Avvio rapido API LLM senza filtri

Installa l'SDK standard OpenAI

Inizia aggiungendo la libreria ufficiale all'ambiente del tuo progetto. Questo garantisce la compatibilità con il nostro uncensored modello senza logica di parsing personalizzata.

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

Questi pacchetti gestiscono la serializzazione automaticamente. Non hai bisogno di librerie di routing di terze parti o intestazioni personalizzate.

Configura l'URL di base e la chiave API

Indirizza il tuo client al nostro endpoint dedicato per bypassare i provider standard. Imposta l'URL base su https://api.cheapestapikey.com/v1 e inietta la tua chiave dalla dashboard.

L'autenticazione si basa su un token bearer standard. Invia la tua chiave univoca nell' Authorization header o tramite l'oggetto di configurazione dell'SDK.

Invia la tua prima chat completion senza filtri

Effettua una richiesta a /v1/chat/completions endpoint con il tuo prompt desiderato. Il modello accetta parametri standard come temperature e top_p.

Il nostro modello senza filtri elabora argomenti adulti legali, di finzione o controversi senza rifiuti.

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"}]
  }'

Gestisci le risposte in streaming e l'utilizzo dei token

Abilita lo streaming impostando stream: true per ricevere token in tempo reale. Ogni chunk contiene testo parziale e l'ultimo chunk include l'utilizzo totale dei token.

Questo approccio riduce la latenza percepita per gli output di grandi dimensioni. È possibile elaborare i chunk man mano che arrivano senza attendere il limite completo di 16,000 token.

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)

Utilizza il function calling e la modalità JSON

Struttura i tuoi output per applicazioni downstream utilizzando strumenti o formati JSON rigorosi. Definisce le funzioni nel tools parameter e lascia che il modello scelga l'azione migliore.

In alternativa, imponi dati strutturati con response_format: {"type": "json_object"}. Questo garantisce un parsing coerente per il tuo chatbot NSFW o per gli script di automazione.

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)

Verifica i modelli e gestisci i limiti

Query GET /v1/models a verificare gli endpoint disponibili. Il nostro sistema supporta 100,000 token di contesto e 300 richieste al minuto.

Se superi i limiti, riceverai un errore 429. Assicurati che la tua chiave sia attiva e finanziata, poiché errori come 401 indicano credenziali non valide e 402 segnala credito insufficiente.

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);