Démarrage rapide de l'API LLM sans censure

Installez le SDK OpenAI standard

Commencez par ajouter la bibliothèque officielle à votre environnement de projet. Cela garantit la compatibilité avec notre uncensored le modèle sans logique de parsing personnalisée.

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

Ces packages gèrent la sérialisation automatiquement. Vous n'avez pas besoin de bibliothèques de routage tierces ou d'en-têtes personnalisés.

Configurer l'URL de base et la clé API

Pointez votre client vers notre point de terminaison dédié pour contourner les fournisseurs standard. Définissez l'URL de base sur https://api.cheapestapikey.com/v1 Et injectez votre clé depuis le tableau de bord.

L'authentification repose sur un jeton bearer standard. Passez votre clé unique dans le Authorization header ou via l'objet de configuration du SDK.

Envoyez votre première complétion de chat sans censure

Faites une demande au /v1/chat/completions point de terminaison avec votre invite souhaitée. Le modèle accepte des paramètres standard tels que temperature et top_p.

Notre modèle sans censure traite les sujets adultes légaux, fictifs ou controversés sans refus.

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"}]
  }'

Gérer les réponses en streaming et l'utilisation des jetons

Activez le streaming en définissant stream: true pour recevoir des tokens en temps réel. Chaque chunk contient du texte partiel, et le dernier chunk inclut l'utilisation totale des tokens.

Cette approche réduit la latence perçue pour les grandes sorties. Vous pouvez traiter des chunks à mesure qu'ils arrivent sans attendre la limite complète de 16 000 tokens.

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)

Utiliser l'appel de fonctions et le mode JSON

Structurez vos sorties pour les applications en aval en utilisant des outils ou des formats JSON stricts. Définissez des fonctions dans le tools parameter et laissez le modèle choisir la meilleure action.

Alternativement, imposez des données structurées avec response_format: {"type": "json_object"}. Cela garantit un analyse prévisible pour votre chatbot NSFW ou vos scripts d'automatisation.

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)

Vérifiez les modèles et gérez les limites

Requête GET /v1/models à vérifier les points de terminaison disponibles. Notre système prend en charge un contexte de 100,000 jetons et 300 requêtes par minute.

Si vous dépassez les limites, vous recevrez une erreur 429. Assurez-vous que votre clé est active et financée, car des erreurs comme 401 indiquent des identifiants invalides et 402 signale un crédit insuffisant.

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);