Guida rapida: API modello senza filtri

Prerequisiti e URL di base

La nostra API funziona con qualsiasi client standard compatibile con OpenAI aggiornando l'URL di base e la chiave API. Puntare il tuo SDK a https://api.modeluncensored.com/v1 e inviare richieste allo standard /v1/chat/completions endpoint. Non è necessario installare librerie proprietarie; gli strumenti esistenti come gli SDK ufficiali OpenAI per Python o Node.js funzionano immediatamente. Configura semplicemente l'URL di base per instradare il traffico attraverso i nostri server invece che verso l'infrastruttura predefinita di OpenAI.

L'autenticazione si basa su una singola chiave API generata durante la registrazione. Invia questa chiave nell' Authorization header come token Bearer. L'identificatore del modello è fisso a uncensored per garantire un comportamento coerente in tutte le richieste. Ogni account fornisce una chiave attiva che sostituisce qualsiasi chiave precedente dopo la rigenerazione.

Autenticazione con la tua chiave API

Includi la tua chiave API nel Authorization header di ogni richiesta per verificare la tua identità. Utilizza il formato Authorization: Bearer YOUR_API_KEY per autenticare le richieste istantaneamente. Se la chiave è mancante o non valida, l'API restituisce immediatamente un errore 401 Unauthorized. Questo garantisce che solo account validi possano consumare token dal vostro credito prepagato.

Puoi generare o rigenerare la tua chiave tramite la dashboard dopo aver effettuato l'accesso con Google o email. La chiave viene visualizzata immediatamente alla creazione. Conservala in modo sicuro, poiché fornisce accesso diretto al saldo del tuo account. Non è richiesta la verifica del numero di telefono per la registrazione, mantenendo il processo veloce e semplice.

Invio della tua prima Chat Completion

Effettua una richiesta POST a /v1/chat/completions con i tuoi messaggi e l'identificatore del modello per ricevere una risposta. Il modello accetta input testuali e restituisce output testuali senza rifiuti soft per contenuti adulti leciti. Puoi specificare l'ID del modello come uncensored per garantire che tu stia utilizzando il nostro LLM uncensored specifico. Questo endpoint supporta sia risposte sincrone che in streaming per flessibilità.

Le richieste vengono addebitate in base all'utilizzo effettivo dei token. Errori e rifiuti non consumano credito, quindi puoi testare liberamente. L'output massimo per richiesta è di 16,000 token, o 2,048 token se non imposti il max_tokens parametro. La finestra di contesto supporta fino a 100.000 token per prompt e completamento combinati.

Gestione delle risposte in streaming (SSE)

Abilita lo streaming impostando stream: true nella richiesta per ricevere i token man mano che vengono generati. Questo riduce la latenza percepita per le risposte lunghe e consente la visualizzazione in tempo reale nella tua applicazione. L'ultimo chunk del flusso contiene le statistiche totali di utilizzo dei token per il fatturato e il monitoraggio. Questo è essenziale per costruire interfacce chat che sembrano reattive e interattive.

Le risposte in stream gestiscono i contenuti parziali con grazia, permettendoti di visualizzare il testo man mano che arriva. Questo è particolarmente utile per la scrittura creativa o le attività di codifica dove il modello genera output lunghi. Puoi analizzare gli eventi inviati dal server per aggiornare la tua UI in modo incrementale. Assicurati che il tuo client gestisca correttamente l'evento di fine stream per finalizzare la risposta.

Configurazione dei Parametri: Temperature, Top-p e Seed

Regola temperature per controllare la casualità, con valori più alti che producono output più creativi e vari. Usa top_p per limitare il campionamento ai token più probabili, offrendo un controllo più fine sulla distribuzione dell'output. Impostando un seed garantisce risultati deterministici, cruciali per il debug o esperimenti riproducibili. Questi parametri ti permettono di ottimizzare il comportamento del modello per casi d'uso specifici come la narrativa o la scrittura tecnica.

Il modello supporta parametri standard come stop sequenze e presence_penalty per un controllo avanzato. Puoi combinare queste impostazioni per ottenere il tono e la struttura desiderati. Sperimenta con valori diversi per trovare il bilancio ottimale tra creatività e coerenza per la tua applicazione.

Utilizzando Tools e modalità JSON

Abilita il richiamo di funzioni fornendo un tools array nella tua richiesta per consentire al modello di produrre dati strutturati. Il modello può invocare funzioni basandosi sul contesto della conversazione, abilitando flussi di lavoro complessi. Usa response_format: {"type": "json_object"} per forzare l'output in formato JSON valido. È ideale per l'integrazione con sistemi backend o per l'estrazione di informazioni strutturate dal testo.

La modalità JSON garantisce che la risposta sia analizzabile, riducendo la necessità di ulteriore logica di parsing nel client. Puoi definire più strumenti e specificare quale strumento il modello dovrebbe chiamare. Questa funzionalità migliora l'utilità del modello per attività automatizzate ed estrazione di dati. L'API gestisce il routing delle chiamate agli strumenti in modo trasparente.

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)