Dokumentasi API DeepSeek: Panduan awal

URL Dasar dan Autentikasi

API kami berfungsi dengan klien kompatibel OpenAI apa pun hanya dengan mengubah base URL dan memberikan kunci API Anda. Kami tidak merutekan beberapa model; kami menghosting satu model bahasa besar uncensored yang disesuaikan untuk kasus penggunaan dewasa dan koder. Autentikasi bergantung pada satu kunci API per akun, yang Anda terima segera setelah mendaftar melalui Google atau email. Tidak diperlukan nomor telepon, dan tidak ada biaya langganan. Prompt Anda tidak digunakan untuk data pelatihan, memastikan privasi saat Anda mengintegrasikan endpoint kami ke basis kode yang sudah ada.

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: Endpoint intinya

Kirim percakapan Anda ke endpoint tunggal kami untuk respons teks masuk, teks keluar. Anda tidak perlu mengelola routing model atau khawatir tentang latensi gateway karena kami melayani satu endpoint yang telah disesuaikan secara langsung. ID model adalah uncensored, dan model ini merespons parameter penyelesaian obrolan standar. Pendekatan ini menghilangkan kompleksitas memilih dari kumpulan model. Anda mendapatkan perilaku yang dapat diprediksi tanpa kebisingan dari beberapa versi vendor.

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: Verifikasi model uncensored Anda

Konfirmasi koneksi Anda dan model aktif dengan mengakses endpoint models. Ini mengembalikan konfigurasi spesifik LLM uncensored kami, yang berbeda dari GPT, Claude, atau vendor lain. Anda dapat memverifikasi jendela konteks dan batas token secara langsung dari respons ini. Ini adalah pemeriksaan cepat untuk memastikan klien SDK Anda menunjuk ke server kami dengan benar. Gunakan ini untuk memecahkan masalah koneksi sebelum mengirim payload berat.

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);

Parameter: Suhu, Top P, dan Streaming

Kontrol kreativitas dengan temperature dan top_p, atau aktifkan streaming melalui Server-Sent Events (SSE). Streaming menyediakan pembaruan token secara real-time, yang sangat penting untuk membangun antarmuka chat responsif. Anda juga dapat mengatur seed untuk output deterministik atau menentukan urutan henti. API kami mengembalikan penggunaan token pada potongan terakhir stream. Transparansi ini membantu Anda melacak biaya secara akurat saat model menghasilkan teks.

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)

Mode JSON dan Pemanggilan Fungsi

Strukturkan output Anda untuk penggunaan programmatic dengan mode JSON atau integrasikan alat eksternal melalui function calling. Tetapkan format respons ke json_object untuk memaksa kepatuhan JSON yang ketat. Pemanggilan fungsi memungkinkan model memanggil alat dengan argumen tertentu. Pengaturan ini ideal untuk membangun agen atau parsing data terstruktur. Anda juga dapat menggunakan penalti kehadiran dan frekuensi untuk mengurangi pengulangan dalam teks yang dihasilkan.

Batas Laju dan Jumlah Token

Setiap kunci mendukung 300 permintaan per menit dan memungkinkan 8 permintaan simultan. Jendela konteks menampung 100.000 token total, dengan output maksimum 16.000 token per permintaan. Jika Anda tidak mengatur max_tokens, batasnya secara default adalah 2.048 token. Badan permintaan tidak boleh melebihi 8 MB. Batas-batas ini ketat tetapi dapat diprediksi, membantu Anda merancang logika retry yang kuat tanpa throttling tak terduga. Error tidak mengonsumsi kredit, sehingga Anda dapat menguji secara bebas.