Installation und Einrichtung
Erstellen Sie zunächst ein Konto, um Ihren API-Schlüssel zu erhalten. Registrieren Sie sich entweder mit einem Google-Konto oder einer E-Mail-Passwort-Kombination. Das System zeigt Ihren eindeutigen Schlüssel sofort auf dem Bildschirm an. Für diesen Schritt ist keine Telefonnummer zur Verifizierung erforderlich. Sie können jederzeit einen neuen Schlüssel generieren, jedoch existiert nur ein aktiver Schlüssel pro Konto. Ein neuer Schlüssel ersetzt den vorherigen sofort. Bewahren Sie diesen Schlüssel sicher auf, da er den Zugriff auf Ihre Prepaid-Guthaben gewährt. Verwenden Sie diese Anmeldedaten mit jedem Standard OpenAI-kompatiblen SDK, um mit der Integration zu beginnen.
Basis-Konfiguration
Richten Sie Ihren Client auf unsere dedizierte Base-URL für unzensierte Anfragen. Verwenden Sie den Standard BASE_URL Parameter, um den Datenverkehr korrekt zu routen. Die Endpunkt-Struktur spiegelt die OpenAI-Konventionen wider, um einfaches Wechseln zu ermöglichen. Sie müssen Ihren API-Schlüssel im Authorization header. Legen Sie die Modell-ID auf uncensored in Ihrem Konfigurationsobjekt. Dies stellt sicher, dass die Anfrage das richtige unzensierte Large Language Model anspricht. Überprüfen Sie Ihre Verbindung, indem Sie verfügbare Modelle über die /v1/models Endpunkt. Dies bestätigt Ihre Authentifizierung, bevor schwere Payloads gesendet werden.
Anfragen senden
Senden Sie eine Standard-POST-Anfrage an den Chat-Vervollständigungs-Endpunkt. Ihr Payload muss das model field set to uncensored. Übergeben Sie Ihre Nachrichten in einem Array unter messages Schlüssel. Das System akzeptiert Standard-Rollendefinitionen wie user und assistant. Eingabe-Tokens werden zu einem transparenten Satz von $0,15 pro Million Tokens berechnet. Ausgabe-Tokens kosten $0,50 pro Million Tokens. Fehler verbrauchen Ihr vorausbezahltes Guthaben nicht. Dieses Abrechnungsmodell stellt sicher, dass Sie nur für tatsächlich generierten Text bezahlen. Verwenden Sie den folgenden cURL-Befehl, um Ihre erste Nachricht zu senden.
Streaming-Antworten
Aktivieren Sie Streaming, indem Sie stream auf true in Ihrer Anfrage. Der Server gibt einen Server-Sent Events (SSE)-Stream zurück. Jeder Chunk enthält einen Teil des generierten Textes. Der letzte Chunk enthält die vollständigen Token-Nutzungsstatistiken. Dies ermöglicht es Ihnen, Text in Echtzeit an Benutzer anzuzeigen. Streaming funktioniert identisch über alle unterstützten SDKs hinweg. Stellen Sie sicher, dass Ihr Client partielle Textpuffer korrekt verarbeitet. Verwenden Sie diese Methode für die Generierung langformatiger Inhalte oder interaktive Chat-Schnittstellen. Das folgende Beispiel zeigt, wie der Stream in Python verarbeitet wird.
Function Calling
Definieren Sie Tools in Ihrer Anfrage mit der tools Parameter. Das Modell gibt bei Bedarf strukturierte Tool-Aufrufe zurück. Sie können tool_choice spezifisches Verhalten zu erzwingen. Übergeben Sie die Tool-Antwort an das Modell zur weiteren Verarbeitung. Dies unterstützt komplexe Workflows, die Interaktionen mit externen APIs erfordern. Das Modell formatiert JSON automatisch, wenn dies erforderlich ist. Stellen Sie sicher, dass Ihre Funktionsdefinitionen mit dem erwarteten Schema übereinstimmen. Diese Funktion funktioniert neben den Standard-Einstellungen für Temperatur und Top-p. Verwenden Sie Node.js, um die Tool-Verarbeitung effizient zu implementieren.
JSON-Modus und Grenzen
Fordern Sie eine strenge JSON-Ausgabe an, indem Sie response_format zu {"type": "json_object"}. Das Modell garantiert eine gültige JSON-Struktur in der Antwort. Dies ist ideal zum Verarbeiten von Daten in Ihrer Anwendungslogik. Beachten Sie die Grenze des 100.000-Token-Kontextfensters. Dies umfasst sowohl den Prompt als auch die Antwort zusammen. Die maximale Ausgabe pro Anfrage beträgt 16.000 Tokens. Wenn Sie nicht angeben max_tokens, das Limit beträgt standardmäßig 2.048. Anfragen sind auf 300 pro Minute pro Schlüssel begrenzt. Gleichzeitige Anfragen sind auf acht gleichzeitig begrenzt. Der Anfragekörper darf 8 MB nicht überschreiten. Behandeln Sie Fehler wie im folgenden Stream-Beispiel gezeigt.
cURL
curl https://api.modelsuncensoredopenrouter.com/v1/chat/completions \
-H "Authorization: Bearer $API_KEY" \
-H "Content-Type: application/json" \
-d '{
"model": "uncensored",
"messages": [{"role": "user", "content": "list three json keys"}]
}'Python
from openai import OpenAI
client = OpenAI(base_url="https://api.modelsuncensoredopenrouter.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
import OpenAI from "openai";
const client = new OpenAI({ baseURL: "https://api.modelsuncensoredopenrouter.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);Streaming
stream = 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)