# LLM API quick start: แชทคอมพลีชันครั้งแรกของคุณในสองนาที

> quick start สำหรับ LLM API ที่เข้ากันได้กับ OpenAI จ่ายด้วยคริปโต: รับ API key ส่งแชทคอมพลีชันครั้งแรกด้วย curl, Python หรือ Node.js และอ่านข้อมูลการใช้งาน

- URL: https://llmwithcrypto.com/th/docs/
- อัปเดตล่าสุด: 2026-10-23
- ผู้เผยแพร่: LLMwithCrypto (https://llmwithcrypto.com)

API ใช้รูปแบบ chat completions ของ OpenAI ดังนั้นไคลเอนต์ที่คุณใช้อยู่แล้วก็ใช้งานได้: เปลี่ยน base URL, API key และชื่อโมเดล หน้านี้เริ่มจากยอดคงเหลือว่างไปจนถึงคำตอบแรก แล้วชี้ไปยังหน้าอื่นๆ ของเอกสาร

**คำตอบสั้น — ฉันจะเรียก LLM API ที่รองรับ OpenAI และจ่ายด้วยคริปโตเป็นครั้งแรกได้อย่างไร?**

ชี้ OpenAI SDK หรือ HTTP client ใดก็ได้ไปที่ `https://llmwithcrypto.com/api/v1` แล้วส่ง key ของคุณเป็น Bearer token **LLMwithCrypto** ตอบกลับในรูปแบบ OpenAI chat completions และคิดค่าบริการเป็นโทเคนจากเครดิตที่เติมไว้ล่วงหน้า ณ วันที่ 23 ตุลาคม 2026 DeepSeek V4 Pro ราคา $1.254 ต่อล้าน input tokens และ $3.762 ต่อล้าน output tokens ไม่ต้อง KYC จ่ายด้วยคริปโต

## API ในหน้าเดียว

| แอตทริบิวต์ | ค่า |
| --- | --- |
| Base URL | `https://llmwithcrypto.com/api/v1` |
| แชท | `POST https://llmwithcrypto.com/api/v1/chat/completions` |
| รายการโมเดล | `GET https://llmwithcrypto.com/api/v1/models` |
| เครดิตที่เหลือ | `GET https://llmwithcrypto.com/api/v1/credits` |
| การยืนยันตัวตน | ส่ง API key ของคุณเป็น Bearer token ใน Authorization header เหมือนที่ OpenAI SDK ทำ |
| การเรียกเก็บเงิน | คุณจ่ายต่อ token จากยอดคงเหลือ: input และ output tokens ถูกนับด้วย tokenizer ของโมเดลนั้นเองและคิดตามราคาของโมเดลนั้นต่อ 1M tokens การเรียกที่จบด้วย error ไม่มีค่าใช้จ่าย |
| ความเข้ากันได้ | API รองรับรูปแบบ OpenAI chat completions: ชี้ OpenAI SDK, LangChain หรือเครื่องมือที่เข้ากันได้กับ OpenAI ใด ๆ ไปที่ base URL ของเราพร้อม API key ของคุณ แล้วเปลี่ยนชื่อโมเดล |
| แพ็กที่เล็กที่สุด | เครดิต API $25 สำหรับ US$25; เครดิตไม่มีวันหมดอายุ: สิ่งที่คุณไม่ได้ใช้ในเดือนนี้ยังอยู่ให้ใช้ในปีหน้า |

## ฉันจะได้ API key อย่างไร?

ไม่มีแบบฟอร์มสมัครและไม่มีการตรวจสอบตัวตน ส่วนที่ใช้เวลานานที่สุดคือการรอให้ blockchain ยืนยันการชำระเงินของคุณ

