Felsökning av osensurerad AI-chatt: vanliga misstag

Varför din LLM utan censur fortfarande vägrar begäranden

Det vanligaste skälet till att en obegränsad LLM verkar vägra en begäran är inte ett innehållsfilter, utan ett klientfel. Vår modell är finjusterad för att svara utan innehållsavslag för laglig vuxenanvändning, men den respekterar fortfarande den hårda innehållsbegränsningen: sexuellt innehåll som involverar minderåriga vägras alltid. Om du ser ett avslag, kontrollera svarskroppen för ett felkod eller ett specifikt avbudmeddelande istället för att anta att modellen är trasig.

Ett annat vanligt problem är konfigurationen av base_url. Om du migrerar från en annan leverantör, se till att du pekar mot https://api.unrestrictedgptchat.com/v1. En felaktig base_url ger ett 404- eller 401-fel, vilket ser ut som ett avslag men egentligen är ett anslutningsproblem. Kontrollera också att din API-nyckel är aktiv och inte har gått ut. Vi utfärdar en aktiv nyckel per konto, och att generera en ny nyckel ersätter den gamla omedelbart.

Vanliga vägran-scenarier

• Överträdelse av håd gräns (minderårigt innehåll).
• Ogiltig base_url eller API-nyckel.
• Felaktig förfrågningskropp.

Gränsen för 100k kontextfönster

Din uncensored AI-chattsession kan hantera totalt 100 000 tokens för både prompt och slutförande tillsammans. Detta stora kontextfönster gör att du kan mata in omfattande dokumentation eller långa konversationshistoriker utan att tappa tråden av berättelsen. Du måste dock hantera detta fönster noggrant för att undvika att nå gränsen mitt under en konversation.

När kontextfönstret nästan är fullt kan modellen börja glömma tidigare delar av samtalet. För att mildra detta bör du överväga att klippa bort äldre meddelanden eller sammanfatta dem innan du lägger till nya. Modells-ID du använder är helt enkelt "uncensored", och det körs på våra egna servrar, inte som en proxy till en annan leverantör. Detta säkerställer konsekvent beteende oavsett ingångslängd, så länge du håller dig inom gränsen på 100 000 tokens.

Hantering av kontext effektivt

• Spåra tokenförbrukning per meddelande.
• Sammanfatta äldre meddelanden för att spara utrymme.
• Övervaka totala tokenräkningen i din klient.

Max output tokens: undviker avklippta svar

Som standard genererar modellen upp till 2 048 tokens per begäran om du inte anger ett max_tokens-värde. Om ditt svar klippas av mitt i en mening behöver du sannolikt öka denna gräns. Du kan ställa in max_tokens upp till 16 000 tokens per begäran, vilket räcker för de flesta behov av innehållsgenerering i längre format.

Tänk på att öka max_tokens ökar också din tokenanvändning och kostnad. Eftersom faktureringen baseras på faktiskt använda tokens kommer längre svar att kosta mer. Fel och avslag är dock gratis, så du betalar bara för lyckade slutföranden. Denna förbetalsmodell innebär att du kan experimentera med högre max_tokens utan att oroa dig för oväntade avgifter från en prenumerationstjänst.

Inställning av max_tokens

• Standard: 2 048 tokens.
• Maximalt: 16 000 tokens.
• Kostnad: $0,50 per 1M utmatade tokens.

Streaming jämfört med icke-streaming: Hantera SSE korrekt

Streaming via Server-Sent Events (SSE) är avgörande för en smidig användarupplevelse, särskilt i chattgränssnitt. API:t returnerar tokens en efter en, vilket gör att du kan visa text när den genereras. Du måste dock hantera SSE-strömmen korrekt för att undvika att missa tokens eller missförstå data.

Varje SSE-händelse innehåller en textbit, och den sista biten innehåller data om tokenanvändning. Se till att din klientparser kan aggregera dessa bitar och extrahera användningsstatistiken från den sista händelsen. Om du använder ett standard OpenAI SDK hanteras strömning vanligtvis automatiskt, men anpassade implementationer kräver noggrann uppmärksamhet mot SSE-protokollet.

Bästa praxis för strömning

• Parsera SSE-händelser korrekt.
• Aggera tokens för visning.
• Extrahera användning från den slutgiltiga chunken.

Funktionssamling: säkerställa verktygskompatibilitet

Vårt API stöder funktionsanrop, vilket gör att modellen kan generera strukturerad data som kan användas för att trigga externa verktyg. Detta är användbart för uppgifter som schemaläggning, datahämtning eller utförande av specifika åtgärder. Modellen returnerar ett JSON-objekt som innehåller funktionsnamn och argument, vilket din klientkod sedan kan analysera och köra.

