Snabbstart: Uncensored API-integration

Bas URL och autentisering setup

Börja med att peka din klient mot vår bas-URL och använd en Bearer-token. Slutpunkten är https://api.howmuchisdeepseekapi.com/v1. Du hämtar din nyckel genom att klicka på 'Hämta API-nyckel' på sidan för registrering, där du kan logga in med Google eller använda e-post och lösenord. Inget telefonnummer krävs, och nyckeln visas omedelbart. Du behöver bara en aktiv nyckel per konto; att generera en ny ersätter den gamla.

Autentiseringen är standard. Skicka nyckeln i Authorization header. Denna konfiguration fungerar med de officiella OpenAI Python- eller JS-klienterna. Du konfigurerar bara bas-URL:en och API-nyckeln i ditt klientobjekt. Detta säkerställer att din befintliga kod körs utan större omstrukturering.

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"}]
  }'

Slutpunkt för chattkomplettering (/v1/chat/completions)

Skicka dina prompts till chattkompletteringsslutpunkten. Här blir text in till text ut. Modell-ID:et du måste använda är uncensored. Det är en modell med öppen vikt som är optimerad för att svara utan avvisningar för laglig vuxenanvändning. Det är inte GPT, Claude eller DeepSeek. Skicka dina meddelanden som en matris med objekt för roll och innehåll.

API:et förväntar sig standardiserade JSON-strukturer. Du kan inkludera system-, användar- och assistentroller. Svaret kommer att innehålla modellens svar. Fel som saknande kreditbelopp returnerar status 402. Ogiltiga nycklar returnerar 401. Dessa standardkoder hjälper dig att hantera fel smidigt i din applikationslogik.

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)

Modelllistningsändpunkt (/v1/models)

Fråga models-slutpunkten för att verifiera anslutningen. Skicka en GET-förfrågan till /v1/models. Svaret listar tillgängliga modeller. Du kommer att se uncensored modell-ID som listas här. Detta bekräftar att din autentisering fungerar korrekt.

Denna slutpunkt är användbar för felsökning. Om du får ett 404- eller 500-fel kan din bas-URL vara felaktig. Använd detta anrop för att säkerställa att din klient kan nå våra servrar innan du skickar tunga payload. Den returnerar ett enkelt listobjekt som innehåller modellinformationen.

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);

Strömningsresponser och tokenanvändning

Aktivera strömning genom att ställa in stream: true i ditt begäran. API:et returnerar Server-Sent Events (SSE). Varje del innehåller delvis text. Den sista delen innehåller statistik över tokenanvändning. Detta gör att du kan visa text till användare i realtid.

Tokenantal är avgörande för fakturering. Du betalar $0.15 per 1M inmatningstokens och $0.50 per 1M utmatningstokens. Fel är kostnadsfria. Användningsdata i den sista biten hjälper dig att spåra kostnader korrekt. Du kan också ställa in max_tokens att begränsa utdata. Om det inte anges är max 2 048 tokens.

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)

Funktionsanrop och JSON-läge

Använd funktionsanrop för strukturerade utdata. Definiera verktyg i din begärans kropp. Modellen svarar med funktionsanrop när det är lämpligt. Du kan också tvinga JSON-läge genom att ställa in response_format för {"type": "json_object"}. Detta säkerställer att utdatan är giltig JSON.

Parameters like temperature och top_p kontrollera slumpmässigheten. Använd stop sekvenser för att avbryta genereringen. Du kan också ställa in presence_penalty och frequency_penalty för att minska repetition. Dessa verktyg ger dig finmaskig kontroll över modellens beteende.

Parametrar: Temperatur, Top-p och Stop-sekvenser

Justera temperature för kreativitet. Högre värden ger mer varierade utdata. Ställ in top_p för att styra kärnprovtagning. Använd stop sekvenser för att avsluta genereringen vid specifika strängar. Dessa parametrar hjälper dig att finjustera modellen för ditt specifika användningsfall.

Du kan också ställa in en seed för deterministiska utdata. Detta är användbart för felsökning. Kontextfönstret är 100 000 token för prompt och komplettering tillsammans. Max utdata är 16 000 token per begäran. Detta möjlåter långa konversationer utan att tappa kontext.