Быстрый старт: Интеграция нецензурируемого API

Настройка базового URL и аутентификации

Начните с указания клиента на наш базовый URL и использования токена Bearer. Конечная точка находится по адресу https://api.howmuchisdeepseekapi.com/v1. Вы получаете свой ключ, нажав «Получить API-ключ» на странице регистрации, где вы можете войти через Google или использовать email и пароль. Номер телефона не требуется, и ключ появляется сразу. Вам нужен только один активный ключ на учетную запись; генерация нового заменяет старый.

Аутентификация стандартная. Передайте ключ в Authorization header. Эта настройка работает с официальными Python или JS клиентами OpenAI. Вам просто нужно настроить базовый URL и API-ключ в объекте клиента. Это гарантирует, что ваш существующий код будет работать без серьезной рефакторинга.

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"}]
  }'

Эндпоинт Chat Completions (/v1/chat/completions)

Передавайте свои промпты в конечную точку chat completions. Здесь текст на превращается в текст на. Идентификатор модели, который вы должны использовать, — uncensored. Это модель с открытым весом, настроенная на ответы без отказов для законного использования для взрослых. Это не GPT, Claude или DeepSeek. Отправляйте сообщения в виде массива объектов с ролями и содержимым.

API ожидает стандартные структуры JSON. Вы можете включать роли system, user и assistant. В ответе будет содержаться ответ модели. Ошибки, такие как отсутствие средств, возвращают статус 402. Недействительные ключи возвращают 401. Эти стандартные коды помогают корректно обрабатывать сбои в логике вашего приложения.

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)

Конечная точка списка моделей (/v1/models)

Запрос эндпоинта моделей для проверки подключения. Отправьте GET-запрос на /v1/models. В ответе перечисляются доступные модели. Вы увидите uncensored идентификатор модели, указанный здесь. Это подтверждает, что ваша аутентификация работает корректно.

Этот эндпоинт полезен для отладки. Если вы получаете ошибку 404 или 500, возможно, указан неверный базовый URL. Используйте этот вызов, чтобы убедиться, что ваш клиент может связаться с нашими серверами, прежде чем отправлять большие объёмы данных. Он возвращает простой список объектов, содержащий детали модели.

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);

Потоковые ответы и использование токенов

Включите потоковую передачу, установив stream: true в вашем запросе. API возвращает Server-Sent Events (SSE). Каждый фрагмент содержит частичный текст. Последний фрагмент включает статистику использования токенов. Это позволяет отображать текст пользователям в реальном времени.

Количество токенов критично для биллинга. Вы платите $0.15 за 1M входных токенов и $0.50 за 1M выходных токенов. Ошибки бесплатны. Данные об использовании в последнем чанке помогают точно отслеживать расходы. Вы также можете установить max_tokens для ограничения вывода. Если не задано, максимум — 2 048 токенов.

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)

Function Calling и режим JSON

Используйте вызов функций для структурированных выводов. Определите инструменты в теле запроса. Модель будет отвечать вызовами функций, когда это уместно. Вы также можете принудительно включить режим JSON, установив response_format для {"type": "json_object"}. Это обеспечивает, что вывод является допустимым JSON.

Параметры, такие как temperature и top_p управляйте случайностью. Используйте stop последовательности для остановки генерации. Вы также можете установить presence_penalty и frequency_penalty для уменьшения повторов. Эти инструменты дают вам тонкий контроль над поведением модели.

Параметры: Temperature, Top-p и стоп-последовательности

Настроить temperature для творчества. Более высокие значения дают более разнообразные результаты. Установите top_p для управления выборкой ядра. Используйте stop последовательности для завершения генерации при достижении определенных строк. Эти параметры помогают настроить модель под ваши конкретные задачи.

Вы также можете установить seed для детерминированных результатов. Это полезно для отладки. Контекстное окно составляет 100 000 токенов для промпта и завершения вместе. Максимальный вывод — 16 000 токенов на запрос. Это позволяет вести длинные разговоры без потери контекста.