Dokumentasi API

URL Dasar dan Autentikasi

Terhubung menggunakan kunci API Anda untuk akses segera ke LLM tanpa sensor. Semua permintaan memerlukan token bearer valid di header Authorization. Kami tidak membebankan biaya untuk autentikasi gagal atau kesalahan routing model.

Gunakan URL dasar https://api.deepseekapiprices.com/v1 dengan SDK OpenAI standar apa pun. Kunci Anda memberikan akses ke uncensored model. Tidak diperlukan nomor telepon untuk pendaftaran, dan kunci ditampilkan segera setelah Anda membuat akun.

Contoh Autentikasi

Ganti your-api-key dengan kunci aktual Anda. Server memvalidasi token sebelum memproses permintaan Anda.

Permintaan Pertama

Kirim penyelesaian chat sederhana untuk menguji konektivitas dan kualitas respons. Titik akhir ini mengembalikan teks dalam choices[0].message.content bidang. Kami mendukung pemanggilan fungsi dan mode JSON untuk output terstruktur.

• ID Model: uncensored
• Endpoint: POST /v1/chat/completions
• Output Maks: 16.000 token

Permintaan di bawah ini mendemonstrasikan prompt dasar. Pastikan kunci API Anda benar untuk menghindari kesalahan 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"}]
  }'

Verifikasi struktur respons sesuai dengan standar OpenAI. Ini memastikan Anda dapat mengganti penyedia tanpa menulis ulang logika aplikasi Anda.

Integrasi SDK Python

Instal paket resmi OpenAI dan konfigurasikan URL dasar. Pendekatan ini bekerja dengan standar openai Library Python. Anda hanya perlu menyesuaikan konfigurasi klien.

• URL Dasar: https://api.deepseekapiprices.com/v1
• Kunci API: Atur melalui variabel lingkungan atau konstruktor
• Model: uncensored

Snippet kode berikut menunjukkan pengaturan minimal. Kode ini menangani permintaan dan mencetak konten. Kesalahan dibangkitkan sebagai pengecualian OpenAI standar.

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)

Metode ini ideal untuk layanan backend dan skrip. Ini mempertahankan kompatibilitas dengan basis kode yang ada.

Pengaturan SDK Node

Konfigurasi klien Node.js dengan URL dasar kustom. Ini memungkinkan Anda menggunakan standar openai paket. Pengaturannya identik dengan layanan kompatibel OpenAI lainnya.

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

Gunakan kode berikut untuk menginisialisasi klien. Ini memastikan semua permintaan dialihkan dengan benar. Anda kemudian dapat memanggil chat.completions.create seperti biasa.

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);

Tangani kesalahan dengan tepat untuk mengelola batas laju atau kredit tidak cukup. SDK melempar kesalahan standar untuk masalah API.

Streaming dan Penggunaan Token

Aktifkan streaming untuk pengiriman token real-time. Tetapkan stream: true dalam parameter permintaan Anda. API mengembalikan chunk saat chunk tersebut dihasilkan. Detail penggunaan token muncul di chunk terakhir.

• Streaming: Didukung melalui SSE
• Penggunaan Token: Disediakan dalam chunk terakhir
• Parameter: temperature, top_p, stop

Pemrosesan stream mengurangi latensi yang dirasakan untuk respons panjang. Ini sangat penting untuk antarmuka obrolan. Contoh berikut menunjukkan pengaturan 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)

Parse respons streaming untuk memperbarui UI secara bertahap. Ini secara signifikan meningkatkan pengalaman pengguna.

Batas Laju dan Jendela Konteks

Hormati batas 300 permintaan per menit per kunci. Anda dapat memiliki 8 permintaan konkurens pada waktu yang sama. Badan permintaan tidak boleh melebihi 8 MB. Error dan penolakan gratis, jadi batas laju hanya berlaku untuk permintaan yang berhasil.

Model ini mendukung jendela konteks 100.000 token. Ini mencakup token prompt dan penyelesaian. Gunakan ini untuk dokumen panjang atau percakapan yang diperpanjang. Tabel berikut meringkas batas-batasnya.

Batas	Nilai
Permintaan per menit	300
Permintaan konkuren	8
Badan permintaan maksimal	8 MB
Jendela konteks	100.000 token

Melebihi batas ini mengembalikan kesalahan 429. Tingkatkan konkurensi dengan hati-hati untuk menghindari throttling.