API-dokumentation för icke-censurerade modeller

Autentisering och headers

Skicka din API-nyckel i Authorization-huvudet för varje förfrågan. Använd formatet Bearer YOUR_API_KEY och inkludera den i Authorization fält. Din nyckel genereras omedelbart efter registrering via Google eller e-post. Det krävs inget telefonnummer för registreringen. Förvara din nyckel säker i miljövariabler för att förhindra obehörig användning mot din förbetala kredit. Huvudet säkerställer att våra servrar identifierar ditt konto för korrekt tokenfakturering.

POST /v1/chat/completions

Gör din första förfrågan för att generera textsvar. Använd POST /v1/chat/completions slutpunkt med model inställd på uncensored. Denna slutpunkt accepterar standard meddelandematriser som innehåller användar- och assistentroller. Du kan strömma svar eller ta emot fullständig text baserat på din klientkonfiguration. Modellen bearbetar din inmatning och returnerar text utan innehållsavvisningar för laglig vuxenanvändning. Kontrollera sidan för hastighetsbegränsningar för begränsningar för samtidighet.

GET /v1/models

Hämta tillgänglig modellinformation via GET-slutpunkten. Detta returnerar metadata om den obegränsade modellen och dess funktioner. Du kan verifiera modell-ID:t innan du skickar slutförandeförfrågningar. Svaret bekräftar API-kompatibiliteten med standard OpenAI-strukturer. Använd detta för att felsöka klientkonfigurationer snabbt. Det hjälper till att säkerställa att ditt SDK pekar mot rätt tjänstversion. Denna slutpunkt konsumerar inte tokenkrediter från ditt konto.

Strömsvaren och tokenanvändning

Aktivera strömning genom att ställa in stream parameter till true. Du tar emot server-sända händelser (SSE) när tokens genereras. Den sista biten innehåller total tokenanvändning för begäran. Detta möjliggör realtidsvisning av svar i din applikation. Tokenräkningar hjälper dig att övervaka ditt förbetala saldo noggrant. Fel under strömning hanteras genom att stänga strömmen normalt. Du kan avbryta strömmen utan straff vid behov.

Function calling och JSON-läge

Använd den tools parametern för funktionssammanfallande funktioner. Ställ in response_format för json_object för strikt JSON-utdata. Modellen stöder strukturerad datagenerering för dina applikationer. Du kan definiera anpassade verktyg i begäranskroppen. API:t validerar strukturen innan den skickas till modellen. Detta säkerställer konsekvent parsing i din efterföljande kod. JSON-läge är idealiskt för automatiserade arbetsflöden som kräver specifika format.

Begränsningsnivåer och felhantering

Förvänta dig 429-fel om du överskrider 300 förfrågningar per minut. Gränsen tillåter 8 samtidiga förfrågningar per nyckel. Förfrågningsbodyn måste hållas under 8 MB. Om du får ett 401-fel, kontrollera din API-nyckels giltighet. Ett 402-fel indikerar otillräckligt förbetalt kreditbelopp. Fel konsumerar inga tokens från din balans. Kontextfönstret stödjer 100 000 tokens för prompt och komplettering tillsammans. Maximal utmatning är 16 000 tokens om inget annat anges. Hantera dessa fel på ett skäligt sätt i din klientkod.

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);

Strömning

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)