API 文档

基础 URL 和认证

使用您的 API 密钥连接以立即访问无限制 LLM。所有请求都需要在 Authorization 请求头中包含有效的 Bearer 令牌。我们不对身份验证失败或模型路由错误收费。

使用 base URL https://api.deepseekapiprices.com/v1 使用任何标准 OpenAI SDK。您的密钥提供对 uncensored 模型。注册无需电话号码，创建账户后立即显示密钥。

认证示例

替换 your-api-key 附带您的实际密钥。服务器在处理您的请求之前会验证令牌。

首次请求

发送一个简单的聊天补全以测试连接性和响应质量。此端点返回文本 choices[0].message.content 字段。我们支持函数调用和 JSON 模式以获取结构化输出。

• 模型 ID： uncensored
• 端点： POST /v1/chat/completions
• 最大输出：16,000 个 Token

下面的请求演示了一个基本提示。请确保 API 密钥正确，以避免 401 错误。

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"}]
  }'

验证响应结构符合 OpenAI 标准。这确保您可以更换提供商而无需重写应用程序逻辑。

Python SDK 集成

安装官方 OpenAI 包并配置基础 URL。此方法适用于标准 openai Python 库。您只需调整客户端配置。

• 基础 URL： https://api.deepseekapiprices.com/v1
• API 密钥：通过环境变量或构造函数设置
• 模型： uncensored

以下代码片段展示了最小设置。它处理请求并打印内容。错误将作为标准 OpenAI 异常抛出。

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)

此方法非常适合后端服务和脚本。它与现有代码库保持兼容。

Node SDK 设置

配置 Node.js 客户端使用自定义 base URL。这允许您使用标准的 openai 包。设置与其他 OpenAI 兼容的服务相同。

• 基础 URL： https://api.deepseekapiprices.com/v1
• 套餐： openai (npm)
• 模型： uncensored

使用以下代码初始化客户端。它确保所有请求都正确路由。然后您可以调用 chat.completions.create 照常。

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);

适当处理错误以管理速率限制或余额不足。SDK 会为 API 问题抛出标准错误。

流式传输与 token 使用情况

启用流式传输以实现实时 Token 交付。设置 stream: true 在请求参数中。API 返回生成的数据块。Token 使用详情出现在最后一个数据块中。

• 流式传输：支持 SSE
• Token 使用：在最终块中提供
• 参数： temperature, top_p, stop

流式处理可降低长响应感知延迟。这对于聊天界面至关重要。以下示例演示了流式设置。

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)

解析流式响应以增量更新 UI。这显著改善了用户体验。

速率限制与上下文窗口

遵守每个密钥每分钟 300 个请求的限制。您可以同时拥有 8 个并发请求。请求体不得超过 8 MB。错误和拒绝是免费的，因此速率限制仅适用于成功的请求。

该模型支持 100,000 token 的上下文窗口。这包括提示和补全 token。此功能适用于长文档或扩展对话。下表总结了限制。

限制	价值
每分钟请求数	300
并发请求	8
最大请求体	8 MB
上下文窗口	100,000 个 token

超出这些限制将返回 429 错误。谨慎增加并发量以避免节流。