API-Dokumentation

Basis-URL und Authentifizierung

Verbinden Sie sich mit Ihrem API-Schlüssel für den sofortigen Zugriff auf die unzensierte LLM. Alle Anfragen erfordern ein gültiges Bearer-Token im Authorization-Header. Wir berechnen keine Gebühren für fehlgeschlagene Authentifizierungen oder Modell-Routing-Fehler.

Verwenden Sie die Basis-URL https://api.deepseekapiprices.com/v1 mit jedem Standard-OpenAI-SDK. Ihr Schlüssel gewährt Zugriff auf die uncensored Modell. Für die Anmeldung ist keine Telefonnummer erforderlich, und der Schlüssel wird sofort nach der Kontoeinrichtung angezeigt.

Authentifizierungsbeispiel

Ersetzen your-api-key mit Ihrem tatsächlichen Schlüssel. Der Server validiert das Token, bevor er Ihre Anfrage verarbeitet.

Erste Anfrage

Sende eine einfache Chat-Vervollständigung, um die Konnektivität und die Antwortqualität zu testen. Dieser Endpunkt gibt Text in der choices[0].message.content Feld. Wir unterstützen Funktionsaufrufe und den JSON-Modus für strukturierte Ausgaben.

• Modell-ID: uncensored
• Endpunkt: POST /v1/chat/completions
• Max. Output: 16.000 Tokens

Die folgende Anfrage demonstriert eine grundlegende Eingabe. Stellen Sie sicher, dass Ihr API-Schlüssel korrekt ist, um einen 401-Fehler zu vermeiden.

Copycurl https://api.deepseekapiprices.com/v1/chat/completions \
  -H "Authorization: Bearer $API_KEY" \
  -H "Content-Type: application/json" \
  -d '{
    "model": "uncensored",
    "messages": [{"role": "user", "content": "Translate this technical documentation to German"}]
  }'

Überprüfen Sie, ob die Antwortstruktur dem OpenAI-Standard entspricht. Dies stellt sicher, dass Sie Anbieter wechseln können, ohne Ihre Anwendungslogik neu schreiben zu müssen.

Python SDK-Integration

Installieren Sie das offizielle OpenAI-Paket und konfigurieren Sie die Basis-URL. Dieser Ansatz funktioniert mit dem Standard- openai Python-Bibliothek. Sie müssen nur die Client-Konfiguration anpassen.

• Base URL: https://api.deepseekapiprices.com/v1
• API-Schlüssel: Festgelegt über Umgebungsvariable oder Konstruktor
• Modell: uncensored

Das folgende Code-Snippet zeigt die minimale Einrichtung. Es verarbeitet die Anfrage und gibt den Inhalt aus. Fehler werden als Standard-OpenAI-Ausnahmen ausgelöst.

Copyfrom openai import OpenAI

client = OpenAI(base_url="https://api.deepseekapiprices.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)

Diese Methode ist ideal für Backend-Dienste und Skripte. Sie gewährleistet die Kompatibilität mit bestehenden Codebasen.

Node SDK-Einrichtung

Konfigurieren Sie den Node.js-Client mit der benutzerdefinierten Basis-URL. Dies ermöglicht es Ihnen, den Standard openai Paket. Das Setup ist identisch mit anderen OpenAI-kompatiblen Diensten.

• Base URL: https://api.deepseekapiprices.com/v1
• Paket: openai (npm)
• Modell: uncensored

Verwenden Sie den folgenden Code, um den Client zu initialisieren. Er stellt sicher, dass alle Anfragen korrekt geroutet werden. Sie können dann chat.completions.create wie üblich.

Copyimport OpenAI from "openai";

const client = new OpenAI({ baseURL: "https://api.deepseekapiprices.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);

Behandeln Sie Fehler angemessen, um Rate Limits oder unzureichendes Guthaben zu verwalten. Das SDK wirft Standardfehler für API-Probleme.

Streaming und Token-Nutzung

Streaming für Echtzeit-Token-Ausgabe aktivieren. Legen Sie den stream: true in Ihren Anfrage-Parametern. Die API gibt Chunks zurück, sobald sie generiert werden. Token-Nutzungsdetails erscheinen im letzten Chunk.

• Streaming: Unterstützt über SSE
• Token-Nutzung: Im letzten Chunk bereitgestellt
• Parameter: temperature, top_p, stop

Die Stream-Verarbeitung reduziert die wahrgenommene Latenz für lange Antworten. Sie ist unerlässlich für Chat-Schnittstellen. Das folgende Beispiel zeigt die Stream-Einrichtung.

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)

Analysieren Sie die Streaming-Antwort, um die Benutzeroberfläche schrittweise zu aktualisieren. Dies verbessert die Benutzererfahrung erheblich.

Ratenbegrenzungen und Kontextfenster

Respektieren Sie das Limit von 300 Anfragen pro Minute pro Schlüssel. Sie können 8 gleichzeitige Anfragen gleichzeitig senden. Der Anfragekörper darf 8 MB nicht überschreiten. Fehler und Ablehnungen sind kostenlos, daher gelten Ratenbegrenzungen nur für erfolgreiche Anfragen.

Das Modell unterstützt einen Kontextfenster von 100.000 Tokens. Dies umfasst sowohl Prompt- als auch Completion-Tokens. Verwenden Sie dies für lange Dokumente oder erweiterte Konversationen. Die folgende Tabelle fasst die Limits zusammen.

Limit	Wert
Anfragen pro Minute	300
Parallele Anfragen	8
Maximaler Anforderungstext	8 MB
Kontextfenster	100.000 Tokens

Das Überschreiten dieser Grenzen gibt einen 429-Fehler zurück. Erhöhen Sie die Parallelität sorgfältig, um Drosselung zu vermeiden.