Come usare l'API DeepSeek in Cursor: configurazione URL base personalizzato

La risposta breve

Se vuoi sapere come usare l'API DeepSeek in Cursor, il processo è lo stesso per qualsiasi provider compatibile con OpenAI. Apri le impostazioni dei modelli di Cursor, incolla una chiave API nel campo chiave OpenAI, sovrascrivi l'URL base OpenAI e aggiungi un nome del modello sconosciuto a Cursor. Poi seleziona quel modello nella chat.

Una precisazione prima di iniziare. Questo sito non è l'API ufficiale di DeepSeek. È un'API testuale ospitata e compatibile con OpenAI che esegue un modello a pesi aperti, gestito da un provider indipendente e ottimizzato per rispondere senza blocco dei contenuti per uso adulto legale. L'ID del modello è uncensored. Se hai bisogno del servizio ufficiale DeepSeek, usa l'endpoint e la chiave del fornitore. Le impostazioni in Cursor sono identiche in entrambi i casi: cambiano solo i tre valori.

Prima di aprire Cursor: ottieni e testa una chiave

L'accesso è con Google, o con email e password. Dopo, la pagina della chiave API ha un pulsante con un clic che aggiunge $0,50 di credito di prova. È valido per 7 giorni, non richiede carta ed è limitato a uno per persona. È sufficiente per alcune centinaia di domande di codifica brevi, così puoi completare tutta la configurazione prima di pagare qualsiasi cosa. La pagina della chiave illustra i passaggi.

Ora testa la chiave fuori da Cursor. I messaggi di errore di Cursor sono brevi e un errore di battitura nella chiave appare uguale a un URL errato. Esegui questo nel terminale:

Copycurl https://api.deepseekapi.top/v1/chat/completions   -H "Authorization: Bearer YOUR_KEY"   -H "Content-Type: application/json"   -d '{
    "model": "uncensored",
    "messages": [{"role": "user", "content": "Write a Python function that reverses a string."}]
  }'

Dovresti ricevere una risposta JSON con la funzione in choices[0].message.content. Puoi anche elencare i modelli con GET /v1/models, un modo rapido per confermare che la chiave è accettata. Se funziona, il lato endpoint è completato e resta solo la configurazione di Cursor.

Configura Cursor passo dopo passo

1. Apri le impostazioni di Cursor e vai alla sezione Modelli. Nella maggior parte delle build ci arrivi con l'icona dell'ingranaggio, poi Modelli.
2. Trova il campo per la tua chiave API OpenAI e incolla la chiave. Cursor potrebbe chiederti di verificarla. La verifica può fallire con un endpoint personalizzato, poiché Cursor controlla la chiave contro il proprio elenco di modelli. In tal caso, continua con i passaggi successivi e valuta se la chat funziona.
3. Attiva l'opzione per sovrascrivere l'URL base OpenAI e inserisci https://api.deepseekapi.top/v1. Includi /v1 alla fine. Non aggiungere /chat/completions; il client aggiunge quel percorso da solo.
4. Usa il pulsante per aggiungere un modello e digita uncensored esattamente, in minuscolo. Attivalo nell'elenco dei modelli.
5. Apri un pannello chat, scegli uncensored nel selettore del modello e invia un prompt breve.

I nomi dei menu cambiano tra le versioni di Cursor, quindi se un'etichetta è diversa da quella sopra, cerca le stesse tre cose: chiave, URL base, modello personalizzato. La documentazione ufficiale di Cursor è il posto dove controllare i nomi attuali.

Un'impostazione da monitorare

Cursor mantiene un'unica sovrascrittura dell'URL base OpenAI. Quando è attiva, ogni modello con nome OpenAI che usi in Cursor va al nuovo indirizzo. Se vuoi anche usare un servizio compatibile con OpenAI diverso per qualcos'altro, disattiva la sovrascrittura o usa un profilo separato.

Cosa funziona con un endpoint personalizzato

Una chiave personalizzata è usata per le funzionalità che chiamano un modello chat: il pannello chat e le modifiche inline. Quelle inviano una richiesta standard di completamento chat, che è ciò che questa API accetta. Il servizio supporta lo streaming su SSE, quindi le risposte appaiono token per token nel pannello chat come fanno con altri provider.

Alcune funzionalità di Cursor dipendono dai modelli e dai server di Cursor, come il completamento con Tab. Quelle non passano alla tua chiave. Inoltre, Cursor potrebbe instradare le richieste attraverso il proprio backend prima che raggiungano il tuo endpoint, quindi controlla la documentazione se la posizione di rete o il logging ti interessano. Dal nostro lato, i prompt non sono usati per l'addestramento.

