繁中 ▾
取得 API 金鑰

getdeepseekapi.com指南

無審查 AI API 用於程式設計:設定、費用與限制

想知道如何使用 DeepSeek API 進行程式碼開發,且端點不會拒絕安全或爬蟲相關問題?此服務並非 DeepSeek 官方 API,而是針對單一無審查開放權重模型的 OpenAI 相容端點,透過相同的聊天呼叫處理程式碼任務。

更新於

重點摘要

  • 模型 ID 為 uncensored,Base URL 為 https://api.getdeepseekapi.com/v1,任何 OpenAI SDK 皆可運作。
  • 拒絕回覆對於安全測試、逆向工程、爬蟲與惡意軟體分析至關重要,且皆為合法用途。
  • 50,000 token 的程式碼庫審查,輸入費用低於一分錢;30 步的代理程式執行約需 19 分錢。
  • 支援工具呼叫、JSON 模式與串流輸出,並具備 100,000 token 的上下文視窗。
終端機帶有發光的程式碼括號,伺服器旁有一把開啟的掛鎖,代表無過濾的程式設計 API 存取

此端點是什麼,以及它不是什麼

查詢提到 DeepSeek,因此快速說明。此服務並非官方 DeepSeek API,也不會將請求路由至 DeepSeek 或其他供應商。它透過獨立供應商執行單一開放權重模型,並針對合法成人用途調整為不會拒絕內容的回答。你以模型 uncensored 呼叫它,Base URL 為 https://api.getdeepseekapi.com/v1,使用與 OpenAI SDK 相同的請求格式。如果你是為了 DeepSeek 自己的模型而來,請直接使用 DeepSeek 並查看其文件。

為什麼要使用無過濾模型來處理程式碼?大多數程式碼問題在任何模型上都不會觸發拒絕回應。但某些合法任務仍會被過濾器阻擋或弱化:例如為自己的網路撰寫端口掃描器、分析可疑的二進位檔案樣本、對自己的 API 進行模糊測試、建立爬蟲,或解釋漏洞類別的運作方式以便修補。針對這些情況調整過、能直接回答的模型,可節省你反覆修改提示詞的時間。它不會讓程式碼變好,也不會免除你依法使用的責任。硬性限制:永遠不會包含涉及未成年人的性內容。

兩分鐘內完成設定

建立帳戶(使用 Google,或電子郵件與密碼)並開啟 API 金鑰頁面。新用戶可一鍵領取 $0.50 的免費試用額度。有效期為 7 天,無需信用卡,每人限領一次。然後安裝 SDK 並執行第一次呼叫。

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)

較低的溫度值(約 0.0 至 0.3)適合程式碼。僅在你希望產生多種替代方案以進行腦力激盪時,才設定較高的溫度值。

對整個檔案或小程式庫進行程式碼審查

一些提示詞習慣能讓任何模型的程式碼回答更好。指定語言和版本,貼上確切的錯誤訊息而非描述它,並說明你已經嘗試過什麼。要求提供 diff 或單一函式,而非重寫整個檔案,因為短的回答較便宜且更易於檢閱。當任務龐大時,將其拆分:一個請求用於規劃,第二個請求用於撰寫每個部分。這也能讓每個提示詞保持在視窗範圍內,並讓你能並行執行獨立的部分,最多達到並行請求限制。

100,000-token 視窗(提示詞加上完成內容)讓你能在一次請求中貼入大量原始碼。大約而言,1,000 行典型程式碼約為 10,000 到 15,000 個 token,但請使用 usage 欄位進行測量,而非依賴規則。

JSON 模式使審查輸出可被機器讀取。要求固定的格式並進行解析。

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 模式保證語法有效,但不保證你的確切鍵名,因此在使用前請檢查欄位是否存在。成本很低。傳送 50,000-token 程式碼庫並取得 2,000 token 的回應,成本為 50,000 x 0.15 / 1,000,000 = $0.0075 的輸入加上 2,000 x 0.50 / 1,000,000 = $0.001 的輸出,總計 $0.0085。

拒絕回覆在程式設計工作中實際出現的情況

具體說明很有幫助,因為拒絕無害內容的過濾模型與拒絕危險內容的模型並不相同。這些是開發人員在其他地方報告遇到摩擦的合法任務,因此請在你使用的任何模型上測試它們:

  • 你擁有或已獲授權測試的系統安全測試:掃描器、模糊測試器、確認修補程式有效的概念驗證程式碼。
  • 逆向工程與惡意軟體分析:解釋反編譯例程的功能。
  • 爬蟲與自動化:處理你自己帳戶的登入、速率限制與反機器人行為。
  • 撰寫偵測規則,這意味著首先要了解攻擊方式。
  • 以不尋常方式觸及版權保護的遊戲模組與模擬工具。

責任並未轉移。如果你對未獲授權測試的系統使用輸出內容,責任在你。無過濾模型的意義在於它將你視為有理由提問的成年人,而非讓任何使用方式都變得可接受。

小型程式代理程式的工具呼叫

工具呼叫讓模型可以請求執行動作,例如執行測試。你在 tools 中定義函式,從回覆中讀取 tool_calls,自行執行它們,並透過 role: "tool" 回傳結果。這是一個可執行測試命令並讀取輸出的簡短迴圈。

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:]})

將工具輸出截斷至最後 4,000 個字元,可讓上下文與成本保持可控。務必對循環步驟設定硬性上限,且僅在沙箱或你能承受損失的目錄內執行 shell 命令。對於現成的編輯器和終端機工具,許多工具接受 OpenAI 相容的Base URL;整合文件列出了支援的參數。

代理程式工作階段的費用

代理程式的價格依重複次數計算。每個步驟都會重新傳送上下文,因此輸入 token 佔主導地位。費率為每 1M 輸入 token $0.15 和每 1M 輸出 token $0.50。

假設工作階段執行 30 步,每步發送約 40,000 token 的上下文並返回約 500 token。

  • 輸入:30 x 40,000 = 1,200,000 token,即 1.2 x $0.15 = $0.18
  • 輸出:30 x 500 = 15,000 token,即 0.015 x $0.50 = $0.0075
  • 總計:$0.1875

以該費率計算,$20 的額度可涵蓋超過 100 次此類會話。額度為預付額度,不會過期且無訂閱。使用加密貨幣(TRC20 上的 USDT、Base 上的 USDC)儲值,金額範圍從 $20 到 $500 的整數。達到 $50 贈送 +5%,達到 $100 贈送 +10%,達到 $200 贈送 +15%。失敗或被拒絕的請求不會收費。詳情請見 定價頁面。

限制與誠實的限制說明

完整金鑰允許 8 個並行請求和每分鐘 300 個;試用金鑰允許 2 個和每分鐘 60 個。在多個檔案上並行執行測試?將你的工作池限制在 8。超過限制時,API 會返回 429:rate_limited 表示每分鐘請求過多,concurrency 表示同時請求過多。暫時過載會返回 429 並帶有 Retry-After: 5。串流輸出的請求會佔用其槽位直到串流結束,因此請關閉你不再需要的串流。

接下來是限制說明。我們不發布基準測試,你不應假設此模型在程式碼品質上優於任何其他模型。它是針對無拒絕調整的通用開放權重模型,而非專門的程式碼模型。請在你自己的任務樣本上測試它,並與你目前使用的任何模型進行比較。它僅支援文字,且主體限制為 8 MB,因此無法發送大型二進位檔案。提示詞不用於訓練,當程式碼是私有時這很重要。如果你想了解此服務的更廣泛背景,DeepSeek 替代方案概覽 解釋了它與供應商 API 的差異。

問答

這是官方的 DeepSeek API 嗎?

不是。這是獨立服務,透過 OpenAI 相容 API 運行單一獨立開放權重模型,ID 為 uncensored。

是否支援程式代理程式的函式呼叫?

是。使用 tools 與 tool_choice,處理回覆中的 tool_calls,並以 role tool 訊息回傳結果。串流輸出的工具呼叫也支援。

我可以傳送多大的程式碼庫?

上下文視窗為 100,000 個 token(提示詞加補完),請求主體最多 8 MB。請在回應中檢查 token 使用量。

程式碼審查費用多少?

50,000 token 輸入搭配 2,000 token 輸出,在每 1M token $0.15 與 $0.50 的費率下,費用為 $0.0085。

只差一張表單,即可取得金鑰

建立帳號、複製金鑰、更改Base URL。這就是整個設定過程。

取得 API 金鑰