Dokumentace k API DeepSeek: Úvodní příručka

Základní URL a ověření

Naše API funguje s libovolným klientem kompatibilním s OpenAI jednoduchou změnou base URL a poskytnutím API klíče. Nesměrujeme více modelů; hostujeme jeden velký jazykový model bez omezení přiznaný pro dospělé a vývojářské případy použití. Ověřování spoléhá na jediný API klíč na účet, který obdržíte ihned po registraci přes Google nebo e-mail. Nevyžaduje se telefonní číslo a neexistují poplatky za předplatné. Vaše prompty nejsou používány pro trénovací data, což zajišťuje soukromí, zatímco integrujete náš endpoint do existujícího kódu.

Copycurl https://api.deepseekapidocumentation.com/v1/chat/completions \
  -H "Authorization: Bearer $API_KEY" \
  -H "Content-Type: application/json" \
  -d '{
    "model": "uncensored",
    "messages": [{"role": "user", "content": "Explain the difference between supervised fine-tuning and RLHF."}]
  }'

POST /v1/chat/completions: Hlavní endpoint

Odeslat své konverzace do našeho jediného koncového bodu pro odpovědi text-v, text-výstup. Nemusíte spravovat směrování modelů ani se obávat latence brány, protože přímo obsluhujeme jeden vyladěný koncový bod. ID modelu je uncensored, a reaguje na standardní parametry dokončení chatu. Tento přístup eliminuje složitost výběru z poolu modelů. Získáte předvídatelné chování bez šumu více verzí dodavatelů.

Copyfrom openai import OpenAI

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

GET /v1/models: Ověřte svůj model bez omezení

Potvrďte své připojení a aktivní model zavoláním endpointu models. To vrátí specifickou konfiguraci našeho LLM bez omezení, odlišnou od GPT, Claude nebo jiných dodavatelů. Můžete přímo ověřit kontextové okno a limity tokenů z této odpovědi. Je to rychlá kontrola, která zajistí, že klient SDK směřuje na naše servery správně. Použijte to k ladění problémů s připojením před odesláním velkých payloadů.

Copyimport OpenAI from "openai";

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

Parametry: Teplota, Top P a streamování

Ovládejte kreativitu pomocí teploty a top_p nebo povolte streamování pomocí Server-Sent Events (SSE). Streamování poskytuje reálné aktualizace tokenů, což je klíčové pro tvorbu responzivních chatových rozhraní. Můžete také nastavit seed pro deterministické výstupy nebo definovat sekvence stop. Naše API vrací využití tokenů v posledním bloku streamu. Tato transparentnost vám pomáhá přesně sledovat náklady, jak model generuje text.

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)

Režim JSON a volání funkcí

Strukturujte své výstupy pro programové použití s režimem JSON nebo integrujte externí nástroje prostřednictvím volání funkcí. Nastavte formát odpovědi na json_object abyste vynutili přísnou shodu s JSON. Volání funkcí umožňuje modelu vyvolávat nástroje s konkrétními argumenty. Toto nastavení je ideální pro vytváření agentů nebo parsování strukturovaných dat. Můžete také použít penalizace za přítomnost a frekvenci k snížení opakování v generovaném textu.

Limity rychlosti a počty tokenů

Každý klíč podporuje 300 požadavků za minutu a umožňuje 8 souběžných požadavků. Kontextové okno pojme celkem 100 000 tokenů, s maximálním výstupem 16 000 tokenů na požadavek. Pokud nezadáte max_tokens, limit se výchozím způsobem rovná 2 048 tokenům. Těla požadavků nemohou překročit 8 MB. Tyto limity jsou přísné, ale předvídatelné, což vám pomáhá navrhovat robustní logiku opakování bez neočekávaného zpomalování. Chyby nespotřebovávají kredit, takže můžete testovat volně.