Γρήγορη εκκίνηση: uncensored model API

Προαπαιτούμενα και Base URL

Η API μας λειτουργεί με οποιοδήποτε τυπικό OpenAI-compatible client ενημερώνοντας το base URL και το API key. Κατευθύνετε το SDK σας προς https://api.modeluncensored.com/v1 και στείλτε αιτήματα στο τυπικό /v1/chat/completions endpoint. Δεν χρειάζεται να εγκαταστήσετε ιδιόκτητες βιβλιοθήκες· τα υπάρχοντα εργαλεία όπως τα επίσημα OpenAI Python ή Node.js SDKs λειτουργούν αμέσως. Απλά διαμορφώστε το base URL για να κατευθύνει την κίνηση μέσω των servers μας αντί για την προεπιλεγμένη υποδομή OpenAI.

Η πιστοποίηση βασίζεται σε ένα μοναδικό κλειδί API που δημιουργήθηκε κατά την εγγραφή. Περάστε αυτό το κλειδί στο Authorization header ως Bearer token. Το αναγνωριστικό μοντέλου είναι σταθερό στο uncensored για να διασφαλίσετε συνεπή συμπεριφορά σε όλες τις αιτήσεις. Κάθε λογαριασμός παρέχει ένα ενεργό key που αντικαθιστά οποιοδήποτε προηγούμενο key μετά την αναγέννηση.

Πιστοποίηση Με το API Key Σας

Συμπεριλάβετε το API key στο Authorization header κάθε αίτησης για να επαληθεύσετε την ταυτότητά σας. Χρησιμοποιήστε τη μορφή Authorization: Bearer YOUR_API_KEY για να πιστοποιήσετε τις αιτήματα άμεσα. Αν το key λείπει ή είναι άκυρο, η API επιστρέφει σφάλμα 401 Unauthorized αμέσως. Αυτό διασφαλίζει ότι μόνο έγκυροι λογαριασμοί μπορούν να καταναλώσουν tokens από το προκαταβλημένο υπόλοιπό σας.

Μπορείτε να δημιουργήσετε ή να αναγεννήσετε το κλειδί σας μέσω του ταμπλό αφού συνδεθείτε με Google ή email. Το κλειδί εμφανίζεται αμέσως κατά τη δημιουργία. Αποθηκεύστε το με ασφάλεια, καθώς παρέχει άμεση πρόσβαση στο υπόλοιπο του λογαριασμού σας. Δεν απαιτείται επαλήθευση μέσω τηλεφώνου για την εγγραφή, κρατώντας τη διαδικασία γρήγορη και απλή.

Αποστολή του Πρώτου Chat Completion

Κάντε μια αίτηση POST στο /v1/chat/completions με τα μηνύματά σας και το αναγνωριστικό μοντέλου για να λάβετε απάντηση. Το μοντέλο δέχεται είσοδο κειμένου και επιστρέφει έξοδο κειμένου χωρίς μαλακές απορρίψεις για νόμιμο περιεχόμενο ενήλικων. Μπορείτε να ορίσετε το ID του μοντέλου ως uncensored για να διασφαλιστεί ότι χρησιμοποιείτε το συγκεκριμένο LLM μας χωρίς λογοκρισία. Αυτό το endpoint υποστηρίζει τόσο συγχρονικές όσο και streaming απαντήσεις για ευελιξία.

Τα αιτήματα χρεώνονται βάσει της πραγματικής χρήσης token. Τα σφάλματα και οι απορρίψεις δεν καταναλώνουν credit, οπότε μπορείτε να δοκιμάζετε ελεύθερα. Η μέγιστη έξοδο ανά αίτημα είναι 16,000 tokens, ή 2,048 tokens αν δεν ορίσετε το max_tokens parameter. Το παράθυρο πλαισίου υποστηρίζει έως 100.000 tokens για εντολή και ολοκλήρωση συνολικά.

