अनसेंसर्ड मॉडल्स के लिए API दस्तावेज़

प्रमाणीकरण और हेडर्स

हर अनुरोध के लिए Authorization हेडर में अपनी API कुंजी भेजें। फॉर्मेट का उपयोग करें Bearer YOUR_API_KEY और इसे शामिल करें Authorization फ़ील्ड। आपकी कुकी साइनअप के तुरंत बाद Google या ईमेल के माध्यम से जनरेट होती है। रजिस्ट्रेशन के लिए फ़ोन नंबर की आवश्यकता नहीं है। अपने पूर्व-भुगतान शेष के खिलाफ़ अनधिकृत उपयोग को रोकने के लिए अपनी कुकी को एनवायरनमेंट वेरिएबल्स में सुरक्षित रखें। हेडर हमारे सर्वरों को आपके खाते की पहचान करने और सटीक टोकन बिलिंग के लिए अनुमति देता है।

POST /v1/chat/completions

टेक्स्ट रिस्पॉन्स जनरेट करने के लिए अपना पहला अनुरोध बनाएं। Use the POST /v1/chat/completions एंडपॉइंट model सेट uncensored. यह एंडपॉइंट यूज़र और असिस्टेंट रोल्स वाले स्टैंडर्ड मेसेज एरेज़ स्वीकार करता है। आप अपने क्लाइंट कॉन्फ़िगरेशन के आधार पर रिस्पॉन्स स्ट्रीम कर सकते हैं या फुल टेक्स्ट प्राप्त कर सकते हैं। मॉडल आपके इनपुट को प्रोसेस करता है और लॉफुल एडल्ट यूज़ के लिए कंटेंट रिफ्यूज़ल के बिना टेक्स्ट लौटाता है। कन्करेंसी कन्स्ट्रेन्ट्स के लिए रेट लिमिट्स पेज देखें।

GET /v1/models

GET एंडपॉइंट का उपयोग करके उपलब्ध मॉडल जानकारी पुनः प्राप्त करें। यह अंकुशित मॉडल और उसकी क्षमताओं के बारे में मेटाडेटा लौटाता है। आप पूरा करने वाले अनुरोध भेजने से पहले मॉडल ID की पुष्टि कर सकते हैं। प्रतिक्रिया मानक OpenAI संरचनाओं के साथ API संगतता की पुष्टि करती है। क्लाइंट कॉन्फ़िगरेशन को तेजी से डिबग करने के लिए इसका उपयोग करें। यह सुनिश्चित करने में मदद करता है कि आपका SDK सही सेवा संस्करण की ओर इशारा कर रहा है। यह एंडपॉइंट आपके खाते से टोकन क्रेडिट नहीं खपत करता है।

स्ट्रीमिंग रिस्पॉन्स और टोकन उपयोग

स्ट्रीमिंग को सक्षम करने के लिए stream पैरामीटर को true सेट करें। आप टोकन जनरेट होते समय सर्वर-सेंट इवेंट्स (SSE) प्राप्त करते हैं। अंतिम चंक में अनुरोध के लिए कुल टोकन उपयोग होता है। इससे आपके एप्लिकेशन में प्रतिक्रियाओं का रियल-टाइम प्रदर्शन संभव होता है। टोकन गणना आपको आपके प्रीपेड बैलेंस की सटीक निगरानी करने में मदद करती है। स्ट्रीमिंग के दौरान त्रुटियों को स्ट्रीम को सामान्य रूप से बंद करके संभाला जाता है। यदि आवश्यक हो तो आप बिना किसी दंड के स्ट्रीम को इंटररप्ट कर सकते हैं।

फंक्शन कॉलिंग और JSON मोड

का उपयोग करें tools फ़ंक्शन कॉलिंग क्षमताओं के लिए पैरामीटर। सेट response_format को json_object कठोर JSON आउटपुट के लिए। मॉडल आपके एप्लिकेशन के लिए संरचित डेटा जनरेशन का समर्थन करता है। आप अनुरोध बॉडी में कस्टम टूल्स परिभाषित कर सकते हैं। API संरचना को मॉडल को भेजने से पहले मान्य करता है। यह आपके डाउनस्ट्रीम कोड में स्थिर पार्सिंग सुनिश्चित करता है। JSON मोड विशिष्ट प्रारूपों की आवश्यकता वाले स्वचालित वर्कफ्लो के लिए आदर्श है।

रेट लिमिट्स और त्रुटि हैंडलिंग

प्रति मिनट 300 अनुरोधों से अधिक होने पर 429 त्रुटि की उम्मीद करें। प्रति कुंजी 8 समवर्ती अनुरोधों की अनुमति है। अनुरोध बॉडी 8 MB से कम रहनी चाहिए। यदि आपको 401 त्रुटि मिलती है, तो अपनी API कुंजी की वैधता जांचें। 402 त्रुटि का अर्थ है कि प्रीपेड क्रेडिट अपर्याप्त है। त्रुटियों से आपके बैलेंस से टोकन खर्च नहीं होते हैं। संदर्भ विंडो प्रॉम्प्ट और पूर्णता के लिए संयुक्त रूप से 100,000 टोकन का समर्थन करती है। यदि अन्यथा निर्दिष्ट न किया गया हो, तो अधिकतम आउटपुट 16,000 टोकन है। अपने क्लाइंट कोड में इन त्रुटियों को दृढ़ता से हैंडल करें।

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);

स्ट्रीमिंग

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)