빠른 시작: 무검열 API 통합하기

Base URL 및 인증 설정

클라이언트를 기본 URL로 가리키고 Bearer 토큰을 사용하세요. 엔드포인트는 https://api.howmuchisdeepseekapi.com/v1가입 페이지에서 'API 키 가져오기'를 클릭하여 키를 검색하세요. 여기서 구글로 로그인하거나 이메일과 비밀번호를 사용할 수 있습니다. 전화번호는 필요하지 않으며 키가 즉시 표시됩니다. 계정당 활성 키는 하나만 필요하며, 새 키를 생성하면 이전 키가 대체됩니다.

인증은 표준 방식입니다. 헤더에 키를 전달하세요. Authorization header. 이 설정은 공식 OpenAI Python 또는 JS 클라이언트와 호환됩니다. 클라이언트 객체에 베이스 URL과 API 키를 구성하기만 하면 됩니다. 기존 코드를 대대적으로 리팩토링하지 않고도 실행할 수 있습니다.

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"}]
  }'

채팅 완료 엔드포인트 (/v1/chat/completions)

chat completions 엔드포인트로 프롬프트를 전송하세요. 텍스트가 입력되어 텍스트가 출력되는 곳입니다. 사용해야 하는 모델 ID는 uncensored. 합법적인 성인용 콘텐츠에 대한 거부 없이 답변하도록 튜닝된 오픈 가중치 모델입니다. GPT, Claude 또는 DeepSeek가 아닙니다. 메시지를 역할과 콘텐츠 객체의 배열로 전송하세요.

API는 표준 JSON 구조를 기대합니다. 시스템, 사용자, 어시스턴트 역할을 포함할 수 있습니다. 응답에는 모델의 답변이 포함됩니다. 크레딧 부족과 같은 오류는 402 상태를 반환하며, 유효하지 않은 키는 401을 반환합니다. 이러한 표준 코드는 애플리케이션 로직에서 오류를 원활하게 처리하는 데 도움이 됩니다.

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)

모델 리스팅 엔드포인트 (/v1/models)

연결을 확인하기 위해 모델 엔드포인트를 쿼리합니다. 에 GET 요청을 보내세요. /v1/models. 응답은 사용 가능한 모델 목록을 제공합니다. 다음을 보게 됩니다 uncensored 여기에 나열된 모델 ID를 사용합니다. 이는 인증이 올바르게 작동하고 있음을 확인합니다.

이 엔드포인트는 디버깅에 유용합니다. 404 또는 500 오류가 발생하면 기본 URL이 잘못되었을 수 있습니다. 무거운 페이로드를 전송하기 전에 클라이언트가 서버에 도달할 수 있는지 확인하려면 이 호출을 사용하세요. 모델 정보를 포함하는 간단한 목록 개체를 반환합니다.

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);

스트리밍 응답 및 토큰 사용량

stream을 true로 설정하여 스트리밍 활성화 stream: true 요청에 포함됩니다. API는 서버 전송 이벤트(SSE)를 반환합니다. 각 청크에는 부분 텍스트가 포함됩니다. 마지막 청크에는 토큰 사용량 통계가 포함됩니다. 이를 통해 사용자에게 실시간으로 텍스트를 표시할 수 있습니다.

토큰 수는 청구에 중요합니다. 1M 입력 토큰당 $0.15, 1M 출력 토큰당 $0.50을 지불합니다. 오류는 무료입니다. 마지막 청크의 사용량 데이터는 비용 정확 추적을 돕습니다. 또한 설정할 수도 있습니다 max_tokens 출력을 제한합니다. 설정되지 않은 경우 최대값은 2,048 토큰입니다.

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)

함수 호출 및 JSON 모드

구조화된 출력을 위해 함수 호출을 사용하세요. 요청 본문에 도구를 정의하세요. 모델은 적절한 경우 함수 호출로 응답합니다. 또한 다음을 설정하여 JSON 모드를 강제할 수도 있습니다. response_format 수신하여 {"type": "json_object"}출력이 유효한 JSON임을 보장합니다.

온도 같은 temperature 및 top_p 무작위성을 제어합니다. 사용 stop 생성을 중단하기 위한 시퀀스. 또한 presence_penalty 및 frequency_penalty 이 도구들은 모델 동작에 세밀한 제어를 제공합니다.

파라미터: Temperature, Top-p 및 Stop 시퀀스

조정 temperature 창의성. 더 높은 값은 더 다양한 출력을 생성합니다. 설정 top_p 핵심 샘플링을 제어합니다. 사용 stop 특정 문자열에서 생성을 종료하기 위한 시퀀스. 이러한 매개변수를 사용하면 특정 사용 사례에 맞게 모델을 조정할 수 있습니다.

최대 seed 결정론적 출력. 디버깅에 유용합니다. 컨텍스트 윈도우는 프롬프트와 완료를 합쳐 100,000 토큰입니다. 최대 출력은 요청당 16,000 토큰입니다. 이는 컨텍스트 손실 없이 긴 대화를 가능하게 합니다.