Snel antwoord
Hoe roep ik LLMwithCrypto aan vanuit Python?
Installeer het officiële pakket met pip install openai en maak daarna de client aan met base_url="https://llmwithcrypto.com/api/v1" en je sleutel uit LLMWITHCRYPTO_API_KEY. LLMwithCrypto beantwoordt client.chat.completions.create() zoals de OpenAI API, voor 12 open-weight modellen zoals deepseek-v4-pro of gpt-oss-120b. Streaming, async en tool calls werken zoals gebruikelijk, zoals gedocumenteerd op 23 oktober 2026.
Wat je nodig hebt
| Python | 3.9 of nieuwer |
|---|---|
| Pakket | openai (officieel); requests voor de credits-aanroep |
| Base URL | https://llmwithcrypto.com/api/v1 |
| Key | In de omgevingsvariabele LLMWITHCRYPTO_API_KEY, nooit in de code |
| Model-ids | Op de modellenpagina] of vanuit client.models.list() |
Hoe verstuur ik één zoekopdracht?
Maak de client één keer aan en hergebruik hem: hij houdt de verbinding open tussen aanroepen. De SDK leest hier zelf geen omgevingsvariabele voor de base URL, dus geef hem expliciet mee.
import os
from openai import OpenAI
client = OpenAI(
base_url="https://llmwithcrypto.com/api/v1",
api_key=os.environ["LLMWITHCRYPTO_API_KEY"],
)
resp = client.chat.completions.create(
model="deepseek-v4-pro",
messages=[
{"role": "system", "content": "Answer in two sentences."},
{"role": "user", "content": "What is a context window?"},
],
max_tokens=200,
)
print(resp.choices[0].message.content)
print(resp.usage.prompt_tokens, "in,", resp.usage.completion_tokens, "out")
Hoe draai ik veel zoekopdrachten tegelijk?
Gebruik AsyncOpenAI met asyncio.gather, en een semafoor om te beperken hoeveel requests parallel lopen. Vier is een veilige start; verhoog het zolang je onder je rate limit blijft. Elk account heeft een limiet per minuut voor requests en tokens, te zien in het dashboard; vraag support en die kan worden verhoogd.
import asyncio
import os
from openai import AsyncOpenAI
client = AsyncOpenAI(
base_url="https://llmwithcrypto.com/api/v1",
api_key=os.environ["LLMWITHCRYPTO_API_KEY"],
)
LIMIT = asyncio.Semaphore(4)
async def summarize(text):
async with LIMIT:
resp = await client.chat.completions.create(
model="deepseek-v4.1-flash",
messages=[
{"role": "system", "content": "Summarize in one sentence."},
{"role": "user", "content": text},
],
max_tokens=80,
)
return resp.choices[0].message.content
async def main():
docs = ["First report text...", "Second report text...", "Third report text..."]
for summary in await asyncio.gather(*(summarize(d) for d in docs)):
print("-", summary)
asyncio.run(main())
Hoe stream ik het antwoord?
Geef stream=True door en itereer over de chunks; elke chunk bevat een stuk tekst in delta.content. Met stream_options={"include_usage": True} bevat de laatste chunk de token-aantallen. De streaming-pagina legt het formaat uit.
import os
from openai import OpenAI
client = OpenAI(
base_url="https://llmwithcrypto.com/api/v1",
api_key=os.environ["LLMWITHCRYPTO_API_KEY"],
)
stream = client.chat.completions.create(
model="deepseek-v4.1-flash",
messages=[{"role": "user", "content": "Write a haiku about latency."}],
stream=True,
stream_options={"include_usage": True},
max_tokens=120,
)
for chunk in stream:
if chunk.choices and chunk.choices[0].delta.content:
print(chunk.choices[0].delta.content, end="", flush=True)
if chunk.usage:
print("\n", chunk.usage.prompt_tokens, "in,", chunk.usage.completion_tokens, "out")
Hoe weet ik wat een request kost?
Vermenigvuldig de usage-aantallen met de prijzen van het model per miljoen tokens. Op 23 oktober 2026 kost DeepSeek V4 Pro $1.254 per miljoen inputtokens en $3.762 per miljoen outputtokens; het voorbeeld hardcodeert die twee getallen, dus werk ze bij vanaf de prijzenpagina wanneer de prijzen veranderen. Het dashboard toont de exacte kosten van elke call.
import os
from openai import OpenAI
# prices per 1M tokens of the models you use, copied from the pricing page
PRICES = {"deepseek-v4-pro": (1.254, 3.762)}
client = OpenAI(
base_url="https://llmwithcrypto.com/api/v1",
api_key=os.environ["LLMWITHCRYPTO_API_KEY"],
)
resp = client.chat.completions.create(
model="deepseek-v4-pro",
messages=[{"role": "user", "content": "Give me three names for a coffee shop."}],
max_tokens=100,
)
price_in, price_out = PRICES[resp.model]
cost = (resp.usage.prompt_tokens * price_in + resp.usage.completion_tokens * price_out) / 1_000_000
print(resp.choices[0].message.content)
print(f"cost: ${cost:.6f}")
Hoe verhuis ik een bestaande OpenAI-app?
Drie wijzigingen, meestal in één bestand:
- De client. Voeg
base_urltoe en lees de sleutel uitLLMWITHCRYPTO_API_KEYwaar jeOpenAI()ofAsyncOpenAI()aanmaakt. - De modelnamen. Vervang elke
gpt-…-naam door een id van de modellenpagina. Doorzoek het hele project: modelnamen verstoppen zich in configbestanden, prompts en tests. - De features waarop je vertrouwt. Chat, streaming en system prompts werken overal. Tool calling en JSON-output hangen van het model af, dus draai je bestaande tests tegen het model dat je kiest.
Al het andere blijft: je prompts, je retry-logica, je parsing van choices en usage. De overschakelgids loopt de details door.
Waar moet de sleutel staan?
In de omgeving, nooit in de code. Lokaal volstaat een .env-bestand dat je app laadt en dat in .gitignore staat; gebruik in productie de secret store van je host of CI. Geef elke app of service een eigen sleutel, zodat je er één kunt intrekken zonder de andere te stoppen. Maak één API-sleutel per app, agent of teamgenoot en trek er elk ervan in vanuit het dashboard zonder de andere te raken.
Python: veelgestelde vragen
Probeert de SDK het zelf opnieuw?
Ja, het openai-pakket probeert sommige fouten standaard twee keer opnieuw (max_retries). De foutenpagina vermeldt bij welke fouten een retry zinvol is.
Kan ik mijn OpenAI-code blijven gebruiken?
Ja. De API spreekt het OpenAI chat completions-formaat: richt de OpenAI SDK, LangChain of elk OpenAI-compatibel hulpmiddel op onze base URL met je sleutel, en verander de modelnaam. De overschakelgids vermeldt wat je moet controleren.
Welke Python-frameworks werken?
Alles dat een OpenAI-compatibele base URL accepteert. De LangChain-pagina toont LangChain en LlamaIndex.