Démarrage rapide : Intégration de l'API sans censure

Configuration de l'URL de base et de l'authentification

Commencez par pointer votre client vers notre URL de base et utilisez un jeton Bearer. L'endpoint est https://api.howmuchisdeepseekapi.com/v1. Vous récupérez votre clé en cliquant sur 'Obtenir la clé API' sur la page d'inscription, où vous pouvez vous connecter avec Google ou utiliser un e-mail et un mot de passe. Aucun numéro de téléphone n'est requis, et la clé apparaît immédiatement. Vous n'avez besoin que d'une clé active par compte ; en générer une nouvelle remplace l'ancienne.

L'authentification est standard. Passez la clé dans le Authorization header. Cette configuration fonctionne avec les clients Python ou JS officiels d'OpenAI. Il vous suffit de configurer l'URL de base et la clé API dans votre objet client. Cela garantit que votre code existant s'exécute sans refonte majeure.

Copycurl https://api.howmuchisdeepseekapi.com/v1/chat/completions \
  -H "Authorization: Bearer $API_KEY" \
  -H "Content-Type: application/json" \
  -d '{
    "model": "uncensored",
    "messages": [{"role": "user", "content": "What is the current pricing for the deepseek api endpoint"}]
  }'

Point de terminaison Chat Completions (/v1/chat/completions)

Envoyez vos prompts au point de terminaison de complétion de chat. C'est ici que le texte en devient du texte out. L'ID de modèle que vous devez utiliser est uncensored. C'est un modèle à poids ouverts, optimisé pour répondre sans refus pour une utilisation adulte légale. Ce n'est ni GPT, ni Claude, ni DeepSeek. Envoyez vos messages sous forme de tableau d'objets contenant le rôle et le contenu.

L'API attend des structures JSON standard. Vous pouvez inclure les rôles system, user et assistant. La réponse contiendra la réponse du modèle. Les erreurs comme le manque de crédit renvoient un statut 402. Les clés invalides renvoient 401. Ces codes standard vous aident à gérer les échecs de manière élégante dans la logique de votre application.

Copyfrom openai import OpenAI

client = OpenAI(base_url="https://api.howmuchisdeepseekapi.com/v1", api_key="YOUR_KEY")

resp = client.chat.completions.create(
    model="uncensored",
    messages=[{"role": "user", "content": "Summarise this thread without softening it."}],
)
print(resp.choices[0].message.content)

Point de terminaison de la liste des modèles (/v1/models)

Interrogez le point de terminaison des modèles pour vérifier la connectivité. Envoyez une requête GET à /v1/models. La réponse liste les modèles disponibles. Vous verrez le uncensored ID du modèle répertorié ici. Cela confirme que votre authentification fonctionne correctement.

Ce point de terminaison est utile pour le débogage. Si vous obtenez une erreur 404 ou 500, votre URL de base est peut-être incorrecte. Utilisez cet appel pour vous assurer que votre client peut atteindre nos serveurs avant d'envoyer des charges lourdes. Il retourne un objet liste simple contenant les détails du modèle.

Copyimport OpenAI from "openai";

const client = new OpenAI({ baseURL: "https://api.howmuchisdeepseekapi.com/v1", apiKey: process.env.API_KEY });

const resp = await client.chat.completions.create({
  model: "uncensored",
  messages: [{ role: "user", content: "Draft a villain monologue for my game." }],
});
console.log(resp.choices[0].message.content);

Réponses en streaming et consommation de jetons

Activez le streaming en définissant stream: true dans votre requête. L'API renvoie des événements envoyés par le serveur (SSE). Chaque fragment contient du texte partiel. Le dernier fragment inclut les statistiques d'utilisation des jetons. Cela vous permet d'afficher du texte aux utilisateurs en temps réel.

Les comptes de tokens sont cruciaux pour la facturation. Vous payez 0,15 $ par 1M de tokens d'entrée et 0,50 $ par 1M de tokens de sortie. Les erreurs sont gratuites. Les données d'utilisation dans le dernier morceau vous aident à suivre les coûts avec précision. Vous pouvez également définir max_tokens pour limiter la sortie. Si non défini, le maximum est de 2 048 jetons.

Copystream = client.chat.completions.create(
    model="uncensored",
    messages=[{"role": "user", "content": "Tell the story in second person."}],
    stream=True,
)
for chunk in stream:
    if chunk.choices and chunk.choices[0].delta.content:
        print(chunk.choices[0].delta.content, end="", flush=True)

Appel de fonction et mode JSON

Utiliser l'appel de fonctions pour des sorties structurées. Définissez les outils dans le corps de votre requête. Le modèle répondra par des appels de fonction si nécessaire. Vous pouvez également imposer le mode JSON en définissant response_format à {"type": "json_object"}. Cela garantit que la sortie est du JSON valide.

Paramètres comme temperature et top_p contrôle l'aléatoire. Utilisez stop séquences pour interrompre la génération. Vous pouvez également définir presence_penalty et frequency_penalty pour réduire les répétitions. Ces outils vous donnent un contrôle fin du comportement du modèle.

Paramètres : Température, Top-p et Stop Sequences

Ajuster temperature pour la créativité. Des valeurs plus élevées produisent des sorties plus diversifiées. Définissez top_p pour contrôler l'échantillonnage du noyau. Utilisez stop séquences pour terminer la génération à des chaînes spécifiques. Ces paramètres vous aident à ajuster le modèle pour votre cas d'utilisation spécifique.

Vous pouvez également définir un seed pour des sorties déterministes. C'est utile pour le débogage. La fenêtre de contexte est de 100 000 tokens pour l'invite et la complétion combinées. La sortie maximale est de 16 000 tokens par demande. Cela permet des conversations longues sans perdre le contexte.