快速上手：無審查 API 整合

基礎 URL 與驗證設定

首先將您的客戶端指向我們的基礎 URL，並使用 Bearer token。端點為 https://api.howmuchisdeepseekapi.com/v1. 您可以透過點擊註冊頁面上的「取得 API 金鑰」來取得您的金鑰，您可以在該頁面使用 Google 登入或使用電子郵件和密碼。不需要電話號碼，金鑰會立即顯示。每個帳戶只需要一個有效的金鑰；生成新的金鑰將取代舊的金鑰。

驗證是標準的。將金鑰傳遞至 Authorization 標頭。此設定與官方的 OpenAI Python 或 JS 客戶端搭配使用。您只需在客戶端物件中設定基礎 URL 和 API 金鑰即可。這能確保您現有的程式碼無需大幅重構即可運行。

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"}]
  }'

聊天完成端點 (/v1/chat/completions)

向聊天完成端點發送您的提示詞。這是文字輸入轉為文字輸出的地方。您必須使用的模型 ID 是 uncensored. 它是一個開放權重的模型，針對無審查地進行回答進行了調優，適用於合法成人用途。它不是 GPT、Claude 或 DeepSeek。將您的消息作為包含 role 和 content 對象的數組發送。

API 期望標準的 JSON 結構。您可以包含 system、user 和 assistant 角色。回應將包含模型的回覆。餘額不足等錯誤會返回 402 狀態碼。無效金鑰返回 401。這些標準代碼有助於您在應用程式邏輯中優雅地處理失敗。

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)

模型列出具體端點 (/v1/models)

查詢 models 端點以驗證連線。發送 GET 請求至 /v1/models. 回應列出可用的模型。您將看到 uncensored 此處列出的模型 ID。這確認您的身份驗證運作正常。

此端點有助於除錯。如果您收到 404 或 500 錯誤，您的基礎 URL 可能有誤。使用此呼叫確保您的客戶端能夠在發送大量負載之前連接到我們的伺服器。它返回一個包含模型詳細資訊的簡單列表物件。

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);

串流回應與 Token 用量

在請求主體中將 stream: true 在您的請求中。API 返回伺服器發送事件 (SSE)。每個區塊包含部分文字。最後一個區塊包含 token 使用統計數據。這使您能即時向使用者顯示文字。

Token 計數對於計費至關重要。您每 1M 輸入 Token 支付 $0.15，每 1M 輸出 Token 支付 $0.50。錯誤免費。最後一個區塊中的使用數據有助於您準確追蹤成本。您也可以設定 max_tokens 以限制輸出。若未設定，最大值為 2,048 個 token。

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)

函式呼叫與 JSON 模式

使用函式呼叫進行結構化輸出。在請求主體中定義工具。模型將在適當時回應函式呼叫。你也可以透過設定 response_format 以 {"type": "json_object"}. 這可確保輸出是有效的 JSON。

類似 temperature 和 top_p 控制隨機性。使用 stop 序列以停止生成。您也可以設定 presence_penalty 和 frequency_penalty 減少重複。這些工具讓您可以對模型行為進行細粒度控制。

參數：Temperature、Top-p 與 Stop Sequences

調整 temperature 用於創意。較高的值會產生更多樣化的輸出。設定 top_p 控制核取樣。使用 stop 序列以在特定字串處終止生成。這些參數可幫助您針對特定用例調整模型。

您也可以設定一個 seed 用於確定性輸出。這對於除錯很有用。上下文視窗為 100,000 token（提示與完成合計）。每次請求的最大輸出為 16,000 token。這允許在不丟失上下文的情況下進行長對話。