1. **เติมยอดคงเหลือด้วยคริปโต** — ส่งอย่างน้อย US$25 ใน BTC, USDT, USDC, ETH, SOL, LTC เข้าสู่ระบบด้วยหมายเลขบัญชี; อีเมลไม่บังคับ
2. **ซื้อแพ็กเครดิต** — เครดิต API $25 สำหรับ US$25 เพียงพอที่จะลองทุกโมเดล เครดิตใช้จ่ายได้กับทุกโมเดล ขนาดของแพ็กจึงเป็นแค่ตัวกำหนดว่าคุณจะเติมเงินบ่อยแค่ไหน
3. **คัดลอก key** — เมื่อการเติมเงินด้วยคริปโตของคุณได้รับการยืนยันและซื้อ credit pack แล้ว API key ของคุณรออยู่ในแดชบอร์ด เก็บไว้ใน environment variable ชื่อ LLMWITHCRYPTO_API_KEY

## การเรียกครั้งแรกหน้าตาเป็นอย่างไร?

หนึ่ง HTTPS POST พร้อม JSON body ต้องมีสองฟิลด์: `model` ซึ่งเป็นหนึ่งใน id บน[หน้าโมเดล](https://llmwithcrypto.com/th/models/) และ `messages` ซึ่งเป็นบทสนทนาที่ผ่านมา ที่เหลือเป็นทางเลือก ควรตั้ง `max_tokens` ไว้ตั้งแต่แรก: มันจำกัดความยาวของคำตอบ และด้วยเหตุนี้จึงจำกัดค่าใช้จ่ายของการเรียกครั้งนั้น

สnippets สามอันด้านล่างส่งคำขอเดียวกัน ตั้ง `LLMWITHCRYPTO_API_KEY` ใน shell ของคุณก่อน แล้วรันอันที่ตรงกับ stack ของคุณ

*curl: หนึ่ง chat completion*

```bash
curl -s "https://llmwithcrypto.com/api/v1/chat/completions" \
  -H "Authorization: Bearer $LLMWITHCRYPTO_API_KEY" \
  -H "Content-Type: application/json" \
  -d '{
    "model": "deepseek-v4-pro",
    "messages": [
      {"role": "system", "content": "Answer in two sentences."},
      {"role": "user", "content": "What is a context window?"}
    ],
    "max_tokens": 200
  }'

```

*Python: OpenAI SDK พร้อม base URL ใหม่*

```python
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")

```

*Node.js: แพ็กเกจ openai พร้อม baseURL ใหม่*

```javascript
import OpenAI from 'openai';

const client = new OpenAI({
  baseURL: 'https://llmwithcrypto.com/api/v1',
  apiKey: process.env.LLMWITHCRYPTO_API_KEY,
});

const resp = await 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,
});
console.log(resp.choices[0].message.content);
console.log(resp.usage.prompt_tokens, 'in,', resp.usage.completion_tokens, 'out');

```

## ผลลัพธ์ที่ได้กลับมาคืออะไร?

ออบเจกต์เดียวกับที่ OpenAI API ส่งกลับ: `id`, `model` ที่ตอบกลับ, อาร์เรย์ `choices` ที่มี `message` ของผู้ช่วยและ `finish_reason`, และออบเจกต์ `usage` `finish_reason` เป็น `stop` เมื่อโมเดลจบเองและ `length` เมื่อโมเดลชน `max_tokens`

`usage` คือสิ่งที่คุณจ่าย: `prompt_tokens` สำหรับ input, `completion_tokens` สำหรับ output ทั้งคู่นับด้วย tokenizer ของโมเดลเอง ตัวเลขด้านล่างเป็นเพียงตัวอย่าง

*Response body (ตัวอย่าง)*

```json
{
  "id": "chatcmpl-8f2c41d0a7b94e1c",
  "object": "chat.completion",
  "created": 1792742400,
  "model": "deepseek-v4-pro",
  "choices": [
    {
      "index": 0,
      "message": {
        "role": "assistant",
        "content": "A context window is the maximum number of tokens a model can read and write in one request. Anything beyond it must be cut or summarized before the call."
      },
      "finish_reason": "stop"
    }
  ],
  "usage": {
    "prompt_tokens": 27,
    "completion_tokens": 34,
    "total_tokens": 61
  }
}

