Ongecensureerde AI-API voor coderen: installatie, kosten, limieten
Vraag je af hoe je de DeepSeek API voor coderen kunt gebruiken met een endpoint dat geen vragen over security of scraping weigert? Deze service is niet de eigen API van DeepSeek, maar wel een OpenAI-compatible endpoint voor één ongecensureerd open-weight model, en het verwerkt codetaken via dezelfde chat calls.
Bijgewerkt
Belangrijkste punten
- Het model ID is
uncensored, de base URL is https://api.getdeepseekapi.com/v1, en elke OpenAI SDK werkt. - Weigeringen zijn het belangrijkst voor security testing, reverse engineering, scraping en malware analyse, allemaal voor legaal gebruik.
- Een code review van een codebase van 50.000 tokens kost minder dan één cent aan input; een agent run van 30 stappen kost ongeveer 19 cent.
- Tool calling, JSON-modus en streaming worden ondersteund, met een contextvenster van 100.000 tokens.

Wat dit endpoint is, en wat het niet is
De query noemt DeepSeek, dus een korte verduidelijking. Deze dienst is niet de officiële DeepSeek API en routeert niet naar DeepSeek of een andere leverancier. Het draait één open-weight model via een onafhankelijke provider, afgestemd om te antwoorden zonder inhoudsweigeringen voor legaal gebruik door volwassenen. Je roept het aan als model uncensored op https://api.getdeepseekapi.com/v1, met dezelfde request-indeling als de OpenAI SDKs. Als je voor de eigen modellen van DeepSeek kwam, gebruik dan DeepSeek direct en bekijk hun docs.
Waar een ongefilterd model voor code gebruiken? De meeste programmeervragen triggeren nooit een weigering op elk model. Maar sommige wettelijke taken worden wel geblokkeerd of afgezwakt door filters: een port scanner schrijven voor je eigen netwerk, een verdacht binair bestand analyseren, je eigen API fuzz-en, een scraper bouwen, uitleggen hoe een exploit class werkt zodat je het kunt patchen. Een model afgestemd om die direct te beantwoorden bespaart de tijd die je zou besteden aan het herformuleren. Het maakt de code niet beter, en het neemt niet je verantwoordelijkheid om het wettelijk te gebruiken weg. Harde limiet: niets met seksuele inhoud met minderjarigen, altijd.
In twee minuten geïnstalleerd
Maak een account aan (Google, of e-mail en wachtwoord) en open de API-sleutel pagina. Nieuwe gebruikers kunnen $0,50 aan gratis proeftegoed claimen met één klik. Het is 7 dagen geldig, heeft geen kaart nodig en is één per persoon. Installeer daarna de SDK en voer een eerste call uit.
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)
Een lage temperatuur, rond 0,0 tot 0,3, past bij code. Stel een hogere alleen in als je gevarieerde alternatieven wilt voor brainstormen.
Code review op een volledig bestand of kleine repo
Enkele prompting gewoonten maken code antwoorden beter op elk model. Noem de taal en versie, plak de exacte error tekst in plaats van het te beschrijven, en zeg wat je al hebt geprobeerd. Vraag om een diff of een enkele functie in plaats van een rewrite van het hele bestand, omdat korte antwoorden goedkoper en makkelijker te reviewen zijn. Als de taak groot is, splits het dan: één request om te plannen, een tweede om elk deel te schrijven. Dat houdt elke prompt ook binnen het venster en stelt je in staat om onafhankelijke stukken parallel uit te voeren, tot de concurrency limiet.
Het 100.000-token contextvenster (prompt plus completion) stelt je in staat veel broncode in één verzoek te plakken. Ruw geschat is 1.000 regels typische code 10.000 tot 15.000 tokens, maar meet met het usage veld in plaats van op basis van een vuistregel.
JSON-modus maakt review output machine-readable. Vraag om een vaste vorm en parse het.
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)
JSON-modus garandeert geldige syntax, niet je exacte keys, dus controleer of de velden bestaan voordat je ze gebruikt. Kosten zijn klein. Een 50.000-token codebase versturen en 2.000 tokens terugkrijgen kost 50.000 x 0,15 / 1.000.000 = $0,0075 voor input plus 2.000 x 0,50 / 1.000.000 = $0,001 voor output, in totaal $0,0085.
Waar weigeringen zich echt voordoen in programmeerwerk
Het helpt om concreet te zijn, omdat een gefilterd model dat iets onschuldig weigert niet hetzelfde is als een model dat iets gevaarlijks weigert. Dit zijn wettelijke taken waar ontwikkelaars elders wrijving mee ervaren, dus test ze op welk model je ook gebruikt:
- Security testing van systemen die je eigendom zijn of waar je schriftelijke toestemming voor hebt: scanners, fuzzers, proof-of-concept code om te bevestigen dat een patch werkt.
