API-dokumentation til uncensored-modeller

Autentificering og headers

Send din API-nøgle i Authorization-headeren for hver anmodning. Brug formatet Bearer YOUR_API_KEY and include it in the Authorization felt. Din nøgle genereres øjeblikkeligt efter tilmelding via Google eller e-mail. Der kræves ikke et telefonnummer for tilmelding. Gem din nøgle sikkert i miljøvariabler for at forhindre uautoriseret brug mod din forudbetalte kredit. Headeren sikrer, at vores servere identificerer din konto til nøjagtig tokenfakturering.

POST /v1/chat/completions

Lav din første anmodning for at generere tekst-svar. Brug POST /v1/chat/completions endpoint med model indstillet til uncensored. Dette endpoint accepterer standard meddelelsesarrays indeholdende user- og assistant-roller. Du kan streame svar eller modtage fuld tekst baseret på din klientkonfiguration. Modellen behandler din input og returnerer tekst uden indholdsnægtelser til lovligt voksent brug. Tjek siden for hastighedsbegrænsninger for concurrent constraints.

GET /v1/models

Hent tilgængelig modelinformation ved hjælp af GET-endepunktet. Dette returnerer metadata om den uncensored-model og dens funktioner. Du kan verificere model-ID'et, før du sender completion-anmodninger. Svaret bekræfter API-kompatibiliteten med standard OpenAI-strukturer. Brug dette til hurtigt at fejlsøge klientkonfigurationer. Det hjælper med at sikre, at dit SDK peger på den korrekte serviceversion. Dette endepunkt forbruger ikke token-kreditter fra din konto.

Streaming-respons og tokenforbrug

Aktivér streaming ved at indstille stream parameter til true. Du modtager server-sendte begivenheder (SSE), mens tokens genereres. Den sidste chunk indeholder det samlede tokenforbrug for anmodningen. Dette giver realtidsvisning af svar i din applikation. Tokenantal hjælper dig med at overvåge din forudbetalte balance præcist. Fejl under streaming håndteres ved at lukke streamen normalt. Du kan afbryde streamen uden straf, hvis det er nødvendigt.

Function calling og JSON-mode

Brug den tools parameter til funktionssamtale-funktioner. Indstil response_format til json_object for streng JSON-output. Modellen understøtter generering af strukturerede data til dine applikationer. Du kan definere tilpassede værktøjer i anmodningskroppen. API'et validerer strukturen, før den sendes til modellen. Dette sikrer konsistent parsing i din downstream-kode. JSON-tilstand er ideel til automatiserede arbejdsgange, der kræver specifikke formater.

Ratebegrænsninger og fejlhåndtering

Forvent 429-fejl, hvis du overstiger 300 anmodninger i minuttet. Grænsen tillader 8 samtidige anmodninger per nøgle. Anmodningskroppe skal holdes under 8 MB. Hvis du modtager en 401-fejl, skal du tjekke gyldigheden af din API-nøgle. En 402-fejl indikerer utilstrækkelig forudbetalt kredit. Fejl forbruger ikke tokens fra din saldo. Kontekstvinduet understøtter 100.000 tokens til prompt og færdiggørelse tilsammen. Maks output er 16.000 tokens, medmindre andet er angivet. Håndter disse fejl pænt i din klientkode.

cURL

Copycurl https://api.unrestrictedgptchat.com/v1/chat/completions \
  -H "Authorization: Bearer $API_KEY" \
  -H "Content-Type: application/json" \
  -d '{
    "model": "uncensored",
    "messages": [{"role": "user", "content": "what is the capital of france"}]
  }'

Python

Copyfrom openai import OpenAI

client = OpenAI(base_url="https://api.unrestrictedgptchat.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.unrestrictedgptchat.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)