راهنمای شروع سریع API

URL پایه و احراز هویت

SDK موجود OpenAI خود را با به‌روزرسانی URL پایه و ارائه کلید API متصل کنید. سرویس ما در https://api.deepseekapidiscount.com/v1 و استاندارد Authorization: Bearer header. کلید شما بلافاصله پس از ایجاد کار می‌کند و دسترسی به مدل بدون سانسور را بدون اشتراک‌های ماهانه فراهم می‌کند. این پیکربندی به شما اجازه می‌دهد تا اندپوینت ما را جایگزین کنید در حالی که کد برنامه شما مطابق با استانداردهای OpenAI باقی می‌ماند.

جریان احراز هویت ساده است. شما یک کلید در داشبورد خود تولید می‌کنید و آن را به عنوان یک هدر ارسال می‌کنید. خطاهایی مانند 401 نشان‌دهنده یک کلید نامعتبر است، در حالی که 402 به این معنی است که اعتبار از پیش پرداخت شده شما تمام شده است. می‌توانید در هر زمان از طریق USDT یا USDC شارژ کنید و اعتبار شما هرگز منقضی نمی‌شود. این مدل از پیش پرداخت تضمین می‌کند که شما فقط بابت توکن‌هایی که واقعاً استفاده می‌کنید پرداخت می‌کنید، بدون هزینه‌های پنهان یا محدودیت‌های لایه.

نقطه پایانی تکمیل چت

اولین درخواست خود را به /v1/chat/completions اندپوینت با استفاده از شناسه مدل uncensored. این انتهای‌بند، تعاملات متن-ورودی و متن-خروجی را بدون هیچ‌گونه تعدیل محتوای داخلی مدیریت می‌کند. می‌توانید سبک پاسخ را با پارامترهایی مانند temperature و top_p. مدل از پنجره زمینه 100,000 توکنی پشتیبانی می‌کند که اجازه می‌دهد تاریخچه مکالمات گسترده یا پردازش اسناد را در یک درخواست ارسال کنید. حداکثر خروجی به 16,000 توکن در هر درخواست محدود است، یا 2,048 اگر محدودیت را حذف کنید.

• استفاده response_format با json_object برای خروجی داده ساختاریافته.
• تنظیم stream: true برای تحویل توکن در زمان واقعی.
• عبور stop sequences برای توقف تولید در نشانگرهای خاص.

این اندپوینت، هسته API ما است که برای توسعه‌دهندگانی طراحی شده که به خروجی‌های خام و بدون فیلتر مدل نیاز دارند. از embeddings یا تولید تصویر ارائه نمی‌دهد و خدمات را متمرکز و مقرون‌به‌صرفه نگه می‌دارد. شما $0.15 به ازای هر میلیون توکن ورودی و $0.50 به ازای هر میلیون توکن خروجی پرداخت می‌کنید. خطاها اعتبار شما را مصرف نمی‌کنند، بنابراین می‌توانید آزادانه آزمایش کنید و نگران هدر رفتن پول نباشید.

استریمینگ و استفاده از توکن

استریمینگ را با تنظیم stream: true در بدنه درخواست خود. API رویدادهای ارسال‌شده توسط سرور (SSE) را با هر توکن تولید شده برمی‌گرداند. قطعه نهایی در جریان، آمار کامل مصرف توکن برای درخواست را شامل می‌شود. این به شما اجازه می‌دهد هزینه‌ها را در حین تولید متن توسط مدل به صورت بلادرنگ نظارت کنید. جریان‌دار بودن برای رابط‌های چت ایده‌آل است که در آن کاربران انتظار بازخورد فوری دارند.

شیء استفاده از توکن شامل توکن‌های ورودی، توکن‌های خروجی و گاهی اوقات توکن‌های کل است. از آنجا که API ما پیش‌پرداخت است، می‌توانید اعتبار باقی‌مانده خود را بر اساس این اعداد استفاده ردیابی کنید. خطاها در حین استریم، هزینه توکن‌های ارسال شده قبلی را از شما دریافت نمی‌کنند. این شفافیت به شما کمک می‌کند تا بودجه خود را به طور موثر مدیریت کنید، به ویژه هنگام اجرای مکالمات طولانی یا پردازش اسناد بزرگ. پنجره زمینه ۱۰۰,۰۰۰ توکنی از زمینه تاریخی عمیق بدون قطعیت پشتیبانی می‌کند.

