API-dokumentaatio sensuroimattomille malleille

Todennus ja otsikot

Lähetä API-avaimesi Authorization-otsakkeeseen jokaisessa pyynnössä. Käytä muotoa Bearer YOUR_API_KEY ja sisällytä se Authorization kenttä. Avain luodaan välittömästi rekisteröitymisen jälkeen Google- tai sähköpostitilin kautta. Puhelinnumeroa ei vaadita rekisteröitymiseen. Säilytä avain turvallisesti ympäristömuuttujissa estääksesi luvattoman käytön ennakkomaksutun saldoasi vastaan. Otsikko varmistaa, että palvelimemme tunnistavat tilisi tarkkaa token-laskutusta varten.

POST /v1/chat/completions

Tee ensimmäinen pyyntösi tekstivastausten generointiin. Käytä mallia POST /v1/chat/completions endpoint model asetettuna uncensored. Tämä päätepiste hyväksyy vakiintuneita viestijonoja, jotka sisältävät käyttäjä- ja avustajaroolit. Voit streamata vastauksia tai vastaanottaa koko tekstin asiakasohjelmakonfiguraatiostasi riippuen. Malli käsittelee syötteesi ja palauttaa tekstin ilman sisältökieltoja lailliseen aikuisisisältöön. Tarkista nopeusrajoitussivu yhtäaikaisuusrajoitusten osalta.

GET /v1/models

Hae saatavilla olevien mallien tiedot GET-päätepisteen avulla. Tämä palauttaa metadataa uncensored-mallista ja sen ominaisuuksista. Voit vahvistaa mallin tunnuksen ennen täydennyspyyntöjen lähettämistä. Vastaus vahvistaa API-yhteensopivuuden standardien OpenAI-rakenteiden kanssa. Käytä tätä asiakasasetusten vianmääritykseen nopeasti. Se auttaa varmistamaan, että SDK:si osoittaa oikeaan palvelun versioon. Tämä päätepiste ei kuluta tilisi token-panoksia.

Virtaavat vastaukset ja tokenien käyttö

Ota virtauskäyttöön asettamalla stream parametri arvoon true. Saat server-sent events (SSE) -tapahtumat, kun tokenne generoituvat. Viimeinen osa sisältää pyynnön kokonaistokenkäytön. Tämä mahdollistaa vastauksien reaaliaikaisen näyttämisen sovelluksessasi. Token-laskelmat auttavat sinua seuraamaan esimaksusaldosi tarkasti. Virheet streamauksen aikana käsitellään sulkeamalla streami normaalisti. Voit keskeyttää streamin ilman seuraamuksia tarvittaessa.

Function calling ja JSON-tila

Käytä tools parametri toimintokutsukapasiteetteihin. Aseta response_format vastaan json_object tiukan JSON-tuloksen varmistamiseksi. Malli tukee rakenteellisen datan generointia sovelluksillesi. Voit määritellä mukautettuja työkaluja pyyntöruudussa. API validoi rakenteen ennen mallille lähettämistä. Tämä varmistaa yhdenmukaisen jäsennyksen jälkikäsittelykoodissasi. JSON-tila on ihanteellinen automaattisiin työvuorokeluihin, jotka vaativat tiettyjä muotoja.

Nopeusrajoitukset ja virheiden käsittely

Oleta 429-virheitä, jos ylität 300 pyyntöä minuutissa. Rajoitus sallii 8 samanaikaista pyyntöä per avain. Pyynnön rungon on pysyttävä alle 8 Mt. Jos saat 401-virheen, tarkista API-avaimesi voimassaolo. 402-virhe tarkoittaa riittämätöntä esimaksukredittiä. Virheet eivät kuluta tokeniä saldoltasi. Kontekstiluukku tukee 100 000 tokeniä syötteelle ja täydennykselle yhdessä. Enimmäispituus tulokselle on 16 000 tokeniä, ellei toisin mainita. Käsittele nämä virheet joustavasti asiakaskoodissasi.

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);

Virtaus

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)