如何去除 DeepSeek R1 的审查:现实选项
如果你想了解如何对 DeepSeek R1 去审查,有四种实际路线:绕过拒绝的提示词、微调、消融化,或切换到已经过调整且无拒绝的模型。本文从工作量、成本和可靠性方面比较它们。
已更新

要点
- 拒绝行为来自训练,因此无法通过一个设置关闭。
- 系统提示词帮助有限且经常失效;微调和消融法会改变权重。
- 即使经过量化,自托管完整的 R1 也需要数百 GB 的内存。
- 此 API 并非 DeepSeek;它是另一个开放权重模型,在合法成人用途下不进行内容拒绝。
DeepSeek R1 最初为何拒绝
语言模型在后期训练阶段学会拒绝。在对大型文本语料库进行预训练后,开发者使用有帮助的回答示例和被拒绝的请求示例对其进行训练,然后强化他们希望的行为。结果是一个吸收了模式的模型:当提示词看起来像某种类型的请求时,产生拒绝。
R1 是一个推理模型,因此它在回答之前也会编写思维链。这并不会消除拒绝行为。它通常会增加一个可见步骤,让模型说服自己拒绝。托管服务可以在模型之上添加第二层:模型外部的输入或输出过滤器。因此,你通过托管聊天应用看到的拒绝可能来自模型、过滤器或两者,而修复方法因情况而异。
这对文章的其余部分很重要。如果阻塞位于权重之外,任何本地调整都不会改变托管应用的行为。如果它位于权重内部,你需要一种改变权重的方法或一组不同的权重。
选项 1:绕过拒绝的提示词
成本最低的尝试是使用系统提示词设置角色、目的和输出格式。对于模型出于谨慎而拒绝的边缘请求,清晰且诚实的上下文(“这是用于小说手稿”,“这是我获权运行的安全训练练习”)有时能改变结果。
问题在于实用性。结果每次运行都不同。同一个提示词在周一有效,但在模型更新后失败。长角色扮演提示词会消耗上下文并在每次调用时消耗 token。如果你基于提示词技巧构建产品,你就基于模型所有者可以修补的东西构建了它。将提示词视为快速测试,而不是应用的基础。
方案 2:微调权重
微调在模型回答它过去拒绝的请求的示例上继续训练。LoRA 等方法通过训练小型适配器矩阵而不是每个参数来降低成本。它有效,但前提是你拥有良好的数据、GPU 设置以及评估结果的耐心。
根据公开发布的信息,完整的 R1 是一个具有 6710 亿参数的混合专家模型。即使经过量化,它也需要数百 GB 的内存来运行,因此大多数进行微调的人都在较小的蒸馏版本上工作。这些模型与完整的 R1 不同,推理能力更弱。你还可能损害通用能力:在拒绝上用力过猛会使模型在其他方面变得不严谨。
选项 3:消融化
消融法是一种源于可解释性研究的技术。研究人员发现,在许多聊天模型中,拒绝主要由模型内部激活中的单个方向介导。如果你估计该方向(通过比较模型拒绝的提示词与它回答的提示词的激活),你可以将其从权重中投影出去。不需要对新数据进行梯度训练。
它比微调便宜,社区已经发布了许多开放模型的消融化版本。权衡是真实的。编辑是粗略的,所以质量可能会略有下降。拒绝可能会减少而不是消除。而且你仍然需要硬件来运行结果,对于 R1 大小的推理模型来说,这是最难的部分。自己做这意味着下载权重、运行激活分析并测试输出是否有回归。
方案 4:使用已经调整过无拒绝的模型
对于大多数开发人员来说,最简单的路径是不修改任何东西。使用为合法成人用途调整过无内容拒绝的托管模型,并通过 API 调用它。你跳过了 GPU、数据和评估工作。
明确那是什么。此 API 不是 DeepSeek 也不是 R1。它是一个由独立提供商运行的单一开放权重模型,不是 DeepSeek 或任何其他供应商的官方 API,也不是跨供应商的路由器。如果你需要 R1 特定的推理风格,这将无法替代它。如果你的目标是模型不拒绝普通的成人向小说、角色扮演或直白的讨论,它直接覆盖该目标。硬限制仍然存在:禁止涉及未成年人的性内容。
它与 OpenAI 兼容,因此迁移现有的 DeepSeek 风格集成意味着更改 base URL、密钥和模型名称。
from openai import OpenAI
client = OpenAI(
base_url="https://api.uncensoreddeepseek.com/v1",
api_key="YOUR_KEY",
)
resp = client.chat.completions.create(
model="uncensored",
messages=[
{"role": "system", "content": "You are a candid co-writer for adult fiction."},
{"role": "user", "content": "Draft a tense interrogation scene between two rival detectives."},
],
temperature=0.8,
)
print(resp.choices[0].message.content)
并排对比
| 路由 | 精力 | 所需硬件 | 可靠性 |
|---|---|---|---|
| 提示词 | 分钟 | 无 | 低,因提示词和模型版本而异 |
| 微调 | 天数,以及数据 | 大内存的 GPU | 数据好则效果好 |
| 消融 | 数小时至数天 | 加载模型所需的足够内存 | 中等,可能降低质量 |
| 托管无审查 API | 分钟 | 无 | 一致,单一模型 |
托管路线的成本为每 100 万输入 token $0.15,每 100 万输出 token $0.50,按量付费。1000 token 的提示词加上 500 token 的回复成本为 $0.00015 加上 $0.00025,即 $0.0004。要了解这些费率如何与 DeepSeek 自己的价格相比,请参阅DeepSeek API 定价和DeepSeek 与 OpenAI 价格分解。
无承诺试用
新用户可以在使用 Google 或电子邮件和密码注册后,在 API 密钥页面 上一键领取 $0.50 的免费试用额度。不需要信用卡,额度有效期为 7 天。试用密钥允许 2 个并发请求和每分钟 60 个请求,这足以测试几个你的当前模型会拒绝的提示词。流式输出、函数调用和 JSON 模式与任何 OpenAI 风格客户端的工作方式相同,文档 列出了所有接口。
提示词不用于训练。仅限合法成人用途,且未成年人规则不可协商。
更多指南
问答
此 API 是去除了过滤器的 DeepSeek R1 吗?
不是。它是独立提供商运行的不同开放权重模型。它不是 DeepSeek 的 API,也不是 R1 的修改版。
系统提示词能完全去除 R1 的审查吗?
不可靠。提示词可以改变边缘情况,但训练中习得的拒绝行为会不可预测地出现,且模型外的托管过滤器不受你的提示词影响。
一句话解释消融化
它从模型权重中移除在激活中发现的拒绝方向,从而在不使用新数据重新训练的情况下减少拒绝。
此模型会显示类似 R1 的思维链吗?
不会。它是不同的模型,因此不要期望 R1 的行为。测试你的提示词并查看你实际获得的响应格式。