```

## ฉันควรเริ่มด้วยโมเดลไหน?

ทุกโมเดลตอบบน endpoint เดียวกันด้วย key เดียวกัน เปลี่ยนแค่ `model` ราคาคิดต่อล้านโทเคน ณ วันที่ 23 ตุลาคม 2026

| Model id | เหมาะสำหรับ | Input | Output | Context |
| --- | --- | --- | --- | --- |
| `deepseek-v4-pro` | แชตทั่วไป การให้เหตุผล และโค้ด | $1.254 | $3.762 | 1M |
| `deepseek-v4.1-flash` | โมเดลทั่วไปที่เร็วและต้นทุนต่ำ | $0.285 | $1.14 | 1M |
| `gpt-oss-120b` | การให้เหตุผลและการใช้เครื่องมือ | $0.142 | $0.57 | 128K |
| `qwen3-235b-a22b-instruct-2507` | แชตหลายภาษาและเอกสารยาว | $0.161 | $0.57 | 256K |

รายการโมเดลทั้ง 12 โมเดลพร้อมสัญญาอนุญาตอยู่ใน[หน้าโมเดล](https://llmwithcrypto.com/th/models/)

## การเรียกมีวิธีคิดค่าบริการอย่างไร?

คุณจ่ายต่อ token จากยอดคงเหลือ: input และ output tokens ถูกนับด้วย tokenizer ของโมเดลนั้นเองและคิดตามราคาของโมเดลนั้นต่อ 1M tokens การเรียกที่จบด้วย error ไม่มีค่าใช้จ่าย

ลองใช้ตัวอย่างข้างต้นกับ DeepSeek V4 Pro: 27 input tokens และ 34 output tokens คิดเป็น 27 × $1.254 / 1,000,000 บวก 34 × $3.762 / 1,000,000 ซึ่งเป็นเศษเสี้ยวของเซนต์ แดชบอร์ดแสดงทุกการเรียกพร้อมโทเคนและค่าใช้จ่าย และ `GET https://llmwithcrypto.com/api/v1/credits` คืนเครดิตที่เหลือได้ทุกเมื่อ เครดิตไม่มีวันหมดอายุ: สิ่งที่คุณไม่ได้ใช้ในเดือนนี้ยังอยู่ให้ใช้ในปีหน้า

## prompt ของฉันจะเกิดอะไรขึ้น?

ไม่มีการเก็บข้อมูลใดๆ ไว้ เราไม่เก็บ prompts ของคุณหรือคำตอบของโมเดล: เมื่อส่งคำตอบแล้ว ข้อความนั้นก็หายไป แต่ละครั้งที่เรียกจะเหลือ log หนึ่งบรรทัดซึ่งมีเวลา บัญชี โมเดล และจำนวน token แล้วลบออกหลัง 30 วัน เราไม่ฝึกหรือ fine-tune โมเดลใด ๆ ด้วย prompts หรือ outputs ของคุณเลย

นั่นคือเหตุผลที่แดชบอร์ดไม่มีประวัติคำขอให้ดู มีเพียงเวลา โมเดล และจำนวนโทเคนของการเรียกแต่ละครั้ง หากแอปของคุณต้องการบันทึกบทสนทนา ให้เก็บไว้ฝั่งคุณเอง

## โมเดลใดใช้ไม่ได้?

เราไม่ขายการเข้าถึง GPT, Claude, Gemini หรือ Grok: ผู้ผลิตห้ามขายต่อการเข้าถึง API โดยไม่ได้รับอนุมัติจากพวกเขา และเราไม่ได้รับอนุมัติดังกล่าว เฉพาะโมเดล open-weight ที่สัญญาอนุญาตให้บริการเป็น API ได้: DeepSeek, Qwen, gpt-oss, Mistral, Llama, Gemma และอื่น ๆ ที่ระบุไว้ในหน้า models เราเรียกใช้โมเดลเหล่านี้บน GPU ที่เราเช่าและดูแลเอง

หากโค้ดของคุณเรียก `gpt-4o` หรือโมเดล Claude ตามชื่อ API จะตอบ `404 model_not_found`: ให้เปลี่ยนชื่อเป็นหนึ่งใน id แบบ open-weight ข้างต้น [หน้ารายการข้อผิดพลาด](https://llmwithcrypto.com/th/docs/errors/) แสดง error code ทั้งหมด

