Швидкий старт: Інтеграція необмеженого API

Налаштування базової URL-адреси та аутентифікації

Почніть з того, щоб вказати клієнту на нашу базову URL-адресу та використовувати Bearer-токен. Кінцева точка знаходиться за адресою https://api.howmuchisdeepseekapi.com/v1. Ви отримуєте свій ключ, натиснувши 'Отримати API-ключ' на сторінці реєстрації, де ви можете увійти через Google або використати електронну пошту та пароль. Номер телефону не потрібен, і ключ з’являється миттєво. Вам потрібен лише один активний ключ на обліковий запис; генерація нового замінює старий.

Аутентифікація стандартна. Передайте ключ у Authorization header. Ця конфігурація працює з офіційними Python або JS клієнтами OpenAI. Вам просто потрібно налаштувати базову URL-адресу та API-ключ у об'єкті клієнта. Це гарантує, що ваш існуючий код працюватиме без значних змін.

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"}]
  }'

Ендпоінт Chat Completions (/v1/chat/completions)

Надішліть свої промпти до кінцевої точки chat completion. Тут текст входить, а текст виходить. Ідентифікатор моделі, який ви повинні використовувати, це uncensored. Це модель з відкритими вагами, налаштована на відповіді без відмов для законного дорослого використання. Це не GPT, Claude чи DeepSeek. Надсилайте свої повідомлення як масив об'єктів role та content.

API очікує стандартні структури JSON. Ви можете включати ролі system, user та assistant. У відповіді буде міститися відповідь моделі. Помилки, такі як відсутність кредиту, повертають статус 402. Недійсні ключі повертають 401. Ці стандартні коди допомагають вам коректно обробляти збої у логіці вашої програми.

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)

Кінцева точка переліку моделей (/v1/models)

Запитайте до кінцевої точки models, щоб перевірити підключення. Надішліть GET-запит на /v1/models. Відповідь перелічує доступні моделі. Ви побачите uncensored model ID, зазначений тут. Це підтверджує, що ваша автентифікація працює коректно.

Цей ендпоінт корисний для налагодження. Якщо ви отримуєте помилку 404 або 500, ваш базовий URL може бути неправильним. Використовуйте цей запит, щоб переконатися, що ваш клієнт може зв'язатися з нашими серверами перед надсиланням важких завантажень. Він повертає простий список об'єктів, що містить деталі моделі.

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);

Потокові відповіді та використання токенів

Увімкніть потокову передачу, встановивши stream: true у вашому запиті. API повертає події, надіслані сервером (SSE). Кожен фрагмент містить частковий текст. Останній фрагмент містить статистику використання токенів. Це дозволяє відображати текст користувачам у реальному часі.

Кількість токенів критично важлива для билінгу. Ви платите $0.15 за 1M токенів вводу та $0.50 за 1M токенів виводу. Помилки безкоштовні. Дані про використання в останньому фрагменті допомагають точно відстежувати витрати. Ви також можете встановити max_tokens щоб обмежити вивід. Якщо не встановлено, максимальне значення становить 2 048 токенів.

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 та режим JSON

Використовуйте виклик функцій для структурованих результатів. Визначте інструменти в тілі запиту. Модель відповідатиме викликами функцій, коли це доречно. Ви також можете примусово увімкнути режим JSON, встановивши response_format до {"type": "json_object"}. Це забезпечує, що вивід є дійсним JSON.

Parameters like temperature та top_p контролюйте випадковість. Використовуйте stop послідовності для зупинки генерації. Ви також можете встановити presence_penalty та frequency_penalty щоб зменшити повторення. Ці інструменти дають вам детальний контроль над поведінкою моделі.

Параметри: Temperature, Top-p та Стоп-слова

Налаштувати temperature для творчості. Вищі значення дають більш різноманітні результати. Встановіть top_p для контролю вибірки ядра. Використовуйте stop послідовності для завершення генерації за певними рядками. Ці параметри допомагають налаштувати модель під ваш конкретний випадок використання.

Ви також можете встановити seed для детермінованих результатів. Це корисно для налагодження. Контекстне вікно становить 100 000 токенів для запиту та завершення разом. Максимальний обсяг виводу — 16 000 токенів за запит. Це дозволяє вести довгі розмови без втрати контексту.