getdeepseekapi.comPanduan
API AI tanpa sensor untuk coding: Setup, Biaya, Batas
Bertanya bagaimana menggunakan API DeepSeek untuk coding dengan endpoint yang tidak menolak pertanyaan keamanan atau scraping? Layanan ini bukan API resmi DeepSeek, tetapi endpoint kompatibel OpenAI untuk satu model bobot terbuka tanpa sensor, dan menangani tugas kode melalui panggilan chat yang sama.
Diperbarui
Poin utama
- ID model adalah
uncensored, base URL adalah https://api.getdeepseekapi.com/v1, dan SDK OpenAI apa pun berfungsi. - Penolakan sangat penting untuk pengujian keamanan, rekayasa terbalik, scraping dan analisis malware, semuanya untuk penggunaan yang sah.
- Tinjauan basis kode 50.000 token berharga kurang dari satu sen untuk input; menjalankan agen 30 langkah sekitar 19 sen.
- Pemanggilan alat, mode JSON dan streaming didukung, dengan jendela konteks 100.000 token.

Apa endpoint ini, dan apa yang bukan
Pertanyaan menyebutkan DeepSeek, jadi klarifikasi singkat. Layanan ini bukan API DeepSeek resmi dan tidak mengarah ke DeepSeek atau vendor lain. Layanan ini menjalankan satu model bobot terbuka melalui penyedia independen, disesuaikan untuk menjawab tanpa penolakan konten untuk penggunaan dewasa yang sah. Anda memanggilnya sebagai model uncensored di https://api.getdeepseekapi.com/v1, menggunakan format permintaan yang sama dengan SDK OpenAI. Jika Anda mencari model DeepSeek sendiri, gunakan DeepSeek secara langsung dan periksa dokumentasi mereka.
Mengapa menggunakan model tanpa filter untuk kode? Sebagian besar pertanyaan pemrograman tidak pernah memicu penolakan pada model apa pun. Namun, beberapa tugas sah diblokir atau dihaluskan oleh filter: menulis scanner port untuk jaringan Anda sendiri, menganalisis sampel biner mencurigakan, melakukan fuzzing pada API Anda sendiri, membangun scraper, menjelaskan cara kerja kelas eksploitasi agar Anda dapat memperbaikinya. Model yang disesuaikan untuk menjawab tugas-tugas tersebut secara langsung menghemat waktu yang Anda habiskan untuk mengubah kata-kata. Ini tidak membuat kode lebih baik, dan tidak menghilangkan tanggung jawab Anda untuk menggunakannya secara sah. Batas keras: tidak ada yang melibatkan konten seksual dengan anak di bawah umur, selamanya.
Setup dalam dua menit
Buat akun (Google, atau email dan kata sandi) dan buka halaman kunci API. Pengguna baru dapat mengklaim $0,50 kredit uji coba dengan satu klik. Kredit ini berlaku selama 7 hari, tidak memerlukan kartu dan hanya satu per orang. Kemudian instal SDK dan jalankan panggilan pertama.
pip install openai
export UNCENSORED_API_KEY="paste-your-key-here"
import os
from openai import OpenAI
client = OpenAI(
base_url="https://api.getdeepseekapi.com/v1",
api_key=os.environ["UNCENSORED_API_KEY"],
)
resp = client.chat.completions.create(
model="uncensored",
temperature=0.2,
messages=[
{"role": "system", "content": "You are a senior engineer. Answer with code first, then a short explanation."},
{"role": "user", "content": "Write a Python function that scans TCP ports 1-1024 on a host I own, using asyncio."},
],
)
print(resp.choices[0].message.content)
Suhu rendah, sekitar 0,0 hingga 0,3, cocok untuk kode. Tetapkan suhu yang lebih tinggi hanya ketika Anda menginginkan alternatif yang bervariasi untuk brainstorming.
Tinjauan kode pada satu file atau repositori kecil
Beberapa kebiasaan prompting membuat jawaban kode lebih baik pada model apa pun. Sebutkan bahasa dan versinya, tempelkan teks kesalahan persis daripada mendeskripsikannya, dan sebutkan apa yang sudah Anda coba. Minta diff atau satu fungsi daripada menulis ulang seluruh file, karena jawaban pendek lebih murah dan lebih mudah ditinjau. Ketika tugasnya besar, pecah: satu permintaan untuk merencanakan, permintaan kedua untuk menulis setiap bagian. Itu juga menjaga setiap prompt tetap di dalam jendela konteks dan memungkinkan Anda menjalankan bagian independen secara paralel, hingga batas konkurensi.