Διαχείριση Streaming Αποκρίσεων (SSE)

Ενεργοποιήστε streaming ρυθμίζοντας stream: true στο αίτημά σας για λήψη tokens καθώς παράγονται. Αυτό μειώνει την αντιλαμβανόμενη καθυστέρηση για μακρές απαντήσεις και επιτρέπει την εμφάνιση σε πραγματικό χρόνο στην εφαρμογή σας. Το τελευταίο κομμάτι της ροής περιέχει τα στατιστικά συνολικής χρήσης tokens για χρέωση και παρακολούθηση. Αυτό είναι απαραίτητο για τη δημιουργία διεπαφών συνομιλίας που φαίνονται αντιδραστικές και διαδραστικές.

Οι ροές αποκρίσεων χειρίζονται ομαλά το μερικό περιεχόμενο, επιτρέποντάς σας να εμφανίζετε κείμενο καθώς φτάνει. Αυτό είναι ιδιαίτερα χρήσιμο για δημιουργική γραφή ή εργασίες προγραμματισμού όπου το μοντέλο παράγει μακρές εξόδους. Μπορείτε να αναλύσετε τα server-sent events για να ενημερώνετε το UI σας σταδιακά. Βεβαιωθείτε ότι ο πελάτης σας χειρίζεται σωστά το γεγονός τέλους ροής για να ολοκληρώσει την απόκριση.

Ρύθμιση Παραμέτρων: Temperature, Top-p, και Seed

Ρύθμιση temperature για τον έλεγχο τυχαίοτητας, με υψηλότερες τιμές να παράγουν πιο δημιουργικές και ποικίλες εξόδους. Χρησιμοποιήστε top_p για να περιορίσετε τη δειγματοληψία στα πιο πιθανά tokens, παρέχοντας πιο λεπτομερή έλεγχο της κατανομής εξόδου. Ορισμός ενός seed ensures deterministic results, which is crucial for debugging or reproducible experiments. These parameters allow you to tune the model's behavior for specific use cases like storytelling or technical writing.

Το μοντέλο υποστηρίζει τυπικές παραμέτρους όπως stop ακολουθίες και presence_penalty για προηγμένο έλεγχο. Μπορείτε να συνδυάσετε αυτές τις ρυθμίσεις για να επιτύχετε τον επιθυμητό τόνο και δομή. Πειραματιστείτε με διαφορετικές τιμές για να βρείτε την βέλτιστη ισορροπία μεταξύ δημιουργικότητας και συνοχής για την εφαρμογή σας.

Χρησιμοποιώντας Tools και JSON Mode

Ενεργοποίηση κλήσης λειτουργιών παρέχοντας ένα tools array στο αίτημά σας για να επιτρέψετε στο μοντέλο να εξάγει δομημένα δεδομένα. Το μοντέλο μπορεί να καλέσει συναρτήσεις με βάση το πλαίσιο της συνομιλίας, διευκολύνοντας πολύπλοκες ροές εργασίας. Χρησιμοποιήστε response_format: {"type": "json_object"} να αναγκάσει την έξοδο σε έγκυρη μορφή JSON. Αυτό είναι ιδανικό για ενσωμάτωση με συστήματα backend ή εξαγωγή δομημένων πληροφοριών από κείμενο.

Η λειτουργία JSON εξασφαλίζει ότι η απάντηση είναι αναλύσιμη, μειώνοντας την ανάγκη για επιπλέον λογική ανάλυσης στον πελάτη. Μπορείτε να ορίσετε πολλαπλά εργαλεία και να καθορίσετε ποιο εργαλείο πρέπει να καλέσει το μοντέλο. Αυτή η λειτουργία ενισχύει την ωφέλεια του μοντέλου για αυτοματοποιημένες εργασίες και εξαγωγή δεδομένων. Το API διαχειρίζεται ομαλά την διαδρομή κλήσεων εργαλείων.

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);

Ροή

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)