Integre a API DeepSeek Unchained

Autenticação e Configuração da URL Base

Use sua chave de API com a URL base HTTPS://api.deepseekunchained.com/v1. Este endpoint funciona com os SDKs oficiais da OpenAI e qualquer cliente compatível com OpenAI. Obtenha sua chave fazendo o cadastro com Google ou e-mail. A chave é exibida imediatamente na página Obter chave de API. Não é necessário número de telefone para o cadastro. Seus prompts não são usados para treinamento. A privacidade é mantida sem etapas extras. Você só precisa de um endereço de e-mail para criar uma conta. A chave concede acesso ao endpoint chat-completions. Ela não concede acesso a embeddings ou geração de imagens. Mantenha sua chave segura. Rotacione-a se necessário pelo painel. Uma nova chave substitui a antiga imediatamente. É permitida apenas uma chave ativa por conta. Erros e recusas não consomem crédito. Isso garante que você pague apenas pelos tokens realmente consumidos.

Endpoint Chat Completions (POST)

Envie texto e receba texto usando POST /v1/chat/completions. Este endpoint aceita um corpo JSON com uma matriz de mensagens. Cada mensagem tem um campo de role e content. O role system define o comportamento. O role user fornece o prompt. O campo model deve ser definido como "uncensored". Este modelo é ajustado para conformidade em vez de filtros corporativos. Ele responde diretamente sem palestras. Você pode definir temperatura e top_p para criatividade. Sequências de parada interrompem a geração antecipadamente. Penalidades de presença e frequência ajustam a repetição. A resposta inclui estatísticas de uso. Essas estatísticas mostram as contagens de tokens de entrada e saída. Erros retornam códigos de status HTTP padrão. Um 401 significa uma chave inválida. Um 402 significa sem crédito. Um 429 significa limite de taxa excedido.

Respostas em Streaming com SSE

Ative o streaming definindo stream como true no corpo da solicitação. A API retorna Server-Sent Events (SSE). Cada fragmento contém conteúdo de texto parcial. Isso permite a exibição em tempo real das respostas. O último fragmento inclui dados de uso de tokens. Esses dados mostram o total de tokens consumidos. O streaming reduz a latência percebida para os usuários. É ideal para interfaces de chat. O SDK faz a análise dos fragmentos automaticamente. Você não precisa gerenciar o SSE manualmente. O modelo suporta streaming completo. Parâmetros como temperatura funcionam normalmente. Sequências de parada ainda acionam eventos de fim. Erros também são enviados como eventos SSE. Isso garante tratamento de erros robusto. Use o streaming para uma melhor experiência do usuário. Ele mantém a conexão aberta até a conclusão.

Chamada de Função e Uso de Ferramentas

Defina ferramentas no corpo da solicitação para chamada de funções. O modelo retorna chamadas de ferramenta na resposta. Essas chamadas incluem nomes de funções e argumentos. Seu código executa a função e envia os resultados de volta. O modelo usa os resultados para gerar texto final. Isso permite comportamento semelhante ao de um agente. Você pode definir várias ferramentas. O modelo escolhe quais usar. A escolha da ferramenta pode ser forçada ou automática. O modo automático permite que o modelo decida. O modo forçado exige uma ferramenta específica. Isso é útil para fluxos de trabalho estruturados. Os argumentos são retornados como strings. Analise-os como JSON no seu código. O modelo suporta definições complexas de ferramentas. Use isso para integrações de API. Isso estende as capacidades do modelo. Erros na execução da ferramenta são tratados pelo seu código. O modelo tenta novamente se necessário.

Modo JSON para Saída Estruturada

Força a saída JSON definindo response_format para json_object. O modelo retorna strings JSON válidas. Isso é ideal para consumo programático. Não ocorrem erros de análise. A saída é estritamente formatada. Use isso para tarefas de extração de dados. O modelo segue as dicas de esquema. Defina propriedades no seu prompt. O modelo respeita essas restrições. A temperatura afeta a validade do JSON. Valores mais baixos garantem consistência. Use isso para pipelines de dados confiáveis. O streaming funciona com o modo JSON. O último chunk contém o objeto completo. O uso de tokens é relatado com precisão. Os erros são retornados como JSON padrão. Isso garante um tratamento de erros fácil. Use o modo JSON para APIs. Reduz a sobrecarga de pós-processamento. O modelo é otimizado para este formato.

Limites de Taxa e Restrições de Solicitação

O limite é de 300 solicitações por minuto por chave. Você pode enviar 8 solicitações simultaneamente. O tamanho máximo do corpo da solicitação é de 8 MB. A janela de contexto é de 100.000 tokens no total. Isso inclui prompt e conclusão. A saída máxima é de 16.000 tokens por solicitação. Defina max_tokens para controlar o comprimento. O padrão é 2.048 se não definido. Os limites de taxa são aplicados rigorosamente. Excedê-los retorna um erro 429. Nenhum crédito é consumido durante os 429s. Erros não consomem crédito. Isso protege seu saldo. As solicitações são enfileiradas se os limites forem atingidos. Aguarde e tente novamente após um atraso. Use backoff exponencial para robustez. Monitore seu uso via painel. O crédito nunca expira. Recarregue apenas com criptomoeda. USDT ou USDC na Base. Crédito bônus é aplicado nos recarregamentos.

cURL

Copycurl https://api.deepseekunchained.com/v1/chat/completions \
  -H "Authorization: Bearer $API_KEY" \
  -H "Content-Type: application/json" \
  -d '{
    "model": "uncensored",
    "messages": [{"role": "user", "content": "list ten open source libraries for rust async io"}]
  }'

Python

Copyfrom openai import OpenAI

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

Streaming

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)