Schnellstart: uncensored Modell-API

Voraussetzungen und Base-URL

Unsere API funktioniert mit jedem Standard-OpenAI-kompatiblen Client, indem Sie die base_url und den API-Schlüssel aktualisieren. Zeigen Sie Ihr SDK auf https://api.modeluncensored.com/v1 und sende Anfragen an den Standard /v1/chat/completions Endpunkt. Sie benötigen keine proprietären Bibliotheken; bestehende Tools wie das offizielle OpenAI Python- oder Node.js-SDK funktionieren sofort. Konfigurieren Sie einfach die Basis-URL, um den Datenverkehr über unsere Server statt über die Standard-OpenAI-Infrastruktur zu leiten.

Die Authentifizierung basiert auf einem einzelnen API-Schlüssel, der bei der Anmeldung generiert wird. Übergeben Sie diesen Schlüssel im Authorization Header als Bearer-Token. Die Modellkennung ist festgelegt auf uncensored um ein konsistentes Verhalten bei allen Anfragen zu gewährleisten. Jedes Konto stellt einen aktiven Schlüssel bereit, der jeden vorherigen Schlüssel bei der Neuerstellung ersetzt.

Authentifizierung mit Ihrem API-Schlüssel

Schließen Sie Ihren API-Schlüssel in den Authorization header jeder Anfrage, um Ihre Identität zu überprüfen. Verwenden Sie das Format Authorization: Bearer YOUR_API_KEY zur sofortigen Authentifizierung von Anfragen. Wenn der Schlüssel fehlt oder ungültig ist, gibt die API sofort einen 401 Unauthorized-Fehler zurück. Dies stellt sicher, dass nur gültige Konten Token von Ihrem Prepaid-Guthaben verbrauchen können.

Sie können Ihren Schlüssel über das Dashboard generieren oder regenerieren, nachdem Sie sich mit Google oder E-Mail angemeldet haben. Der Schlüssel wird sofort nach der Erstellung angezeigt. Speichern Sie ihn sicher, da er direkten Zugriff auf Ihr Guthaben ermöglicht. Für die Anmeldung ist keine Telefonnummer erforderlich, was den Prozess schnell und einfach hält.

Ihre erste Chat Completion senden

Machen Sie eine POST-Anfrage an /v1/chat/completions mit Ihren Nachrichten und der Modell-ID, um eine Antwort zu erhalten. Das Modell akzeptiert Texteingaben und gibt Textausgaben ohne weiche Ablehnungen für legale erwachsene Inhalte zurück. Sie können die Modell-ID als uncensored um sicherzustellen, dass Sie unser spezifisches uncensored-LLM verwenden. Dieser Endpunkt unterstützt sowohl synchrone als auch Streaming-Antworten für Flexibilität.

Anfragen werden basierend auf der tatsächlichen Token-Nutzung abgerechnet. Fehler und Ablehnungen verbrauchen keinen Guthaben, sodass Sie kostenlos testen können. Die maximale Ausgabe pro Anfrage beträgt 16.000 Tokens, oder 2.048 Tokens, wenn Sie den max_tokens Parameter. Das Kontextfenster unterstützt bis zu 100.000 Tokens für Prompt und Vervollständigung zusammen.

Streaming-Antworten (SSE) handhaben

Aktivieren Sie Streaming, indem Sie stream: true in Ihrer Anfrage, um Tokens zu erhalten, während sie generiert werden. Dies reduziert die wahrgenommene Latenz für lange Antworten und ermöglicht die Echtzeitanzeige in Ihrer Anwendung. Das letzte Chunk des Streams enthält die gesamten Token-Nutzungsstatistiken für Abrechnung und Überwachung. Dies ist entscheidend für den Aufbau von Chat-Schnittstellen, die sich reaktionsfähig und interaktiv anfühlen.

