Schnellstart für DeepSeek-Nutzer

Base URL und Authentifizierung

Um unsere API zu nutzen, richte deinen Client auf https://api.deepseekapi.top/v1. Du musst die Endpunkt-Pfade nicht ändern; der Standard-/v1/chat/completions funktioniert genau wie erwartet. Die Authentifizierung basiert auf einem einzigen API-Schlüssel, der während der Anmeldung generiert wird. Übergebe diesen Schlüssel im Authorization-Header als Bearer-Token. Wenn der Schlüssel fehlt oder ungültig ist, gibt der Server einen 401-Fehler zurück. Stelle sicher, dass deine Umgebungsvariablen korrekt gesetzt sind, bevor du deine erste Anfrage sendest.

• Base URL: https://api.deepseekapi.top/v1
• Auth-Header: Authorization: Bearer YOUR_API_KEY

Kopierencurl https://api.deepseekapi.top/v1/chat/completions \
  -H "Authorization: Bearer $API_KEY" \
  -H "Content-Type: application/json" \
  -d '{
    "model": "uncensored",
    "messages": [{"role": "user", "content": "Write a blunt product review of a cheap VPN."}]
  }'

Chat Completions Endpunkt

Unsere API akzeptiert standardmäßige Chat-Vervollständigungsanfragen. Sende eine POST-Anfrage an /v1/chat/completions mit einer Modell-ID von uncensored. Das Modell reagiert auf Texteingaben und generiert Textausgaben, ohne die Inhaltsfilter anzuwenden, die typisch für offizielle DeepSeek-Modelle oder andere große Anbieter sind. Dies macht es ideal für kreatives Schreiben, Roleplay oder uneingeschränkte Datenverarbeitung. Du kannst das Verhalten über Parameter wie temperature und top_p steuern. Die Antwort enthält den generierten Text und Token-Nutzungsstatistiken.

Denke daran, dass das Modell kein GPT, Claude oder ein anderes Modell eines anderen Anbieters ist. Es ist ein unabhängiges Open-Weight-Modell, das für uneingeschränkte rechtmäßige Nutzung optimiert ist. Prüfe die Preisliste für die Token-Kosten.

Kopierenfrom openai import OpenAI

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

Node SDK-Integration

Für Node.js-Entwickler ist der Prozess identisch mit Standard-OpenAI-Integrationen. Initialisiere den Client mit deiner spezifischen Base URL und deinem API-Schlüssel. Stelle das Modell in deiner Konfiguration auf uncensored ein. Das SDK behandelt den Anfragelebenszyklus, einschließlich Wiederholungen und Fehlerbehandlung, genau wie bei jedem OpenAI-kompatiblen Dienst. Dies ermöglicht es dir, bestehende Codebasen mit minimalem Aufwand wiederzuverwenden. Stelle sicher, dass du eine aktuelle Version des openai npm-Pakets für volle Kompatibilität verwendest.

Die API unterstützt sowohl synchrone als auch asynchrone Aufrufe. Du kannst Nachrichten im Standard-messages-Array-Format übergeben. Die Antwortstruktur entspricht der OpenAI-API-Spezifikation, was die Migration einfach macht.

Kopierenimport OpenAI from "openai";

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

Streaming-Antworten

Aktiviere Streaming, indem du stream: true in deiner Anfrage festlegst. Die API gibt einen Server-Sent Events (SSE)-Stream zurück. Jeder Chunk enthält eine Teilantwort, sodass du Text angezeigt bekommst, während er generiert wird. Token-Nutzungsdaten sind nur im letzten Chunk des Streams enthalten, nicht in jedem Chunk. Dieses Design reduziert die Payload-Größe, liefert aber dennoch genaue Abrechnungsdaten. Du musst keine speziellen stream_options konfigurieren, um Nutzungsdaten zu erhalten; sie werden automatisch am Ende bereitgestellt.

Verarbeite die Stream-Ereignisse, um deine Benutzeroberfläche in Echtzeit zu aktualisieren. Der Stream endet, wenn das Modell seine Antwort abgeschlossen hat oder ein Limit erreicht hat.

Kopierenstream = 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)

Function Calling und JSON-Modus

Die API unterstützt Function Calling über die Parameter tools und tool_choice. Definiere deine Funktionen in der Anfrage, und das Modell gibt strukturierte Tool-Aufrufe zurück. Du kannst auch eine strenge JSON-Ausgabe erzwingen, indem du response_format auf {"type": "json_object"} setzt. Dies ist nützlich zur Generierung strukturierter Daten ohne Parsing-Fehler. Das Modell ist darauf optimiert, diese Anweisungen zuverlässig zu befolgen.

Kombiniere Function Calling mit Streaming für dynamische Interaktionen. Die API behält den Kontext über mehrere Durchgänge bei, was komplexe Multi-Step-Workflows ermöglicht. Stelle sicher, dass deine Funktionsdefinitionen klar und gut strukturiert sind, um die besten Ergebnisse zu erzielen.

Limits, Fehler und Kontextfenster

Dein Kontextfenster umfasst 100.000 Token, die den Prompt und die Completion kombinieren. Die maximale Ausgabe beträgt 32.000 Token pro Anfrage oder 2.048, wenn du max_tokens nicht festlegst. Die Ratenlimits liegen bei 300 Anfragen pro Minute und 8 parallelen Anfragen pro Schlüssel. Wenn du diese überschreitest, erhältst du einen 429-Fehler. Ein 401-Fehler zeigt einen ungültigen Schlüssel an, während ein 402-Fehler bedeutet, dass dein Prepaid-Guthaben aufgebraucht ist. Fehler und Ablehnungen verbrauchen keine Token. Anfragen sind auf einen 8 MB großen Body beschränkt. Melde dich mit Google oder E-Mail an, um deinen Schlüssel sofort zu erhalten.