Documentation API

URL de base et authentification

Connectez-vous en utilisant votre clé API pour un accès immédiat au LLM sans censure. Toutes les requêtes nécessitent un jeton porteur valide dans l'en-tête Authorization. Nous ne facturons pas les erreurs d'authentification ou de routage de modèle.

Utilisez l'URL de base https://api.deepseekapiprices.com/v1 avec n'importe quel SDK OpenAI standard. Votre clé donne accès au uncensored modèle. Aucun numéro de téléphone n'est requis pour l'inscription, et la clé est affichée immédiatement après la création du compte.

Exemple d'authentification

Remplacer your-api-key avec votre clé réelle. Le serveur valide le jeton avant de traiter votre requête.

Première demande

Envoyez une simple complétion de chat pour tester la connectivité et la qualité de la réponse. Ce point de terminaison renvoie du texte dans le choices[0].message.content champ. Nous prenons en charge l'appel de fonctions et le mode JSON pour des sorties structurées.

• ID du modèle : uncensored
• Point de terminaison : POST /v1/chat/completions
• Sortie max : 16 000 tokens

La requête ci-dessous illustre une invite basique. Assurez-vous que votre clé API est correcte pour éviter une erreur 401.

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"}]
  }'

Vérifiez que la structure de la réponse correspond à la norme OpenAI. Cela garantit que vous pouvez changer de fournisseur sans réécrire la logique de votre application.

Intégration du SDK Python

Installez le package officiel OpenAI et configurez l'URL de base. Cette approche fonctionne avec le standard openai Bibliothèque Python. Vous n'avez besoin que d'ajuster la configuration du client.

• URL de base : https://api.deepseekapiprices.com/v1
• Clé API : Définie via une variable d'environnement ou un constructeur
• Modèle : uncensored

L'extrait de code suivant montre la configuration minimale. Il gère la requête et affiche le contenu. Les erreurs sont levées sous forme d'exceptions OpenAI standard.

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)

Cette méthode est idéale pour les services backend et les scripts. Elle maintient la compatibilité avec les bases de code existantes.

Installation du SDK Node

Configurez le client Node.js avec l'URL de base personnalisée. Cela vous permet d'utiliser le standard openai paquet. La configuration est identique à celle des autres services compatibles OpenAI.

• URL de base : https://api.deepseekapiprices.com/v1
• Forfait : openai (npm)
• Modèle : uncensored

Utilisez le code suivant pour initialiser le client. Il garantit que toutes les requêtes sont acheminées correctement. Vous pouvez ensuite appeler chat.completions.create comme d'habitude.

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);

Gérez les erreurs de manière appropriée pour gérer les limites de débit ou le crédit insuffisant. Le SDK génère des erreurs standard pour les problèmes API.

Streaming et utilisation des jetons

Activez le streaming pour la livraison de jetons en temps réel. Définissez stream: true dans les paramètres de votre requête. L'API renvoie des chunks au fur et à mesure de leur génération. Les détails d'utilisation des jetons apparaissent dans le dernier chunk.

• Streaming : Pris en charge via SSE
• Utilisation des jetons : fournis dans le dernier bloc
• Paramètres : temperature, top_p, stop

Le traitement en flux réduit la latence perçue pour les longues réponses. Il est essentiel pour les interfaces de chat. L'exemple suivant illustre la configuration du streaming.

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)

Analysez le flux pour mettre à jour l'interface utilisateur de manière incrémentale. Cela améliore considérablement l'expérience utilisateur.

Limites de débit et fenêtre de contexte

Respectez la limite de 300 requêtes par minute par clé. Vous pouvez avoir 8 requêtes concurrentes en même temps. Le corps de la requête ne doit pas dépasser 8 Mo. Les erreurs et les refus sont gratuits, donc les limites de débit ne s'appliquent qu'aux requêtes réussies.

Le modèle prend en charge une fenêtre de contexte de 100 000 tokens. Cela inclut les tokens d'invite et de complétion. Utilisez ceci pour les longs documents ou les conversations prolongées. Le tableau suivant résume les limites.

Limite	Valeur
Requêtes par minute	300
Requêtes concurrentes	8
Corps de requête maximal	8 Mo
Fenêtre de contexte	100 000 tokens

Le dépassement de ces limites renvoie une erreur 429. Augmentez la concurrence avec prudence pour éviter le throttling.