क्विकस्टार्ट: अनसेंसर्ड API इंटीग्रेशन

बेस URL और प्रमाणीकरण सेटअप

अपने क्लाइंट को हमारे बेस यूआरएल की ओर निर्देशित करें और एक Bearer टोकन का उपयोग करें। एंडपॉइंट https://api.howmuchisdeepseekapi.com/v1. आप अपनी कुंजी साइनअप पेज पर 'Get API key' पर क्लिक करके पुनः प्राप्त करते हैं, जहां आप Google से साइन इन कर सकते हैं या ईमेल और पासवर्ड का उपयोग कर सकते हैं। फोन नंबर की आवश्यकता नहीं है, और कुंजी तुरंत दिखाई देती है। आपको प्रति खाता केवल एक सक्रिय कुंजी की आवश्यकता होती है; एक नई उत्पन्न करने से पुरानी कुंजी प्रतिस्थापित हो जाती है।

प्रमाणीकरण मानक है। कुंजी को Authorization हेडर। यह सेटअप आधिकारिक OpenAI Python या JS क्लाइंट्स के साथ काम करता है। आपको बस बेस यूआरएल और API कुंजी को अपने क्लाइंट ऑब्जेक्ट में कॉन्फ़िगर करना है। यह सुनिश्चित करता है कि आपका मौजूदा कोड बिना बड़े रीफैक्टoring के चले।

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"}]
  }'

चैट कंप्लीशंस एंडपॉइंट (/v1/chat/completions)

अपने प्रॉम्प्ट्स चैट कंप्लीशन्स एंडपॉइंट पर भेजें। यहाँ टेक्स्ट इन, टेक्स्ट आउट बनता है। आपको जिस मॉडल आईडी का उपयोग करना है वह uncensored. यह एक ओपन-वेट मॉडल है जिसे कानूनी वयस्क उपयोग के लिए बिना रिफ्यूजल के जवाब देने के लिए ट्यून्ड किया गया है। यह GPT, क्लॉड, या डीपसीक नहीं है। अपने संदेशों को भूमिका और सामग्री ऑब्जेक्ट्स के एक सरणि के रूप में भेजें।

API मानक JSON संरचनाओं की उम्मीद करता है। आप सिस्टम, उपयोगकर्ता और असिस्टेंट भूमिकाएं शामिल कर सकते हैं। प्रतिक्रिया में मॉडल की प्रतिक्रिया शामिल होगी। क्रेडिट की कमी जैसी त्रुटियां 402 स्टेटस लौटाती हैं। अमान्य कुंजियां 401 लौटाती हैं। ये मानक कोड आपके अनुप्रयोग तर्क में विफलताओं को सहजता से संभालने में मदद करते हैं।

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)

मॉडल लिस्टिंग एंडपॉइंट (/v1/models)

कनेक्टिविटी की पुष्टि करने के लिए मॉडल्स एंडपॉइंट को क्वेरी करें। एक GET अनुरोध भेजें /v1/models. प्रतिक्रिया उपलब्ध मॉडल की सूची देती है। आप देखेंगे uncensored यहाँ सूचीबद्ध मॉडल ID। यह पुष्टि करता है कि आपका प्रमाणीकरण सही ढंग से काम कर रहा है।

यह एंडपॉइंट डिबगिंग के लिए उपयोगी है। यदि आपको 404 या 500 एरर मिलता है, तो आपका बेस यूआरएल गलत हो सकता है। भारी पेलोड्स भेजने से पहले इस कॉल का उपयोग करें ताकि सुनिश्चित हो सके कि आपका क्लाइंट हमारे सर्वर्स तक पहुंच सकता है। यह मॉडल विवरण वाले एक सरल लिस्ट ऑब्जेक्ट लौटाता है।

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);

स्ट्रीमिंग रिस्पॉन्सेस और टोकन उपयोग

सेटिंग करके स्ट्रीमिंग सक्षम करें stream: true आपके अनुरोध में। API Server-Sent Events (SSE) लौटाता है। प्रत्येक खंड आंशिक टेक्स्ट शामिल करता है। अंतिम खंड में टोकन उपयोग सांख्यिकी शामिल होती है। यह आपको उपयोगकर्ताओं के लिए टेक्स्ट को वास्तविक समय में प्रदर्शित करने की अनुमति देता है।

टोकन गिनती बिलिंग के लिए महत्वपूर्ण है। आप प्रति 1M इनपुट टोकन के लिए $0.15 और प्रति 1M आउटपुट टोकन के लिए $0.50 भुगतान करते हैं। त्रुटियां मुफ्त हैं। अंतिम चंक में उपयोग डेटा आपको लागत को सटीक रूप से ट्रैक करने में मदद करता है। आप सेट भी कर सकते हैं max_tokens आउटपुट को सीमित करने के लिए। यदि सेट नहीं किया गया है, तो अधिकतम 2,048 टोकन है।

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)

फंक्शन कॉलिंग और JSON मोड

संरचित आउटपुट के लिए फ़ंक्शन कॉलिंग का उपयोग करें। अपने अनुरोध बॉडी में टूल परिभाषित करें। मॉडल उचित होने पर फ़ंक्शन कॉल के साथ प्रतिक्रिया देगा। आप JSON मोड को लागू कर सकते हैं सेट करके response_format को {"type": "json_object"}. यह सुनिश्चित करता है कि आउटपुट मान्य JSON हो।

तापमान जैसे पैरामीटर temperature और top_p यादृच्छिकता को नियंत्रित करें। उपयोग करें stop सीक्वेंस का उपयोग जनरेशन रोकने के लिए। आप सेट भी कर सकते हैं presence_penalty और frequency_penalty ये टूल मॉडल के व्यवहार पर सूक्ष्म नियंत्रण प्रदान करते हैं।

पैरामीटर: तापमान, Top-p, और स्टॉप सीक्वेंसेस

समायोजित करें temperature रचनात्मकता के लिए। उच्च मान अधिक विविध आउटपुट उत्पन्न करते हैं। Set top_p न्यूक्लियस सैंपलिंग को नियंत्रित करने के लिए। उपयोग करें stop विशिष्ट स्ट्रिंग्स पर जनरेशन समाप्त करने के लिए अनुक्रम। ये पैरामीटर आपको अपनी विशिष्ट उपयोग स्थिति के लिए मॉडल को ट्यून करने में मदद करते हैं।

आप एक सेट भी कर सकते हैं seed निर्धारक आउटपुट के लिए। यह डीबगिंग के लिए उपयोगी है। प्रॉम्प्ट और पूर्णता के लिए संदर्भ विंडो 100,000 टोकन है। प्रति अनुरोध अधिकतम आउटपुट 16,000 टोकन है। इससे संदर्भ खोए बिना लंबी बातचीत की अनुमति मिलती है।