Le funzionalità in stile agente si basano sulla chiamata di funzioni. L'API supporta la chiamata di funzioni con tools, tool_choice e tool_calls in streaming, con risultati restituiti come role: "tool". Se una determinata modalità di Cursor usa quel percorso con un modello personalizzato può variare tra le versioni, quindi trattalo come qualcosa da testare su un compito piccolo prima di creare un flusso di lavoro basato su di esso.

La finestra di contesto è di 100.000 token, prompt più completamento. È abbastanza grande per diversi file contemporaneamente, ma Cursor decide cosa allegare e un grande allegato costa token di input su ogni messaggio.

Prompt che funzionano bene in un editor

Un modello chat in un editor è utile solo quanto il contesto che gli fornisci. Alcune abitudini fanno una differenza visibile con qualsiasi modello dietro un endpoint personalizzato.

• Allega solo i file che contano. Ogni file allegato è token di input su ogni turno. Due file rilevanti battono dieci vagamente correlati, sia per qualità che per costo.
• Indica il compito e il vincolo. "Riscrivi questa funzione per evitare la ricorsione, mantieni la firma" funziona meglio di "migliora questo".
• Chiedi una risposta in formato diff. Se vuoi una modifica piccola, dillo. Altrimenti il modello potrebbe riscrivere l'intero file e paghi per i token di output.
• Avvia una nuova chat per compito. I turni vecchi vengono reinviati. Una chat pulita è il taglio del contesto più economico che ci sia.

Il modello è ottimizzato per rispondere senza rifiuti di contenuti per uso adulto legale, quindi le domande di codifica relative alla sicurezza, come funziona una classe nota di vulnerabilità nel tuo codice, tendono a ricevere una risposta diretta invece di un avviso. Commette ancora errori come qualsiasi modello linguistico. Leggi il codice che ti fornisce ed esegui i test prima di committare qualsiasi cosa.

Se una risposta lunga si blocca, controlla la sezione limiti di seguito. Due finestre editor in streaming contemporaneamente su una chiave di prova riempiranno entrambi gli slot di concorrenza e la terza richiesta attende o restituisce un 429.

Quanto costa in un editor

Il prezzo è $0,15 per 1M token di input e $0,50 per 1M token di output, dal credito prepagato. Non c'è abbonamento, le richieste fallite o rifiutate non sono addebitate e il credito non scade mai.

Un turno di chat tipico in un editor ha molto input (il file allegato più la cronologia) e una risposta breve. Prendi 6.000 token di input e 700 token di output:

• Input: 6.000 × $0,15 / 1.000.000 = $0,0009
• Output: 700 × $0,50 / 1.000.000 = $0,00035
• Totale: $0,00125 per turno

A quella dimensione, 100 turni costano $0,125. Una lunga giornata di lavoro di 400 turni costa $0,50. L'input domina il conto una volta che le conversazioni crescono, perché Cursor reinvia la cronologia. Iniziare una chat nuova quando cambi compito è il modo più semplice per tenere basso quel numero.

Quando vuoi più della prova, le ricariche sono qualsiasi importo intero da $20 a $500, con un bonus del +5% da $50, +10% da $100 e +15% da $200. Puoi pagare con carta (Visa, Mastercard, Apple Pay, Google Pay) o con cripto (USDT su TRC20, USDC su Base). I dettagli sono nella pagina dei prezzi.

Risoluzione dei Problemi

401 o chiave non valida

La chiave è stata incollata con uno spazio finale, o appartiene a un sito diverso. Riesegui il test curl con la stessa stringa. Se curl funziona e Cursor no, incolla di nuovo la chiave.

404 o modello non trovato

Di solito manca /v1 dall'URL base o ha un percorso extra alla fine. Il nome del modello deve essere esattamente uncensored.

Risposte 429

Una chiave completa permette 8 richieste parallele e 300 richieste al minuto. La chiave di prova permette 2 richieste parallele e 60 al minuto. Il codice di errore rate_limited significa troppe richieste al minuto e concurrency significa troppe contemporaneamente. In caso di sovraccarico temporaneo ricevi anche un 429 con Retry-After: 5. Una risposta streaming tiene il suo slot fino alla fine dello stream, quindi diverse finestre editor in streaming contemporaneamente possono raggiungere il limite di concorrenza su una chiave di prova.

Il modello rifiuta o si allontana dall'argomento

Il modello è ottimizzato per evitare il blocco dei contenuti per uso adulto legale, ma è comunque un modello linguistico e segue il tuo prompt. Fornisci un'istruzione di sistema chiara e un compito preciso. Il limite rigido è che i contenuti sessuali che coinvolgono minorenni non sono mai permessi.

La documentazione quickstart elenca le intestazioni restituite in ogni risposta, incluso X-Request-Id, utile da citare quando contatti il supporto.

Altre guide

• Come usare l'API DeepSeek in SillyTavern: Endpoint personalizzato
• Esempio API DeepSeek in Python: Chat, streaming, strumenti
• Chiave API DeepSeek: Accesso API LLM senza censura