Быстрый старт: API модели без цензуры

Предварительные требования и базовый URL

Наш API работает с любым стандартным клиентом, совместимым с OpenAI, обновив базовый URL и API-ключ. Укажите ваш SDK на https://api.modeluncensored.com/v1 и отправлять запросы на стандартный /v1/chat/completions endpoint. Вам не нужно устанавливать проприетарные библиотеки; существующие инструменты, такие как официальные OpenAI Python или Node.js SDK, работают сразу. Просто настройте базовый URL для маршрутизации трафика через наши серверы вместо стандартной инфраструктуры OpenAI.

Аутентификация основана на одном API-ключе, сгенерированном при регистрации. Передайте этот ключ в Authorization заголовок как Bearer-токен. Идентификатор модели фиксирован на уровне uncensored для обеспечения согласованного поведения во всех запросах. Каждый аккаунт предоставляет один активный ключ, который заменяет любой предыдущий ключ при его регенерации.

Аутентификация с вашим API-ключом

Включите ваш API-ключ в Authorization header каждого запроса для проверки вашей личности. Используйте формат Authorization: Bearer YOUR_API_KEY для мгновенной аутентификации запросов. Если ключ отсутствует или недействителен, API сразу возвращает ошибку 401 Unauthorized. Это гарантирует, что токены с вашего предоплаченного баланса могут использовать только действительные аккаунты.

Вы можете сгенерировать или перегенерировать ключ через панель управления после входа с помощью Google или электронной почты. Ключ отображается сразу после создания. Храните его в безопасности, так как он обеспечивает прямой доступ к балансу вашего аккаунта. Для регистрации не требуется проверка по номеру телефона, что делает процесс быстрым и простым.

Отправка вашего первого завершения чата

Выполнить POST-запрос к /v1/chat/completions с вашими сообщениями и идентификатором модели для получения ответа. Модель принимает текстовый ввод и возвращает текстовый вывод без мягких отказов для законного контента для взрослых. Вы можете указать идентификатор модели как uncensored чтобы вы использовали нашу конкретную uncensored-LLM. Этот эндпоинт поддерживает как синхронные, так и потоковые ответы для гибкости.

Запросы оплачиваются на основе фактического использования токенов. Ошибки и отказы не расходуют кредит, поэтому вы можете тестировать бесплатно. Максимальный вывод на запрос составляет 16,000 токенов, или 2,048 токенов, если вы не установите max_tokens параметр. Контекстное окно поддерживает до 100,000 токенов для запроса и завершения вместе.

Обработка потоковых ответов (SSE)

Включите потоковую передачу, установив stream: true в запросе для получения токенов по мере их генерации. Это снижает воспринимаемую задержку для длинных ответов и позволяет отображать текст в реальном времени в вашем приложении. Последний фрагмент потока содержит статистику общего использования токенов для биллинга и мониторинга. Это необходимо для создания интерфейсов чата, которые кажутся отзывчивыми и интерактивными.

Потоковая передача ответов корректно обрабатывает частичное содержимое, позволяя отображать текст по мере поступления. Это особенно полезно для творческого письма или задач по программированию, где модель генерирует длинные выводы. Вы можете анализировать server-sent events для постепенного обновления пользовательского интерфейса. Убедитесь, что ваш клиент корректно обрабатывает событие конца потока для завершения ответа.

Настройка параметров: Temperature, Top-p и Seed

Настроить temperature для контроля случайности, где более высокие значения приводят к более креативным и разнообразным выводам. Используйте top_p чтобы ограничить выбор наиболее вероятных токенов, обеспечивая более точный контроль над распределением вывода. Установка seed ensures deterministic results, что критично для отладки или воспроизводимых экспериментов. Эти параметры позволяют настраивать поведение модели для конкретных случаев использования, таких как рассказ историй или техническое письмо.

Модель поддерживает стандартные параметры, такие как stop последовательности и presence_penalty для продвинутого контроля. Вы можете комбинировать эти настройки, чтобы достичь желаемого тона и структуры. Экспериментируйте с разными значениями, чтобы найти оптимальный баланс между креативностью и связностью для вашего приложения.

Использование Tools и JSON-режима

Включите вызов функций, предоставив tools массив в вашем запросе, чтобы модель выводила структурированные данные. Модель может вызывать функции на основе контекста разговора, что позволяет создавать сложные рабочие процессы. Используйте response_format: {"type": "json_object"} заставить вывод быть в формате валидного JSON. Это идеально подходит для интеграции с бэкенд-системами или извлечения структурированной информации из текста.

Режим JSON гарантирует, что ответ можно распарсить, снижая необходимость в дополнительной логике парсинга на клиенте. Вы можете определить несколько инструментов и указать, какой инструмент должна вызвать модель. Эта функция повышает полезность модели для автоматизированных задач и извлечения данных. API бесшовно обрабатывает маршрутизацию вызовов инструментов.

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);

Потоковая передача

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)