TH ▾
รับคีย์ API

getdeepseekapi.comคู่มือ

API AI ไม่เซ็นเซอร์สำหรับเขียนโค้ด: การตั้งค่า ราคา ขีดจำกัด

สงสัยว่าจะใช้ DeepSeek API สำหรับการเขียนโค้ดผ่านเอนด์พอยต์ที่ไม่ปฏิเสธคำถามด้านความปลอดภัยหรือการสแครปข้อมูลได้อย่างไร บริการนี้ไม่ใช่ API ของ DeepSeek โดยตรง แต่เป็นเอนด์พอยต์ที่เข้ากันได้กับ OpenAI สำหรับโมเดลแบบเปิดน้ำหนักที่ไม่เซ็นเซอร์หนึ่งตัว และรองรับงานเขียนโค้ดผ่านการเรียกแชทแบบเดียวกัน

อัปเดต

ประเด็นสำคัญ

  • ID โมเดลคือ uncensored base URL คือ https://api.getdeepseekapi.com/v1 และ SDK ของ OpenAI ใดๆ ก็ใช้งานได้
  • การปฏิเสธมีความสำคัญที่สุดสำหรับการทดสอบความปลอดภัย การรีเวอร์สเอ็นจิเนียร์ริ่ง การสแครปข้อมูล และการวิเคราะห์มัลแวร์ ทั้งหมดเพื่อการใช้งานที่ถูกต้องตามกฎหมาย
  • การรีวิวโค้ดเบสขนาด 50,000 โทเคนมีต้นทุนต่ำกว่าหนึ่งเซ็นต์สำหรับอินพุต การรันเอเจนต์ 30 ขั้นตอนมีต้นทุนประมาณ 19 เซนต์
  • รองรับการเรียกใช้เครื่องมือ โหมด JSON และการสตรีมมิง พร้อมหน้าต่างบริบท 100,000 โทเคน
เทอร์มินัลที่มีวงเล็บโค้ดเรืองแสงและแม่กุญแจเปิดอยู่ข้างเซิร์ฟเวอร์ แสดงถึงการเข้าถึง API การเขียนโค้ดแบบไม่กรอง

เอนด์พอยต์นี้คืออะไร และไม่ใช่สิ่งใด

คำถามกล่าวถึง DeepSeek จึงขอชี้แจงสั้นๆ บริการนี้ไม่ใช่ API ทางการของ DeepSeek และไม่ส่งต่อคำขอไปยัง DeepSeek หรือผู้ขายรายอื่น แต่ใช้โมเดลแบบเปิดน้ำหนักผ่านผู้ให้บริการอิสระ ซึ่งปรับแต่งให้ตอบคำถามโดยไม่ปฏิเสธเนื้อหา สำหรับการใช้งานผู้ใหญ่ที่ถูกต้องตามกฎหมาย คุณเรียกใช้งานโมเดล uncensored ที่ https://api.getdeepseekapi.com/v1 โดยใช้รูปแบบคำขอเหมือนกับ SDK ของ OpenAI หากคุณต้องการใช้โมเดลของ DeepSeek โดยตรง ให้ใช้งานกับ DeepSeek โดยตรงและตรวจสอบเอกสารของพวกเขา

ทำไมต้องใช้โมเดลที่ไม่มีตัวกรองสำหรับโค้ด? คำถามการเขียนโปรแกรมส่วนใหญ่ไม่กระตุ้นการปฏิเสธในโมเดลใดเลย แต่บางงานที่ถูกต้องก็ถูกบล็อกหรือลดทอนโดยตัวกรอง: การเขียนสแกนเนอร์พอร์ตสำหรับเครือข่ายของคุณเอง การวิเคราะห์ตัวอย่างไบนารีที่น่าสงสัย การฟัซ API ของคุณเอง การสร้างสแครปเปอร์ การอธิบายวิธีการทำงานของคลาสเอ็กซ์พลอยต์เพื่อที่คุณจะได้แพตช์มัน โมเดลที่ปรับให้ตอบคำถามเหล่านั้นโดยตรงช่วยประหยัดเวลาที่คุณต้องเสียไปกับการเรียบเรียงคำถามใหม่ โมเดลนี้ไม่ได้ทำให้โค้ดดีขึ้น และไม่ได้ปลดความรับผิดชอบของคุณในการใช้งานอย่างถูกกฎหมาย ข้อจำกัดเด็ดขาด: ห้ามมีเนื้อหาทางเพศที่เกี่ยวข้องกับผู้เยาว์ ไม่ว่ากรณีใด

