Быстрый старт

Ваш первый вызов за 30 секунд

Получите API-ключ в dashboard и выберите язык. Специфика QSP — только base_url и ключ; всё остальное — стандартный OpenAI SDK.

1. Получите API-ключ

Войдите на quicksilverpro.io/dashboard и скопируйте ключ из секции "Connect your agent".

Установите его как переменную окружения QSP_KEY, чтобы сниппеты ниже работали без правок:

shell

export QSP_KEY="sk-..."

2. Выполните вызов

Python

python

import os
from openai import OpenAI

client = OpenAI(
    base_url="https://api.quicksilverpro.io/v1",
    api_key=os.environ["QSP_KEY"],
)

resp = client.chat.completions.create(
    model="deepseek-v4.1-flash",
    messages=[{"role": "user", "content": "Hello!"}],
)
print(resp.choices[0].message.content)

Node.js / TypeScript

typescript

import OpenAI from "openai";

const client = new OpenAI({
  baseURL: "https://api.quicksilverpro.io/v1",
  apiKey: process.env.QSP_KEY,
});

const resp = await client.chat.completions.create({
  model: "deepseek-v4.1-flash",
  messages: [{ role: "user", content: "Hello!" }],
});
console.log(resp.choices[0].message.content);

Отключение размышлений: первый вызов возвращает видимый ответ с настройками модели по умолчанию. Для прямого ответа без цепочки рассуждений передайте нестандартное поле reasoning через параметр extra_body в Python SDK.

python

resp = client.chat.completions.create(
    model="deepseek-v4.1-flash",
    messages=[{"role": "user", "content": "Hello!"}],
    extra_body={"reasoning": {"enabled": False}},
)
print(resp.choices[0].message.content)

В TypeScript используйте описанный в документации параметр запроса body как второй аргумент create. Он заменяет тело запроса: сначала разверните стандартные params, затем добавьте reasoning. См. OpenAI Node SDK.

typescript

const params = {
  model: "deepseek-v4.1-flash",
  messages: [{ role: "user" as const, content: "Hello!" }],
};
const resp = await client.chat.completions.create(params, {
  body: { ...params, reasoning: { enabled: false } },
});
console.log(resp.choices[0].message.content);

Swift

swift

import Foundation
import OpenAI

let openAI = OpenAI(
  configuration: .init(
    token: ProcessInfo.processInfo.environment["QSP_KEY"]!,
    host: "api.quicksilverpro.io",
    basePath: "/v1"
  )
)

let query = ChatQuery(
  messages: [.user(.init(content: .string("Hello!")))],
  model: "deepseek-v4.1-flash"
)
let resp = try await openAI.chats(query: query)
print(resp.choices.first?.message.content?.string ?? "")

curl

shell

curl https://api.quicksilverpro.io/v1/chat/completions \
  -H "Authorization: Bearer $QSP_KEY" \
  -H "Content-Type: application/json" \
  -d '{
    "model": "deepseek-v4.1-flash",
    "messages": [{"role": "user", "content": "Hello!"}],
    "reasoning": {"enabled": false}
  }'

3. Что приходит в ответ

Стандартный OpenAI chat-completions JSON. choices[0].message.content — это ответ модели. usage сообщает количество prompt- и completion-токенов плюс синтетическое поле cost, рассчитанное по публичной цене за миллион.

json

{
  "id": "chatcmpl-...",
  "object": "chat.completion",
  "created": 1715800000,
  "model": "deepseek-v4.1-flash",
  "choices": [{
    "index": 0,
    "message": {"role": "assistant", "content": "Hello! How can I help?"},
    "finish_reason": "stop"
  }],
  "usage": {
    "prompt_tokens": 9,
    "completion_tokens": 8,
    "total_tokens": 17,
    "cost": 0.00000275
  }
}

Что дальше

Выберите модель под вашу задачу — Модели.
Получайте токены по мере генерации — Streaming.
Получайте строго типизированный JSON — Structured output.