Schnellstart für die Uncensored-LLM-API

Installieren Sie das Standard-OpenAI-SDK

Beginnen Sie, indem Sie die offizielle Bibliothek zu Ihrer Projektumgebung hinzufügen. Dies gewährleistet die Kompatibilität mit unserer uncensored Das Modell ohne benutzerdefinierte Parsing-Logik.

• Für Python: pip install openai
• Für Node.js: npm install openai

Diese Pakete übernehmen die Serialisierung automatisch. Sie benötigen keine Drittanbieter-Routing-Bibliotheken oder benutzerdefinierten Header.

Basis-URL und API-Schlüssel konfigurieren

Richten Sie Ihren Client auf unseren dedizierten Endpunkt, um Standardanbieter zu umgehen. Setzen Sie die Base-URL auf https://api.cheapestapikey.com/v1 und injizieren Sie Ihren Schlüssel aus dem Dashboard.

Die Authentifizierung basiert auf einem Standard-Bearer-Token. Übergeben Sie Ihren eindeutigen Schlüssel im Authorization header oder über das SDK-Konfigurationsobjekt.

Senden Sie Ihre erste unzensierte Chat-Vervollständigung

Eine Anfrage an die /v1/chat/completions Endpunkt mit Ihrer gewünschten Eingabeaufforderung. Das Modell akzeptiert Standardparameter wie temperature und top_p.

Unser unzensiertes Modell verarbeitet legale, erwachsene, fiktive oder kontroverse Themen ohne Ablehnung.

Copycurl https://api.cheapestapikey.com/v1/chat/completions \
  -H "Authorization: Bearer $API_KEY" \
  -H "Content-Type: application/json" \
  -d '{
    "model": "uncensored",
    "messages": [{"role": "user", "content": "list available endpoints"}]
  }'

Streaming-Antworten und Token-Nutzung behandeln

Aktivieren Sie Streaming, indem Sie stream: true um Tokens in Echtzeit zu empfangen. Jeder Chunk enthält teilweise Textdaten, und der letzte Chunk enthält die gesamten Token-Nutzungsdaten.

Dieser Ansatz reduziert die wahrgenommene Latenz für große Ausgaben. Sie können Chunks verarbeiten, sobald sie eintreffen, ohne auf das vollständige Limit von 16,000 Tokens zu warten.

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)

Nutze Function Calling und den JSON-Modus

Strukturieren Sie Ihre Ausgaben für nachgelagerte Anwendungen mit Tools oder strikten JSON-Formaten. Definieren Sie Funktionen in der tools parameter und lassen Sie das Modell die beste Aktion wählen.

Alternativ können Sie strukturierte Daten mit response_format: {"type": "json_object"}. Dies gewährleistet ein konsistentes Parsing für Ihren NSFW-Chatbot oder Automatisierungsskripte.

Copyfrom openai import OpenAI

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

Prüfen Sie Modelle und verwalten Sie Limits

Abfrage GET /v1/models Verfügbare Endpunkte zu überprüfen. Unser System unterstützt 100.000 Tokens Kontext und 300 Anfragen pro Minute.

Wenn Sie die Grenzen überschreiten, erhalten Sie einen 429-Fehler. Stellen Sie sicher, dass Ihr Schlüssel aktiv und finanziert ist, da Fehler wie 401 auf ungültige Anmeldedaten und 402 auf unzureichendes Guth hinweisen.

Copyimport OpenAI from "openai";

const client = new OpenAI({ baseURL: "https://api.cheapestapikey.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);