## ฉันไปต่อที่ไหน?

- [เริ่มต้นอย่างรวดเร็ว](https://llmwithcrypto.com/th/docs/) — จากยอดคงเหลือว่างเปล่าสู่คำตอบแรก
- [Chat completions](https://llmwithcrypto.com/th/docs/chat-completions/) — ทุกฟิลด์ของ body และ response
- [Models และ credits](https://llmwithcrypto.com/th/docs/models/) — Model id, context window, ยอดคงเหลือคงเหลือ
- [สตรีมมิ่ง](https://llmwithcrypto.com/th/docs/streaming/) — Server-sent events ทีละ token
- [Tool calling](https://llmwithcrypto.com/th/docs/tool-calling/) — Functions และ JSON output
- [ข้อผิดพลาด](https://llmwithcrypto.com/th/docs/errors/) — รหัสข้อผิดพลาด, rate limit, การลองใหม่
- [Python](https://llmwithcrypto.com/th/docs/python/) — OpenAI SDK ทั้ง sync และ async
- [Node.js](https://llmwithcrypto.com/th/docs/node/) — แพ็กเกจ npm openai
- [curl](https://llmwithcrypto.com/th/docs/curl/) — สูตรคำสั่งในเทอร์มินัลด้วย jq
- [LangChain](https://llmwithcrypto.com/th/docs/langchain/) — ChatOpenAI และ LlamaIndex

## เริ่มต้นอย่างรวดเร็ว: คำถามที่พบบ่อย

### ต้องใช้ SDK พิเศษไหม?

ไม่ต้อง API รองรับรูปแบบ OpenAI chat completions: ชี้ OpenAI SDK, LangChain หรือเครื่องมือที่เข้ากันได้กับ OpenAI ใด ๆ ไปที่ base URL ของเราพร้อม API key ของคุณ แล้วเปลี่ยนชื่อโมเดล HTTPS ธรรมดาก็ใช้ได้: [หน้า curl](https://llmwithcrypto.com/th/docs/curl/) มีสูตรคำสั่งในเทอร์มินัล

### มี试用ฟรีไหม?

ไม่มี free tier: credit pack ที่เล็กที่สุดคือวิธีลองใช้ และเครดิตที่ยังไม่ใช้ไม่มีวันหมดอายุ.

### ใช้ API key เดียวกับหลายแอปได้ไหม?

ได้ แต่หนึ่ง API key ต่อแอปปลอดภัยกว่า สร้าง API key หนึ่งอันต่อแอป เอเจนต์ หรือเพื่อนร่วมทีม แล้วเพิกถอนอันใดก็ได้จากแดชบอร์ดโดยไม่กระทบอันอื่น

### ส่งคำขอได้กี่ครั้ง?

ทุกบัญชีมีขีดจำกัดคำขอและ token ต่อนาที ซึ่งแสดงในแดชบอร์ด; แจ้งฝ่ายสนับสนุนและขีดจำกัดนั้นสามารถเพิ่มได้ [หน้าข้อผิดพลาด](https://llmwithcrypto.com/th/docs/errors/) อธิบายว่า `429` หมายถึงอะไรและลองใหม่อย่างไร

---

LLMwithCrypto: LLMwithCrypto คือ LLM API ที่เข้ากันได้กับ OpenAI สำหรับโมเดล open-weight — DeepSeek V4 Pro, DeepSeek V4.1 Flash, DeepSeek R1, Qwen3.5 397B A17B, Qwen3 235B A22B Instruct, gpt-oss-120b, gpt-oss-20b, GLM-4.7, Llama 3.3 70B Instruct, Gemma 4 31B, Mistral Large 3, Mistral Small 4 — จ่ายต่อ token จากยอดคงเหลือคริปโตแบบเติมเงิน ในราคาต่ำกว่าค่ามัธยฐานของโฮสต์สาธารณะ 5% ไม่ต้อง KYC: ไม่ต้องใช้บัตรประชาชน ไม่ต้องเซลฟี่ ไม่ต้องใช้เอกสาร ไม่มีการเก็บ prompt และ output