Jendela 100.000 token (prompt plus penyelesaian) memungkinkan Anda menempelkan banyak sumber ke dalam satu permintaan. Secara kasar, 1.000 baris kode tipikal adalah 10.000 hingga 15.000 token, tetapi ukur dengan field usage daripada mengandalkan aturan.
Mode JSON membuat output untuk ditinjau dapat dibaca mesin. Minta bentuk yang tetap dan uraikan.
import json, pathlib
source = pathlib.Path("app.py").read_text()
r = client.chat.completions.create(
model="uncensored",
temperature=0.1,
response_format={"type": "json_object"},
messages=[
{"role": "system", "content": "Review code. Return JSON: {\"issues\": [{\"line\": int, \"severity\": \"low|medium|high\", \"problem\": str, \"fix\": str}]}"},
{"role": "user", "content": source},
],
)
for issue in json.loads(r.choices[0].message.content)["issues"]:
print(issue["severity"], issue["line"], issue["problem"])
print(r.usage)
Mode JSON menjamin sintaksis yang valid, bukan kunci Anda yang tepat, jadi periksa apakah bidang-bidang tersebut ada sebelum menggunakannya. Biayanya kecil. Mengirim basis kode 50.000 token dan mendapatkan 2.000 token kembali berharga 50.000 x 0,15 / 1.000.000 = $0,0075 untuk input plus 2.000 x 0,50 / 1.000.000 = $0,001 untuk output, total $0,0085.
Di mana penolakan benar-benar muncul dalam pekerjaan coding
Lebih baik menjadi konkret, karena model terfilter yang menolak sesuatu yang tidak berbahaya tidak sama dengan yang menolak sesuatu yang berbahaya. Ini adalah tugas sah yang dilaporkan pengembang mengalami gesekan di tempat lain, jadi uji di model apa pun yang Anda gunakan:
- Pengujian keamanan sistem yang Anda miliki atau memiliki izin tertulis untuk diuji: pemindai, fuzzer, kode proof-of-concept untuk mengkonfirmasi bahwa patch berfungsi.
- Rekayasa terbalik dan analisis malware: menjelaskan apa yang dilakukan rutinitas yang didekompilasi.
- Scraping dan otomatisasi: menangani login, batas laju dan perilaku anti-bot pada akun Anda sendiri.
- Menulis aturan deteksi, yang berarti memahami bagaimana serangan bekerja terlebih dahulu.
- Modding game dan alat emulasi yang menyentuh perlindungan salinan dengan cara yang tidak biasa.
Tanggung jawab tidak berpindah. Jika Anda menggunakan output terhadap sistem yang tidak Anda miliki izin untuk diuji, itu tanggung jawab Anda. Poin dari model tanpa filter adalah bahwa itu memperlakukan Anda sebagai orang dewasa yang memiliki alasan untuk bertanya, bukan bahwa itu membuat penggunaan apa pun dapat diterima.
Pemanggilan alat untuk agen coding kecil
Pemanggilan fungsi memungkinkan model meminta tindakan seperti menjalankan pengujian. Anda menentukan fungsi dalam tools, membaca tool_calls dari balasan, menjalankannya sendiri, dan mengirim hasilnya kembali dengan role: "tool". Berikut adalah loop ringkas yang dapat menjalankan perintah pengujian dan membaca outputnya.
