modelo y del modo de razonamiento. En este modo temperature es 1.0. V4.1 eleva top_p hasta al menos 0.95 con razonamiento y usa 1.0 fuera de él. Son reglas documentadas de conversión, no recomendaciones nuestras para otros modelos; comparar solo el JSON entrante oculta cambios efectivos.
Declarar una restricción no equivale a aplicarla
La actualización valida formatos JSON Schema y expresiones regulares, inserta el esquema en el prompt y expone restricciones para JSON, regex y llamadas a herramientas. El registro deja al backend decidir su aplicación. Tener un objeto de restricción no demuestra que cada token generado esté condicionado.
Una prueba hipotética de llamada obligatoria debería revisar la restricción normalizada, su ejecución y la respuesta analizada. No es un fallo observado. DeepInfer documenta generación restringida por gramática por separado: ambas capacidades necesitan una integración explícita y comprobada.
Tokens y destinos de imagen también importan
Recipe distingue intervalos de tokens especiales explícitos del texto normal. Salvo el tratamiento documentado de marcadores de grounding en contenido y razonamiento del asistente, escribir un marcador en el mensaje produce texto corriente. Reduce confusiones con controles, pero no garantiza protección universal contra inyección de prompts.
El filtrado de imágenes añadido comprueba host, direcciones resueltas y destinos de redirecciones, con un error específico al rechazar. AISubHub recomienda verificar que esté configurado y que los errores sean coherentes. Una capacidad disponible no significa que todos los despliegues la activen; no probamos un servidor.
El motor no constituye todo el servicio
El README de DeepInfer cubre inferencia offline, kernels, decodificación especulativa y planificación. Exige Linux, GCC 13 o superior y Python 3.12, con CUDA 13 para NVIDIA SM100 o CANN 9.2 para Ascend 950. No promete compatibilidad con cualquier ordenador.
Todavía requiere sistema KV, separación de codificador visual/prefill/decode y balanceo entre réplicas paralelas. Sus pruebas emplean 4 SM100 para prefill y 64 para decode, dentro de dominios scale-up; no son resultados de una GPU. Validar infraestructura y migración son tareas distintas. Nada de ello establece una rebaja de API o más derechos de suscripción.
Por qué importa
Análisis de AISubHub: hay que validar conversión, tokenización, decodificación y operación como un mismo contrato antes de migrar un adaptador.
Límites y disponibilidad
No desplegamos ni medimos estos componentes. La fecha corresponde a Recipe 0.2; el README de DeepInfer no demuestra su primera publicación ni un precio de alojamiento.
Fuentes y pruebas
Fecha de la fuente: · Fuente revisada:
Lecturas complementarias
Fuente revisada:
Contenido editorial asistido por IA y contrastado con fuentes primarias. Las afirmaciones del proveedor se atribuyen; la inclusión no implica recomendación.