API 文件：Quick Start

基礎 URL 與驗證

向我們的特定基礎 URL 發送請求。在 Authorization header。無效的金鑰會立即返回 401 錯誤。

聊天完成端點

使用標準的聊天完成端點進行文字生成。將您的模型 ID 作為 uncensored.系統接受用於內容控制的標準參數。

這是一個入門的基本請求：

Copycurl https://api.deepseekapiprice.com/v1/chat/completions \
  -H "Authorization: Bearer $API_KEY" \
  -H "Content-Type: application/json" \
  -d '{
    "model": "uncensored",
    "messages": [{"role": "user", "content": "Check the current rate for deepseek r1 per token."}]
  }'

可用參數與設定

使用標準參數控制輸出風格。設定 temperature 用於隨機性，以及 top_p 用於核採樣。您也可以定義 stop 序列或強制使用 JSON 模式。這些設定允許對無審查的 LLM 行為進行精確控制。

範例 Python 整合：

Copyfrom openai import OpenAI

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

Node.js

Copyimport OpenAI from "openai";

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

串流

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)