import json, subprocess
tools = [{
"type": "function",
"function": {
"name": "run_tests",
"description": "Run the project's test suite and return the output",
"parameters": {"type": "object", "properties": {}, "required": []},
},
}]
messages = [
{"role": "system", "content": "Fix failing tests. Call run_tests, then explain the cause."},
{"role": "user", "content": "The tests in this repo fail. Find out why."},
]
for step in range(6):
r = client.chat.completions.create(model="uncensored", messages=messages, tools=tools, temperature=0.2)
msg = r.choices[0].message
messages.append(msg)
if not msg.tool_calls:
print(msg.content)
break
for call in msg.tool_calls:
out = subprocess.run(["pytest", "-x", "-q"], capture_output=True, text=True, timeout=120)
messages.append({"role": "tool", "tool_call_id": call.id, "content": (out.stdout + out.stderr)[-4000:]})
Memotong output alat hingga 4.000 karakter terakhir menjaga konteks, dan biaya, tetap terkendali. Selalu tetapkan batas maksimum pada langkah loop, dan jalankan perintah shell hanya di dalam sandbox atau direktori yang dapat Anda relakan. Untuk alat editor dan terminal yang sudah jadi, banyak yang menerima base URL yang kompatibel dengan OpenAI; dokumentasi integrasi mencantumkan parameter yang didukung.
Berapa biaya sesi agen
Agen dihargai berdasarkan pengulangan. Setiap langkah mengirim ulang konteks, sehingga token input mendominasi. Tarifnya adalah $0,15 per 1M token input dan $0,50 per 1M token output.
Misalkan sesi berjalan 30 langkah, masing-masing mengirim sekitar 40.000 token konteks dan mengembalikan sekitar 500 token.
- Input: 30 x 40.000 = 1.200.000 token, jadi 1.2 x $0,15 = $0,18
- Output: 30 x 500 = 15.000 token, jadi 0.015 x $0,50 = $0,0075
- Total: $0,1875
Pada tarif itu, $20 kredit mencakup lebih dari 100 sesi seperti itu. Kredit adalah saldo prabayar, tidak pernah habis masa berlakunya dan tidak ada langganan. Isi saldo dengan jumlah bulat apa pun dari $20 hingga $500 dengan kripto (USDT pada TRC20, USDC pada Base), dengan bonus +5% dari $50, +10% dari $100 dan +15% dari $200. Permintaan yang gagal atau ditolak tidak dikenakan biaya. Detail ada di halaman harga.
Batas dan catatan jujur
Kunci penuh mengizinkan 8 permintaan bersamaan dan 300 per menit; kunci uji coba mengizinkan 2 dan 60. Menjalankan pengujian secara paralel di banyak file? Batasi kumpulan pekerja Anda di 8. Di atas batas, API mengembalikan 429: rate_limited untuk permintaan per menit dan concurrency untuk terlalu banyak sekaligus. Beban berlebih sementara mengembalikan 429 dengan Retry-After: 5. Permintaan streaming memegang slotnya hingga stream berakhir, jadi tutup stream yang tidak Anda butuhkan lagi.
Sekarang batasnya. Kami tidak mempublikasikan benchmark, dan sebaiknya Anda tidak berasumsi model ini mengalahkan model lain dalam kualitas kode. Ini adalah model bobot terbuka umum yang disesuaikan agar tidak menolak, bukan model kode khusus. Uji di sampel tugas Anda sendiri dan bandingkan dengan apa pun yang Anda gunakan sekarang. Ini hanya teks dan batas body permintaan adalah 8 MB, jadi Anda tidak dapat mengirim biner besar. Prompt tidak digunakan untuk pelatihan, yang penting ketika kodenya bersifat pribadi. Jika Anda ingin konteks yang lebih luas dari layanan ini, tinjauan alternatif DeepSeek menjelaskan perbedaannya dengan API vendor.
Panduan lainnya
Tanya jawab
Apakah ini API resmi DeepSeek?
Tidak. Ini adalah layanan terpisah yang menjalankan satu model bobot terbuka independen, ID uncensored, di balik API kompatibel OpenAI.
Apakah mendukung pemanggilan fungsi untuk agen coding?
Ya. Gunakan tools dan tool_choice, tangani tool_calls dalam balasan, dan kembalikan hasil sebagai pesan role tool. Pemanggilan fungsi streaming juga berfungsi.
Seberapa besar basis kode yang bisa saya kirim?
Jendela konteks adalah 100.000 token untuk prompt plus completion, dan body permintaan bisa hingga 8 MB. Periksa penggunaan token dalam respons.
Berapa biaya tinjauan kode?
Input 50.000 token dengan output 2.000 token berharga $0,0085 pada harga $0,15 dan $0,50 per 1M token.
Kunci Anda hanya selangkah lagi dari satu formulir
Buat akun, salin kunci, ubah base URL. Itu saja seluruh proses pengaturannya.