- Reverse engineering en malware analyse: uitleggen wat een gedecompileerde routine doet.
- Scraping en automatisering: het afhandelen van logins, rate limits en anti-bot gedrag op je eigen accounts.
- Detection rules schrijven, wat betekent dat je eerst moet begrijpen hoe de aanval werkt.
- Game modding en emulatie tools die op ongebruikelijke wijze met copy protection omgaan.
De verantwoordelijkheid verplaatst niet. Als je de output gebruikt tegen systemen waar je geen toestemming voor hebt om te testen, is dat aan jou. Het punt van een ongefilterd model is dat het je behandelt als een volwassene die een reden heeft om te vragen, niet dat het elk gebruik acceptabel maakt.
Tool calling voor een kleine coding agent
Function calling stelt het model in staat acties aan te vragen, zoals het uitvoeren van tests. Je definieert functies in tools, leest tool_calls uit de reply, voert ze zelf uit en stuurt resultaten terug met role: "tool". Hier is een compacte loop die een testcommando kan uitvoeren en de output kan lezen.
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:]})
Het afkappen van de tool output naar de laatste 4.000 tekens houdt context en kosten onder controle. Zet altijd een harde cap op loop stappen en voer shell commando's alleen uit binnen een sandbox of een map die je kunt missen. Voor kant-en-klare editor- en terminaltools accepteren veel een OpenAI-compatible base URL; de integratiedocs vermelden de ondersteunde parameters.
Wat een agentsessie kost
Agents worden geprijsd per herhaling. Elke stap stuurt de context opnieuw, dus input tokens domineren. Tarieven zijn $0,15 per 1M input tokens en $0,50 per 1M output tokens.
Stel dat een sessie 30 stappen uitvoert, waarbij elk ongeveer 40.000 tokens context verstuurt en ongeveer 500 tokens retourneert.
- Input: 30 x 40.000 = 1.200.000 tokens, dus 1,2 x $0,15 = $0,18
- Output: 30 x 500 = 15.000 tokens, dus 0,015 x $0,50 = $0,0075
- Totaal: $0,1875
Bij dat tarief dekt $20 aan tegoed meer dan 100 van zulke sessies. Tegoed is prepaid, verloopt nooit en er is geen abonnement. Laad op met elk willekeurig geheel bedrag van $20 tot $500 per crypto (USDT op TRC20, USDC op Base), met bonussen van +5% vanaf $50, +10% vanaf $100 en +15% vanaf $200. Mislukte of geweigerde verzoeken worden niet in rekening gebracht. Details staan op de prijzen pagina.
Limieten en eerlijke kanttekeningen
Een volledige sleutel staat 8 gelijktijdige verzoeken en 300 per minuut toe; een proefsleutel staat 2 en 60 toe. Tests parallel uitvoeren over veel bestanden? Beperk je worker pool tot 8. Bij overschrijding retourneert de API een 429: rate_limited voor verzoeken per minuut en concurrency voor te veel tegelijk. Tijdelijke overbelasting retourneert 429 met Retry-After: 5. Een gestreamd verzoek houdt zijn slot vast tot de stream eindigt, dus sluit streams die je niet meer nodig hebt.
Nu de kanttekeningen. We publiceren geen benchmarks en je mag niet aannemen dat dit model andere modellen verslaat qua codekwaliteit. Het is een algemeen open-weight model afgestemd om niet te weigeren, geen gespecialiseerd codemodel. Test het op een steekproef van je eigen taken en vergelijk met wat je nu gebruikt. Het is alleen tekst en de body limit is 8 MB, dus je kunt geen grote binaries sturen. Prompts worden niet gebruikt voor training, wat van belang is als de code privé is. Als je de bredere context van deze dienst wilt begrijpen, legt de DeepSeek alternatief overzicht uit hoe het verschilt van vendor APIs.
Meer handleidingen
Vragen en antwoorden
Is dit de officiële DeepSeek API?
Nee. Het is een aparte service die één onafhankelijk open-weight model draait, met model ID uncensored, achter een OpenAI-compatible API.
Wordt function calling ondersteund voor coding agents?
Ja. Gebruik tools en tool_choice, verwerk tool_calls in het antwoord en retourneer resultaten als role tool berichten. Gestreamde tool calls werken ook.
Hoe groot kan een codebase zijn die ik stuur?
Het contextvenster is 100.000 tokens voor prompt plus completion, en de request body kan maximaal 8 MB zijn. Controleer het tokengebruik in de response.
Hoeveel kost een code review?
Een input van 50.000 tokens met 2.000 tokens output kost $0,0085 bij $0,15 en $0,50 per 1M tokens.
Je sleutel is nog maar één formulier verwijderd
Maak een account aan, kopieer de sleutel, pas de base URL aan. Dat is de hele setup.