DeepSeek API दस्तावेज़ीकरण: शुरुआत गाइड

बेस URL और प्रमाणीकरण

हमारा API किसी भी OpenAI-कम्पैटिबल क्लाइंट के साथ काम करता है बस base URL बदलकर और API key प्रदान करके। हम कई मॉडल्स रूट नहीं करते; हम एक uncensored लार्ज लैंग्वेज मॉडल होस्ट करते हैं जो एडल्ट और कोडर उपयोग मामलों के लिए ट्यून्ड है। ऑथेंटिकेशन एकल API key पर निर्भर करता है, जिसे आप Google या ईमेल के माध्यम से साइन अप करने के तुरंत बाद प्राप्त करते हैं। फोन नंबर की आवश्यकता नहीं है, और कोई सब्सक्रिप्शन फीस नहीं है। आपके प्रॉम्प्ट्स ट्रेनिंग डेटा के लिए उपयोग नहीं किए जाते हैं, जो प्राइवेसी सुनिश्चित करते हैं जबकि आप मौजूदा कोडबेस में हमारे एंडपॉइंट को इंटीग्रेट करते हैं।

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: मुख्य एंडपॉइंट

अपनी बातचीत को टेक्स्ट-इन, टेक्स्ट-आउट प्रतिक्रियाओं के लिए हमारे एकल एंडपॉइंट पर भेजें। आपको मॉडल रूटिंग प्रबंधित करने या गेटवे विलंबता की चिंता करने की आवश्यकता नहीं है क्योंकि हम एक ट्यून किए गए एंडपॉइंट को सीधे सर्व करते हैं। मॉडल id है uncensored, और यह स्टैंडर्ड चैट कम्प्लीशन पैरामीटर्स के लिए जवाब देता है। यह दृष्टिकोण मॉडल्स की एक पूल में से चुनने की जटिलता को समाप्त करता है। आपको कई वेंडर वर्शन्स के शोर के बिना भविष्यवाणी योग्य व्यवहार मिलता है।

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: अपनी अनसेंसर्ड मॉडल की पुष्टि करें

मॉडल्स एंडपॉइंट को हिट करके अपनी कनेक्शन और सक्रिय मॉडल की पुष्टि करें। यह GPT, क्लॉड या अन्य वेंडर्स से अलग हमारे अनसेंसर्ड LLM की विशिष्ट कॉन्फ़िगरेशन लौटाता है। आप इस प्रतिक्रिया से सीधे कॉन्टेक्स्ट विंडो और टोकन सीमाओं की जांच कर सकते हैं। यह सुनिश्चित करने के लिए एक तेज़ जांच है कि आपका SDK क्लाइंट सही तरीके से हमारे सर्वरों की ओर इशारा कर रहा है। भारी पेलोड भेजने से पहले कनेक्शन समस्याओं को डिबग करने के लिए इसका उपयोग करें।

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);

पैरामीटर: तापमान, Top P, और स्ट्रीमिंग

तापमान और top_p के साथ रचनात्मकता को नियंत्रित करें, या सर्वर-सेंट इवेंट्स (SSE) के माध्यम से स्ट्रीमिंग सक्षम करें। स्ट्रीमिंग रियल-टाइम टोकन अपडेट प्रदान करता है, जो प्रतिक्रियाशील चैट इंटरफ़ेस बनाने के लिए महत्वपूर्ण है। आप निर्धारणात्मक आउटपुट के लिए बीज सेट कर सकते हैं या स्टॉप सीक्वेंसेट परिभाषित कर सकते हैं। हमारा API स्ट्रीम के अंतिम चंक में टोकन उपयोग लौटाता है। यह पारदर्शिता आपको मॉडल पाठ जनरेट करते समय लागत की सटीक ट्रैकिंग करने में मदद करती है।

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)

JSON मोड और फंक्शन कॉलिंग

अपने आउटपुट को JSON मोड या फ़ंक्शन कॉलिंग का उपयोग करके प्रोग्रामेटिक उपयोग के लिए संरचित करें या बाहरी टूल्स को एकीकृत करें। response format को सेट करें json_object कठोर JSON अनुपालन को बल देने के लिए। फंक्शन कॉलिंग मॉडल को विशिष्ट तर्कों के साथ टूल्स को आमंत्रित करने की अनुमति देती है। यह एजेंट्स बनाने या संरचित डेटा को पार्स करने के लिए आदर्श सेटअप है। आप जनरेटेड टेक्स्ट में दोहराव कम करने के लिए उपस्थिति और आवृत्ति पेनल्टी का भी उपयोग कर सकते हैं।

रेट लिमिट्स और टोकन गणना

प्रत्येक कुंजी प्रति मिनट 300 अनुरोधों और 8 समवर्ती अनुरोधों की अनुमति देती है। संदर्भ विंडो कुल मिलाकर 100,000 टोकन रखती है, जिसमें प्रति अनुरोध अधिकतम आउटपुट 16,000 टोकन है। यदि आप सेट नहीं करते, max_tokens, सीमा डिफ़ॉल्ट रूप से 2,048 टोकन है। अनुरोध बॉडी 8 MB से अधिक नहीं हो सकते। ये सीमाएं कठोर लेकिन पूर्वानुमेय हैं, जो आपको अप्रत्याशित थ्रॉटलिंग के बिना मजबूत रीट्राई लॉजिक डिज़ाइन करने में मदद करती हैं। त्रुटियां क्रेडिट खपत नहीं करतीं, इसलिए आप स्वतंत्र रूप से परीक्षण कर सकते हैं।