ตั้งค่าเสร็จในสองนาที

สร้างบัญชี (Google หรืออีเมลและรหัสผ่าน) และเปิดหน้าคีย์ API ผู้ใช้ใหม่สามารถรับเครดิตทดลองใช้ฟรี (free trial credit) จำนวน $0.50 ได้ด้วยการคลิกหนึ่งครั้ง เครดิตนี้มีอายุ 7 วัน ไม่ต้องการบัตรเครดิต และจำกัดหนึ่งต่อบุคคล จากนั้นติดตั้ง SDK และเรียกใช้งานครั้งแรก

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)

ค่า temperature ต่ำ ประมาณ 0.0 ถึง 0.3 เหมาะสำหรับการเขียนโค้ด ตั้งค่าให้สูงขึ้นก็ต่อเมื่อคุณต้องการตัวเลือกที่หลากหลายสำหรับการระดมความคิด

การทบทวนโค้ดในไฟล์ทั้งหมดหรือ repo ขนาดเล็ก

นิสัยการเขียนพรอมต์ไม่กี่อย่างทำให้คำตอบโค้ดดีขึ้นในโมเดลใด ๆ ระบุภาษาและเวอร์ชัน วางข้อความข้อผิดพลาดที่แน่นอนแทนที่จะอธิบายมัน และบอกสิ่งที่คุณได้ลองไปแล้ว ขอ diff หรือฟังก์ชันเดียวแทนการเขียนใหม่ทั้งไฟล์ เพราะคำตอบสั้นๆ มีราคาถูกกว่าและทบทวนง่ายกว่า เมื่องานมีขนาดใหญ่ ให้แบ่งมันออก: คำขอหนึ่งเพื่อวางแผน คำขอที่สองเพื่อเขียนแต่ละส่วน นั่นยังทำให้แต่ละพรอมต์อยู่ในหน้าต่างและช่วยให้คุณรันส่วนที่เป็นอิสระต่อกันแบบขนานได้ จนถึงขีดจำกัดจำนวนคำขอพร้อมกัน

หน้าต่างบริบทขนาด 100,000 โทเคน (พรอมต์รวมกับการสร้างผลลัพธ์) ทำให้คุณสามารถวางซอร์สโค้ดจำนวนมากลงในคำขอเดียวได้ โดยประมาณ โค้ดทั่วไป 1,000 บรรทัด มีค่าประมาณ 10,000 ถึง 15,000 โทเคน แต่ควรวัดด้วยฟิลด์ usage แทนที่จะเชื่อกฎทั่วไป

โหมด JSON (JSON mode) ทำให้ผลลัพธ์จากการทบทวนอ่านโดยเครื่องได้ ขอให้รูปแบบที่แน่นอนแล้วทำการ parse

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)

โหมด JSON รับรองไวยากรณ์ที่ถูกต้อง ไม่ใช่คีย์ที่ตรงกันเป๊ะ ดังนั้นควรตรวจสอบว่าฟิลด์มีอยู่จริงก่อนนำไปใช้ ค่าใช้จ่ายมีน้อย การส่งโค้ดขนาด 50,000 โทเคนและรับผลลัพธ์ 2,000 โทเคน มีค่าใช้จ่าย 50,000 x 0.15 / 1,000,000 = $0.0075 สำหรับอินพุต บวก 2,000 x 0.50 / 1,000,000 = $0.001 สำหรับเอาต์พุต รวมเป็น $0.0085

จุดที่การปฏิเสธเกิดขึ้นจริงในงานเขียนโค้ด

การระบุรายละเอียดช่วยให้เข้าใจได้ดีขึ้น เพราะโมเดลที่กรองเนื้อหาซึ่งปฏิเสธสิ่งที่ไม่เป็นอันตราย ไม่เหมือนกับโมเดลที่ปฏิเสธสิ่งที่เป็นอันตราย นี่คืองานที่ถูกต้องตามกฎหมายที่นักพัฒนาซอฟต์แวร์รายงานว่าพบปัญหาบนแพลตฟอร์มอื่น ๆ ดังนั้นควรทดสอบบนโมเดลที่คุณใช้:

  • การทดสอบความปลอดภัยของระบบที่คุณเป็นเจ้าของหรือได้รับอนุญาตให้ทดสอบ: สแกนเนอร์ เครื่อง fuzzing โค้ด proof-of-concept เพื่อยืนยันว่าแพตช์ทำงานได้
  • การ reverse engineering และการวิเคราะห์มัลแวร์: อธิบายว่า routine ที่ decompile แล้วทำงานอย่างไร
  • การ scraping และ automation: จัดการการเข้าสู่ระบบ ขีดจำกัดอัตรา (rate limit) และพฤติกรรมป้องกัน bot บนบัญชีของคุณเอง
  • การเขียนกฎการตรวจจับ ซึ่งหมายถึงต้องเข้าใจก่อนว่าการโจมตีทำงานอย่างไร
  • การปรับแต่งเกมและเครื่องมือ emulation ที่เกี่ยวข้องกับระบบป้องกันลิขสิทธิ์ในลักษณะที่ไม่ธรรมดา

ความรับผิดชอบยังคงอยู่ที่เดิม หากคุณนำผลลัพธ์ไปใช้กับระบบที่คุณไม่มีสิทธิ์ทดสอบ นั่นเป็นความรับผิดชอบของคุณ จุดประสงค์ของโมเดล uncensored คือการปฏิบัติต่อคุณเป็นผู้ใหญ่ที่มีเหตุผลในการถาม ไม่ใช่หมายความว่าทุกการใช้งานจะยอมรับได้

การเรียกใช้ฟังก์ชัน (function calling) สำหรับ agent ขนาดเล็ก

การเรียกใช้ฟังก์ชัน (function calling) ช่วยให้โมเดลสามารถขอการกระทำต่าง ๆ เช่น การรันการทดสอบ คุณกำหนดฟังก์ชันใน tools อ่าน tool_calls จากคำตอบ รันคำสั่งเอง แล้วส่งผลลัพธ์กลับด้วย role: "tool" นี่คือลูปแบบย่อที่สามารถรันคำสั่งทดสอบและอ่านผลลัพธ์ได้

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:]})

การตัดเอาต์พุตของเครื่องมือให้เหลือ 4,000 ตัวอักษรสุดท้ายช่วยควบคุมบริบทและค่าใช้จ่าย วางขีดจำกัดสูงสุดบนขั้นตอนลูป และรันคำสั่ง shell เฉพาะภายในแซนด์บ็อกซ์หรือไดเรกทอรีที่คุณสามารถยอมเสียได้ สำหรับเครื่องมือ editor และ terminal ที่พร้อมใช้ หลายรายการยอมรับ Base URL ที่เข้ากันได้กับ OpenAI; เอกสารการผสานรวมแสดงรายการพารามิเตอร์ที่รองรับ

ค่าใช้จ่ายของเซสชันเอเจนต์

เอเจนต์คิดราคาตามจำนวนรอบ ทุกขั้นตอนจะส่งบริบทใหม่ ทำให้โทเคนอินพุตมีสัดส่วนสูง อัตราการคิดคือ $0.15 ต่อ 1M โทเคนอินพุต และ $0.50 ต่อ 1M โทเคนเอาต์พุต

สมมติว่าเซสชันทำงาน 30 ขั้นตอน โดยแต่ละขั้นตอนส่งบริบทประมาณ 40,000 โทเคน และได้รับผลลัพธ์ประมาณ 500 โทเคน

  • อินพุต: 30 x 40,000 = 1,200,000 โทเคน ดังนั้น 1.2 x $0.15 = $0.18
  • เอาต์พุต: 30 x 500 = 15,000 โทเคน ดังนั้น 0.015 x $0.50 = $0.0075
  • รวม: $0.1875

