Démarrage rapide : API de modèle sans censure

Prérequis et URL de base

Notre API fonctionne avec n'importe quel client standard compatible OpenAI en mettant à jour l'URL de base et la clé API. Pointez votre SDK vers https://api.modeluncensored.com/v1 et envoyer des requêtes au standard /v1/chat/completions endpoint. Vous n'avez pas besoin d'installer des bibliothèques propriétaires ; les outils existants comme les SDK Python ou Node.js officiels d'OpenAI fonctionnent immédiatement. Configurez simplement l'URL de base pour acheminer le trafic via nos serveurs au lieu de l'infrastructure OpenAI par défaut.

L'authentification repose sur une seule clé API générée lors de l'inscription. Passez cette clé dans le Authorization en-tête en tant que jeton Bearer. L'identifiant du modèle est fixé à uncensored pour assurer un comportement cohérent pour toutes les requêtes. Chaque compte fournit une clé active qui remplace toute clé précédente lors de sa régénération.

Authentification avec votre clé API

Incluez votre clé API dans le Authorization header de chaque requête pour vérifier votre identité. Utilisez le format Authorization: Bearer YOUR_API_KEY pour authentifier les requêtes instantanément. Si la clé est manquante ou invalide, l’API renvoie immédiatement une erreur 401 Unauthorized. Cela garantit que seuls les comptes valides peuvent consommer des jetons depuis votre crédit prépayé.

Vous pouvez générer ou régénérer votre clé via le tableau de bord après vous être connecté avec Google ou un e-mail. La clé est affichée immédiatement lors de sa création. Stockez-la en toute sécurité, car elle donne un accès direct au solde de votre compte. Aucune vérification par numéro de téléphone n'est requise pour l'inscription, ce qui rend le processus rapide et simple.

Envoi de votre première complétion de chat

Effectuer une requête POST à /v1/chat/completions avec vos messages et l'identifiant du modèle pour recevoir une réponse. Le modèle accepte l'entrée de texte et retourne une sortie de texte sans refus doux pour le contenu adulte légal. Vous pouvez spécifier l'ID du modèle comme uncensored pour s'assurer que vous utilisez notre LLM uncensored spécifique. Ce point de terminaison prend en charge les réponses synchrones et en streaming pour plus de flexibilité.

Les requêtes sont facturées en fonction de l'utilisation réelle des tokens. Les erreurs et les refus ne consomment pas de crédit, vous pouvez donc tester librement. Le nombre maximal de tokens par requête est de 16 000, ou 2 048 tokens si vous ne définissez pas le max_tokens paramètre. La fenêtre de contexte prend en charge jusqu'à 100 000 tokens pour l'invite et la complétion combinées.

Gestion des réponses en streaming (SSE)

Activez le streaming en définissant stream: true dans votre requête pour recevoir les jetons au fur et à mesure de leur génération. Cela réduit la latence perçue pour les réponses longues et permet l'affichage en temps réel dans votre application. Le dernier chunk du flux contient les statistiques d'utilisation des jetons pour la facturation et la surveillance. C'est essentiel pour construire des interfaces de chat qui semblent réactives et interactives.

Les réponses en flux gèrent le contenu partiel avec élégance, vous permettant d'afficher le texte à mesure qu'il arrive. Cela est particulièrement utile pour l'écriture créative ou les tâches de codage où le modèle génère de longues sorties. Vous pouvez analyser les événements envoyés par le serveur pour mettre à jour votre interface utilisateur de manière incrémentale. Assurez-vous que votre client gère correctement l'événement de fin de flux pour finaliser la réponse.

Configuration des paramètres : Température, Top-p et Seed

Ajuster temperature pour contrôler l'aléatoire, des valeurs plus élevées produisant des sorties plus créatives et variées. Utilisez top_p pour limiter l'échantillonnage aux tokens les plus probables, offrant un contrôle plus fin de la distribution de sortie. Définir un seed assure des résultats déterministes, ce qui est crucial pour le débogage ou les expériences reproductibles. Ces paramètres vous permettent d’ajuster le comportement du modèle pour des cas d’usage spécifiques comme le récit ou l’écriture technique.

Le modèle prend en charge les paramètres standard tels que stop séquences et presence_penalty pour un contrôle avancé. Vous pouvez combiner ces paramètres pour obtenir le ton et la structure souhaités. Expérimentez avec différentes valeurs pour trouver l'équilibre optimal entre créativité et cohérence pour votre application.

L'utilisation des outils et du mode JSON

Activer l'appel de fonctions en fournissant un tools tableau dans votre requête pour permettre au modèle de générer des données structurées. Le modèle peut invoquer des fonctions en fonction du contexte de la conversation, permettant des flux de travail complexes. Utilisez response_format: {"type": "json_object"} pour forcer la sortie au format JSON valide. C'est idéal pour l'intégration avec des systèmes backend ou pour extraire des informations structurées à partir de texte.

Le mode JSON garantit que la réponse est analysable, réduisant le besoin de logique d'analyse supplémentaire dans votre client. Vous pouvez définir plusieurs outils et spécifier quel outil le modèle doit appeler. Cette fonctionnalité améliore l'utilité du modèle pour les tâches automatisées et l'extraction de données. L'API gère le routage des appels d'outils sans problème.

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)