Vercel AI SDK

Installer et configurer le fournisseur

npm install ai @ai-sdk/openai-compatible zod
export NOKEEP_API_KEY="sk-nokeep-test"  # your own key once it connects

import { createOpenAICompatible } from "@ai-sdk/openai-compatible"

export const nokeep = createOpenAICompatible({
  name: "nokeep",
  apiKey: process.env.NOKEEP_API_KEY,
  baseURL: "https://nokeep.ai/v1",
  includeUsage: true, // token counts on streamed replies too
})

nokeep("<id du modèle>") vous donne un modèle. Les identifiants sont deepseek-v4.1-flash-uncensored et glm-5.3-flash-uncensored : comparez-les dans Modèles, ou lisez-les depuis GET /v1/models. includeUsage: true demande le nombre de jetons sur les réponses en flux ; sans cela, streamText n'en indique aucun.

generateText

import { generateText } from "ai"
import { nokeep } from "./nokeep.js"

const { text, usage } = await generateText({
  model: nokeep("deepseek-v4.1-flash-uncensored"),
  system: "You are a blunt editor.",
  prompt: "Cut this opening line to ten words: ...",
})
console.log(text)
console.log(usage.inputTokens, usage.outputTokens)

streamText

import { streamText } from "ai"
import { nokeep } from "./nokeep.js"

const result = streamText({
  model: nokeep("deepseek-v4.1-flash-uncensored"),
  prompt: "Tell me a story in three lines.",
})
for await (const text of result.textStream) process.stdout.write(text)

// With includeUsage on, the counts arrive once the stream ends.
console.log(await result.usage)

Dans un gestionnaire de route Next.js, renvoyez result.toUIMessageStreamResponse() pour useChat, ou result.toTextStreamResponse() pour du texte brut. Arrêtez une réponse en annulant la requête (abortSignal) ; vous payez ce qui a été écrit avant l'arrêt. Voir Streaming.

Appel d'outils

import { generateText, stepCountIs, tool } from "ai"
import { z } from "zod"
import { nokeep } from "./nokeep.js"

const { text } = await generateText({
  model: nokeep("deepseek-v4.1-flash-uncensored"),
  tools: {
    weather: tool({
      description: "Get the weather in a city",
      inputSchema: z.object({ city: z.string() }),
      execute: async ({ city }) => ({ city, celsius: 18 }),
    }),
  },
  stopWhen: stepCountIs(5), // let the model call the tool, read the result and answer
  prompt: "What's the weather in Lisbon?",
})
console.log(text)

Les deux modèles appellent des outils. glm-5.3-flash-uncensored choisit lui-même : toolChoice: "required" ou un outil nommé renvoie un 400, donc utilisez DeepSeek lorsqu'un outil doit s'exécuter. Voir Appels d'outils.

Effort de raisonnement

import { generateText } from "ai"
import { nokeep } from "./nokeep.js"

const { text, reasoningText } = await generateText({
  model: nokeep("deepseek-v4.1-flash-uncensored"),
  prompt: "Plan a three-act heist story in five bullet points.",
  maxOutputTokens: 4000, // thinking counts toward the limit
  providerOptions: { nokeep: { reasoningEffort: "high" } },
})
console.log(reasoningText) // the thinking, apart from the answer
console.log(text)

La clé sous providerOptions est le name donné au fournisseur. Elle est envoyée telle quelle sous reasoning_effort. DeepSeek V4.1 Flash Uncensored répond tout de suite, sauf si vous lui demandez de réfléchir : il accepte none, low, high, max. L'option reasoning: "high" de l'AI SDK envoie le même champ. Voir Réflexion.

Images (DeepSeek)

import { readFile } from "node:fs/promises"
import { generateText } from "ai"
import { nokeep } from "./nokeep.js"

const { text } = await generateText({
  model: nokeep("deepseek-v4.1-flash-uncensored"),
  messages: [{
    role: "user",
    content: [
      { type: "text", text: "What is in this picture?" },
      { type: "file", mediaType: "image/jpeg", data: await readFile("photo.jpg") },
    ],
  }],
})
console.log(text)

• deepseek-v4.1-flash-uncensored lit jusqu'à 10 images par requête. glm-5.3-flash-uncensored ne lit que du texte et répond 400 unsupported_input.
• L'AI SDK envoie chaque image dans la requête, en base64. Si vous passez une URL comme data, il télécharge d'abord le fichier. Une requête peut aller jusqu'à 12 Mo : réduisez les grosses photos.
• Les images sont des parties file avec un type média image/*. L'ancienne partie image fonctionne encore mais est dépréciée.
• Les autres fichiers, comme les PDF ou l'audio, sont refusés avec 400 unsupported_input. Voir Images.

Pièges

• `reasoning_effort` n'accepte que les valeurs propres au modèle. deepseek-v4.1-flash-uncensored accepte none, low, high, max ; glm-5.3-flash-uncensored accepte low, high. Les valeurs minimal, medium et xhigh d'autres applications passent au niveau le plus proche du modèle (medium devient high, xhigh devient max lorsque le modèle l'a) ; toute autre valeur renvoie 400 invalid_reasoning_effort. Voir Réflexion.
• Les champs qu'un modèle ne peut pas prendre sont retirés, pas refusés. L'appel répond quand même, et l'en-tête de réponse x-nokeep-ignored indique ce qui a été retiré. GLM ne garde que tools, tool_choice et reasoning_effort, donc son temperature et son response_format sont retirés. Voir les champs acceptés par chaque modèle.
• `n` doit valoir 1. Pour obtenir plusieurs réponses, faites plusieurs appels.
• Utilisez `@ai-sdk/openai-compatible`, pas `@ai-sdk/openai`. Le fournisseur OpenAI appelle /v1/responses par défaut, que nokeep ne propose pas.