ด้วยอัตรานี้ เครดิต $20 สามารถครอบคลุมเซสชันลักษณะนี้ได้มากกว่า 100 เซสชัน เครดิตเป็นแบบเติมเงินล่วงหน้า ไม่หมดอายุ และไม่มีค่าสมาชิก เติมเงินด้วยจำนวนเต็มตั้งแต่ $20 ถึง $500 ได้ผ่านคริปโต (USDT บน TRC20, USDC บน Base) พร้อมโบนัส +5% เมื่อเติม $50, +10% เมื่อเติม $100 และ +15% เมื่อเติม $200 คำขอที่ล้มเหลวหรือถูกปฏิเสธจะไม่ถูกคิดเงิน รายละเอียดอยู่ที่หน้า ราคา

ขีดจำกัดและข้อควรระวัง

คีย์เต็มอนุญาตให้คำขอพร้อมกัน 8 รายการและ 300 ต่อนาที; คีย์ทดลองอนุญาตให้ 2 และ 60 รันการทดสอบแบบขนานข้ามไฟล์หลายไฟล์? จำกัดกลุ่ม worker ของคุณที่ 8 เกินขีดจำกัด API จะส่งกลับ 429: rate_limited สำหรับคำขอต่อนาที และ concurrency สำหรับคำขอพร้อมกันมากเกินไป การโอเวอร์โหลดชั่วคราวส่งกลับ 429 พร้อม Retry-After: 5 คำขอสตรีมมิงจะถือช่องของมันจนกว่าสตรีมจะสิ้นสุด ดังนั้นปิดสตรีมที่คุณไม่ต้องการอีกต่อไป

มาถึงข้อควรระวัง เราไม่เผยแพร่ผลการทดสอบ และคุณไม่ควรสันนิษฐานว่าโมเดลนี้ให้คุณภาพโค้ดที่ดีกว่าโมเดลอื่น เป็นโมเดลแบบเปิดน้ำหนักทั่วไปที่ปรับแต่งมาเพื่อไม่ให้ปฏิเสธ ไม่ใช่โมเดลเฉพาะทางสำหรับโค้ด ทดสอบกับตัวอย่างงานของคุณเองแล้วเปรียบเทียบกับสิ่งที่ใช้อยู่ในปัจจุบัน รองรับเฉพาะข้อความและขนาด request body จำกัดที่ 8 MB ดังนั้นไม่สามารถส่งไบนารีขนาดใหญ่ได้ พรอมต์ไม่ถูกนำไปใช้ในการฝึก ซึ่งสำคัญเมื่อโค้ดเป็นความลับ หากต้องการบริบทที่กว้างขึ้นเกี่ยวกับบริการนี้ หน้า บทสรุปทางเลือก DeepSeek อธิบายความแตกต่างจาก API ของผู้ขาย

ถาม-ตอบ

นี่คือ API ของ DeepSeek อย่างเป็นทางการหรือไม่?

ไม่ เป็นบริการแยกต่างหากที่รันโมเดลแบบเปิดน้ำหนักอิสระหนึ่งตัว ID คือ uncensored อยู่เบื้องหลัง API ที่เข้ากันได้กับ OpenAI

รองรับการเรียกใช้ฟังก์ชันสำหรับเอเจนต์เขียนโค้ดหรือไม่

ใช่ ใช้ tools และ tool_choice จัดการ tool_calls ในคำตอบ และส่งกลับผลลัพธ์เป็นข้อความบทบาท tool การเรียกใช้ฟังก์ชันแบบสตรีมมิงก็ใช้งานได้เช่นกัน

ฉันสามารถส่ง codebase ขนาดใหญ่แค่ไหนได้?

หน้าต่างคือ 100,000 โทเคนสำหรับพรอมต์บวกกับ completion และ request body สามารถมีขนาดสูงสุด 8 MB ตรวจสอบการใช้โทเคนในการตอบสนอง

การรีวิวโค้ดมีค่าใช้จ่ายเท่าไหร่

อินพุต 50,000 โทเคนพร้อมเอาต์พุต 2,000 โทเคนมีค่าใช้จ่าย $0.0085 ที่ $0.15 และ $0.50 ต่อ 1M โทเคน

คีย์ของคุณอยู่ห่างแค่แบบฟอร์มเดียว

สร้างบัญชี คัดลอกคีย์ และเปลี่ยน base URL นั่นคือการตั้งค่าทั้งหมด

รับคีย์ API