فراخوانی تابع و حالت JSON

از فراخوانی تابع برای یکپارچه‌سازی API ما در جریان‌های کاری عامل استفاده کنید. ابزارهای خود را در tools پارامتر و تنظیم tool_choice به auto یا یک شناسه تابع خاص. مدل یک شیء فراخوانی ابزار را در صورت نیاز ورودی به اقدام خارجی برمی‌گرداند. این ویژگی در کنار حالت JSON کار می‌کند که خروجی را به یک طرحواره JSON سخت‌گیرانه با استفاده از response_format. می‌توانید این‌ها را برای استخراج داده‌های ساختاریافته قوی ترکیب کنید.

فراخوانی تابع از چندین ابزار در یک درخواست پشتیبانی می‌کند. مدل بر اساس زمینه ورودی تصمیم می‌گیرد که از کدام ابزار استفاده کند. حالت JSON زمانی مفید است که به ساختارهای داده قابل پیش‌بینی برای پردازش‌های بعدی نیاز دارید. هر دو ویژگی با همان قیمت پایه ۰.۱۵ دلار به ازای هر میلیون توکن ورودی در دسترس هستند. این انعطاف‌پذیری، API ما را برای برنامه‌های پیچیده‌ای که به قالب‌بندی دقیق خروجی نیاز دارند، مناسب می‌سازد.

Limits and Best Practices

هر کلید API محدود به ۳۰۰ درخواست در دقیقه و ۸ درخواست همزمان است. حداکثر اندازه بدنه درخواست ۸ مگابایت است. این محدودیت‌ها استفاده منصفانه و عملکرد پایدار را برای همه کاربران تضمین می‌کنند. اگر از محدود نرخ تجاوز کنید، خطای 429 دریافت خواهید کرد. در صورت نیاز می‌توانید کلید جدیدی برای جایگزینی کلید قدیمی ایجاد کنید، اما هر حساب فقط یک کلید فعال دارد. این سادگی، بار مدیریت را برای تیم‌های کوچک کاهش می‌دهد.

بهترین شیوه‌ها شامل تنظیم یک max_tokens محدودیت برای کنترل هزینه‌ها و جلوگیری از تولید بی‌نهایت. از stop توالی‌ها برای جلوگیری از طولانی‌گویی مدل. مصرف توکن‌های خود را از طریق نقطه پایانی استریمینگ مانیتور کنید تا در حد اعتبار پیش‌پرداخت خود بمانید. از آنجا که اعتبار منقضی نمی‌شود، می‌توانید هر زمان که مایل بودید اعتبار خود را شارژ کنید. مدل بدون سانسور محتوای بزرگسالان قانونی را رد نمی‌کند، اما محتوای جنسی مرتبط با کودکان را مسدود می‌کند. این محدودیت سخت‌گیرانه صرف‌نظر از سطح حساب کاربری شما اعمال می‌شود.

مثال‌های کلاینت

در اینجا قطعه کدهایی برای زبان‌های محبوب آورده شده است. از SDKهای رسمی OpenAI یا هر کلاینت سازگار دیگری استفاده کنید. مقدار YOUR_API_KEY با کلید تولید شده خود. URL پایه https://api.deepseekapidiscount.com/v1. این مثال‌ها تولید متن پایه و جریان‌دهی (Streaming) را نشان می‌دهند. می‌توانید آن‌ها را با مورد استفاده خاص خود، چه گفتگو، خلاصه‌سازی یا استخراج داده، تطبیق دهید.

cURL

Copycurl https://api.deepseekapidiscount.com/v1/chat/completions \
  -H "Authorization: Bearer $API_KEY" \
  -H "Content-Type: application/json" \
  -d '{
    "model": "uncensored",
    "messages": [{"role": "user", "content": "Check server status for uptime reliability and latency metrics"}]
  }'

پایتون

Copyfrom openai import OpenAI

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

جریان‌سازی

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)