Analyse approfondie · Environ 4 min de lecture
DeepSeek Recipe 0.2 : des API semblables exigent un contrat d’inférence
La version du 20 octobre modifie validation, jetons spéciaux et contraintes. DeepInfer éclaire les limites d’un déploiement complet.
- Publié ici
- Date de la source
- Source vérifiée
Le journal officiel date deepseek-recipe 0.2.0 du 20 octobre. Cette mise à jour incompatible touche les bibliothèques Rust et le paquet Python ; la version initiale 0.1.0 date du 10 septembre.
Écouter les actualités
Écoutez cet article ou poursuivez la lecture des actualités.
Préparation de la lecture…
Voix de l’appareil
La voix est traitée par votre navigateur ou appareil. AISubHub n’envoie pas le texte à une API audio. Les voix et la lecture écran verrouillé dépendent de l’appareil.
La reprise peut répéter une courte phrase.
En bref
- Les contraintes de sortie sont exposées, mais leur application revient au backend.
- DeepInfer prend en charge DeepSeek-V4.1-Flash sur SM100 ou Ascend 950, sans fournir tout le service.
La couche réellement mise à jour
Recipe transforme les requêtes de plusieurs API en conversation commune puis reconvertit les sorties. La version 0.2 change l’API publique de tous les crates et du paquet Python. Garder le même nom de point d’entrée HTTP ne dispense pas de migrer une intégration 0.1 ; le journal détaille constructeurs, types et méthodes de streaming concernés.
Notre analyse recommande des exemples de requêtes et réponses vérifiables et une séparation des responsabilités entre adaptateur et application. Ces documents n’annoncent aucun abonnement personnel, quota gratuit hébergé ou service complet immédiatement exploitable.
Un nom de modèle détermine des règles
La conversion résout le modèle dans une table de versions incluant DeepSeek-V4-Pro et DeepSeek-V4.1-Flash. Les autres noms nécessitent un alias ; les inconnus sont rejetés. Les images V4 deviennent un marqueur textuel non pris en charge : accepter un champ image ne démontre pas une capacité visuelle.
Les paramètres dépendent du modèle et du mode de raisonnement. Dans ce mode, temperature vaut 1.0. V4.1 relève top_p à au moins 0.95 avec raisonnement et utilise 1.0 sans raisonnement. Ces règles du convertisseur ne constituent pas nos recommandations pour d’autres modèles. Comparer seulement le JSON reçu peut manquer le changement réel.
Déclarer une contrainte ne suffit pas
La version valide JSON Schema et les expressions régulières, inscrit le schéma dans le prompt et expose des contraintes JSON, regex et d’appels d’outils. Le journal laisse au backend le choix de les appliquer. Un objet de contrainte ne prouve donc pas que chaque jeton produit a été contraint.
Un test hypothétique d’appel obligatoire avec arguments structurés vérifierait la contrainte normalisée, son application et la réponse analysée. Nous ne signalons pas une panne observée. DeepInfer documente séparément la génération sous grammaire ; relier ces capacités demande encore une intégration explicite.
Jetons et destinations des images
Recipe distingue les plages explicites de jetons spéciaux du texte ordinaire. Hors exceptions documentées pour les marqueurs de grounding dans le contenu et le raisonnement de l’assistant, leur orthographe dans un message est encodée comme texte. Cela réduit les confusions de contrôle sans garantir l’arrêt de toute injection de prompt.
Le nouveau filtre d’images vérifie hôte, adresses résolues et destinations de redirection, avec une erreur spécifique au refus. L’exploitant doit vérifier sa configuration et le traitement cohérent des erreurs. Une fonction disponible n’est pas nécessairement activée par chaque application ; aucun serveur de production n’a été testé ici.
Le moteur ne remplace pas le service
Le README DeepInfer couvre inférence hors ligne, kernels, décodage spéculatif et ordonnancement. Il exige Linux, GCC 13 ou plus et Python 3.12 ; NVIDIA SM100 requiert CUDA 13 et Ascend 950 CANN 9.2. Cela ne promet pas une exécution sur n’importe quel ordinateur.
Un service complet demande encore cache KV, séparation encodeur visuel/prefill/decode et équilibrage entre répliques parallèles. Les mesures utilisent 4 SM100 pour le prefill et 64 pour le decode dans leurs domaines scale-up, pas une seule carte. Il faut valider infrastructure et migration séparément ; aucun changement de prix API ou de droits d’abonnement ne découle automatiquement de cette publication.
Pourquoi cela compte
Analyse AISubHub : vérifier ensemble conversion, tokenisation, décodage et exploitation avant de migrer un adaptateur.
Limites et disponibilité
Nous n’avons ni déployé ni mesuré le logiciel. La date est celle de Recipe 0.2 ; le README DeepInfer ne prouve ni sa première publication ni un tarif d’hébergement.
Sources et preuves
Date de la source: · Source vérifiée:
Pour approfondir
Source vérifiée:
Articles assistés par IA, vérifiés avec les sources primaires citées. Les affirmations des fournisseurs sont attribuées ; la présence ne vaut pas recommandation.