Se till att dina funktionsdefinitioner är korrekta och matchar det förväntade inmatningsformatet. Modellen kan hallucinera argument om funktionsdefinitionen är tvetydig. Testa din funktionsanropsuppsättning noggrant för att säkerställa att modellen kan generera korrekta funktionsanrop pålitligt. Kom ihåg att modell-ID:t är "uncensored" och att den är optimerad för att generera korrekta och användbara funktionsanrop utan onödiga avslag.

Tips för function calling

• Definiera funktioner tydligt.
• Testa argumentgenerering.
• Hantera hallucinerade argument.

JSON-läge: upprätthåller strikta utmatningsformat

När du vill att modellen ska returnera strikt formaterad JSON kan du använda parameteren response_format inställd på json_object. Detta läge tvingar fram att utdata är giltig JSON, vilket är avgörande för att integrera modellen med andra system. Modellen kan dock fortfarande ha svårt med komplexa JSON-strukturer om prompten inte är tydlig.

Använd JSON-läget när du behöver pålitlig dataextraktion eller när du bygger ett system som är beroende av specifika JSON-scheman. Denna funktion är särskilt användbar för utvecklare som vill undvika parsningsfel och säkerställa att utdata alltid är giltig. Modellen stöder detta läge tillsammans med andra parametrar som temperatur och top_p, vilket gör att du kan finjustera kvaliteten på utdata.

JSON-lägesinställningar

• Ställ in response_format till json_object.
• Säkerställ tydliga prompts för struktur.
• Validera utmatning för efterlevnad.

Rate limits: att hantera samtidiga begäranden

API:et tillåter 300 förfrågningar per minut per nyckel och upp till 8 konkurrensförfrågningar samtidigt. Om du överskrider dessa gränser får du ett 429-fel för för många förfrågningar. Detta är viktigt att överväga om du bygger en applikation med hög trafik eller kör flera instanser av din klient.

För att hantera hastighetsbegränsningar effektivt bör du implementera exponentiell backoff i din klientkod. Detta hjälper dig att hantera tillfälliga trafiktoppar utan att överbelasta API:et. Du kan också övervaka din begäranderate och justera dina inställningar för koncurrerande anrop därefter. Kom ihåg att varje ny är begränsad till dessa hastigheter, så om du behöver högre genomströmning kan du behöva fördela begäranden över flera nycklar.

Strategier för begäransgräns

• Implementera exponentiell backoff.
• Övervaka begäranderaten.
• Fördela förfrågningar över nycklar.

Faktureringsöverraskningar: förbetald kredit vs. prenumeration

Vårt betalningsmodell är förbetald, vilket innebär att du laddar upp ditt konto med kryptovaluta och betalar endast för de tokens du använder. Detta skiljer sig från en prenumerationmodell där du betalar en fast månadskostnad oavsett användning. Med förbetald kredit har du full kontroll över dina utgifter, och fel är kostnadsfria, så du betalar endast för lyckade slutföranden.

När du laddar upp kan du lägga till vilket heltal som helst från $20 till $500 i USDT (TRC20) eller USDC (Base). Du får också bonuskredit beroende på beloppet: +5% från $50, +10% från $100 och +15% från $200. Denna bonuskredit löper aldrig ut, så du kan använda den när du behöver den. Detta transparenta faktureringsmodell hjälper dig att undvika oväntade avgifter och gör det enkelt att budgetera din API-användning.

Faktureringdetaljer

• Förbetalsald, inget abonnemang.
• Endast krypto: USDT eller USDC.
• Bonuskredit för större påfyllnader.

Integritet: Används dina prompts för träning?

En av de viktigaste bekymren för många utvecklare är huruvida deras prompts används för träning. Med vårt API används dina prompts inte för träning, vilket säkerställer att dina data förblir privata. Detta är särskilt viktigt för företag som hanterar känslig information eller vill behålla sin konversationsdata säker.

Du kan registrera dig med endast en e-postadress, och inget telefonnummer krävs. Denna minimala datainsamling stärker ytterligare din integritet. Eftersom vi är en oberoende tjänst delar vi inte dina data med andra leverantörer eller använder dem för att förbättra andra modeller. Dina prompts används enbart för att generera svar på dina förfrågningar.

Integritetsfunktioner

• Prompts används inte för träning.
• Minimal dataminsamling.
• Oberoende tjänst.