Primeira requisição ao CheapTokens em Python com requests, sem SDK

Você não precisa do pacote openai para conversar com uma API compatível com OpenAI. Uma chamada requests.post, uma chave Bearer e um corpo JSON bastam, e você vê exatamente o que trafega pela rede. Este guia constrói esse script para o CheapTokens (https://api.cheaptokens.dev/v1/chat/completions) e termina com ele imprimindo a resposta, finish_reason e o uso de tokens.

É uma boa opção se você está em uma máquina restrita onde só o requests está instalado, se um pequeno cron job não deveria puxar um SDK, ou se você simplesmente quer entender o que o SDK faz por você. O guia da primeira requisição cobre o SDK, curl e Node; este é o da Python pura.

O script inteiro#

Coloque sua chave em uma variável de ambiente primeiro (veja como armazenar uma chave de API com segurança), depois salve isto como ask.py:

import os
import requests

url = "https://api.cheaptokens.dev/v1/chat/completions"
headers = {"Authorization": f"Bearer {os.environ['CHEAPTOKENS_API_KEY']}"}
payload = {
    "model": "deepseek-ai/DeepSeek-V4-Flash-0731",
    "messages": [
        {"role": "user", "content": "Explain what a token is in two sentences."}
    ],
    "max_tokens": 200,
}

try:
    r = requests.post(url, headers=headers, json=payload, timeout=30)
    r.raise_for_status()
except requests.exceptions.Timeout:
    raise SystemExit("No reply within 30 seconds - try again or raise the timeout")
except requests.exceptions.HTTPError as e:
    raise SystemExit(f"HTTP {e.response.status_code}: {e.response.text}")

data = r.json()
choice = data["choices"][0]
print(choice["message"]["content"])
print("finish_reason:", choice["finish_reason"])
print("usage:", data["usage"])

Execute python ask.py. O id do modelo é o id completo do gateway, deepseek-ai/DeepSeek-V4-Flash-0731; se você não tem certeza do que colocar ali, liste os modelos com GET /v1/models. Para testar outro modelo, troque por zai-org/GLM-5.3-Flash e não mude mais nada: um saldo cobre todos os modelos.

O que cada linha está fazendo#

Aqui estão as cinco ideias nas quais o script se apoia. O Quickstart do requests (documentação viva, verificada em 2 de novembro de 2026) explica a maioria delas, e a referência de Chat Completions da OpenAI define os campos da resposta.

O terceiro item é o que as pessoas pulam. Um script que trava para sempre em um cron job é muito pior do que um que falha ruidosamente após 30 segundos.

Leia a resposta#

Uma resposta bem-sucedida é JSON. As partes que importam, segundo a referência de Chat Completions:

• choices[0].message.content é o texto. Pode ser null, então não chame métodos de string nele às cegas.
• choices[0].finish_reason diz por que o modelo parou: stop (terminou), length (o limite de max_tokens o cortou), tool_calls, content_filter.
• usage.prompt_tokens, usage.completion_tokens e usage.total_tokens são o que você paga: entrada, saída e a soma delas.

A resposta tem este formato (os números são placeholders):

{
  "choices": [
    {
      "message": {"role": "assistant", "content": "A token is a small piece of text..."},
      "finish_reason": "stop"
    }
  ],
  "usage": {"prompt_tokens": 18, "completion_tokens": 52, "total_tokens": 70}
}

Quando não funciona#

O script transforma a maioria das falhas em uma linha de saída. Aqui está o que cada uma costuma significar:

Para os corpos de erro reais e uma verificação passo a passo de chave, URL base e id do modelo, use Erro 401 ou 404 da API: chave, URL base ou id do modelo errado. Duas pegadinhas menores: se você vir KeyError: 'choices', você analisou um corpo de erro como sucesso, o que significa que raise_for_status() foi pulado. E se sua máquina tiver um arquivo ~/.netrc, o requests pode usar as credenciais dele em vez do header Authorization que você definiu.

Quanto custa uma chamada#

Com os números placeholder da resposta acima (cerca de 18 tokens de entrada, 52 de saída), uma chamada ao DeepSeek-V4-Flash custa $0.0000055. É um número que você não sente, então amplie. Digamos que seu script resuma 1.000 tickets de suporte por dia, aproximadamente 800 tokens de entrada e 300 de saída cada:

Os preços são fixos por modelo, sem horários de pico, então o mesmo script custa o mesmo às 3 da manhã e ao meio-dia. Os preços atuais por modelo estão na página de preços, e a documentação lista os endpoints.

Para onde ir daqui#

Depois que isso funcionar, os próximos passos habituais são um loop sobre muitas entradas, uma nova tentativa em 429 (veja 429 Too Many Requests: retries com backoff), ou a mesma chamada com streaming. Se você prefere não gerenciar HTTP por conta própria, a rota do SDK está a uma mudança de base_url de distância.