Stream-Antworten behandeln partielle Inhalte korrekt und ermöglichen es Ihnen, Text anzuzeigen, sobald er eintrifft. Dies ist besonders nützlich für kreatives Schreiben oder Coding-Aufgaben, bei denen das Modell lange Ausgaben generiert. Sie können die Server-Sent Events analysieren, um Ihre Benutzeroberfläche inkrementell zu aktualisieren. Stellen Sie sicher, dass Ihr Client das End-of-Stream-Ereignis korrekt verarbeitet, um die Antwort abzuschließen.

Konfigurieren von Parametern: Temperatur, Top-p und Seed

Anpassen temperature um Zufälligkeit zu steuern, wobei höhere Werte kreativere und abwechslungsreichere Ausgaben erzeugen. Verwenden top_p die Abtastung auf die wahrscheinlichsten Tokens zu beschränken, was eine feinere Steuerung der Ausgabeverteilung ermöglicht. Legen Sie einen seed stellt deterministische Ergebnisse sicher, was für das Debuggen oder reproduzierbare Experimente entscheidend ist. Diese Parameter ermöglichen es dir, das Verhalten des Modells für spezifische Anwendungsfälle wie Storytelling oder technisches Schreiben anzupassen.

Das Modell unterstützt Standardparameter wie stop Sequenzen und presence_penalty für erweiterte Steuerung. Sie können diese Einstellungen kombinieren, um den gewünschten Ton und die gewünschte Struktur zu erreichen. Experimentieren Sie mit verschiedenen Werten, um das optimale Gleichgewicht zwischen Kreativität und Kohärenz für Ihre Anwendung zu finden.

Die Verwendung von Tools und JSON-Modus

Function Calling aktivieren, indem Sie ein tools array in Ihrer Anfrage, damit das Modell strukturierte Daten ausgibt. Das Modell kann Funktionen basierend auf dem Kontext des Gesprächs aufrufen, was komplexe Workflows ermöglicht. Verwenden Sie response_format: {"type": "json_object"} die Ausgabe in ein gültiges JSON-Format zu zwingen. Dies ist ideal für die Integration mit Backend-Systemen oder zur Extraktion strukturierter Informationen aus Text.

Der JSON-Modus stellt sicher, dass die Antwort parsbar ist, was den Bedarf an zusätzlicher Parsing-Logik auf Client-Seite reduziert. Sie können mehrere Tools definieren und angeben, welches Tool das Modell aufrufen soll. Diese Funktion erhöht die Nützlichkeit des Modells für automatisierte Aufgaben und Datenextraktion. Die API übernimmt das Routing von Tool-Aufrufen nahtlos.

cURL

Copycurl https://api.modeluncensored.com/v1/chat/completions \
  -H "Authorization: Bearer $API_KEY" \
  -H "Content-Type: application/json" \
  -d '{
    "model": "uncensored",
    "messages": [{"role": "user", "content": "Return the current system time in ISO format"}]
  }'

Python

Copyfrom openai import OpenAI

client = OpenAI(base_url="https://api.modeluncensored.com/v1", api_key="YOUR_KEY")

resp = client.chat.completions.create(
    model="uncensored",
    messages=[{"role": "user", "content": "Summarise this thread without softening it."}],
)
print(resp.choices[0].message.content)

Node.js

Copyimport OpenAI from "openai";

const client = new OpenAI({ baseURL: "https://api.modeluncensored.com/v1", apiKey: process.env.API_KEY });

const resp = await client.chat.completions.create({
  model: "uncensored",
  messages: [{ role: "user", content: "Draft a villain monologue for my game." }],
});
console.log(resp.choices[0].message.content);

Streaming

Copystream = client.chat.completions.create(
    model="uncensored",
    messages=[{"role": "user", "content": "Tell the story in second person."}],
    stream=True,
)
for chunk in stream:
    if chunk.choices and chunk.choices[0].delta.content:
        print(chunk.choices[0].delta.content, end="", flush=True)