Avvio rapido API AI senza filtri

Installazione e configurazione

Inizia creando un account per ricevere la tua chiave API. Registrati utilizzando un account Google o una combinazione di email e password. Il sistema visualizza immediatamente la tua chiave univaca sullo schermo. Non è richiesta la verifica del numero di telefono per questo passaggio. Puoi generare una nuova chiave in qualsiasi momento, ma esiste una sola chiave attiva per account. Una nuova chiave sostituisce istantaneamente quella precedente. Mantieni questa chiave al sicuro poiché garantisce l'accesso ai tuoi crediti prepagati. Utilizza queste credenziali con qualsiasi SDK compatibile con OpenAI per iniziare l'integrazione.

Configurazione Base

Indirizza il tuo client al nostro URL base dedicato per le richieste senza filtri. Usa lo standard BASE_URL parametro per instradare correttamente il traffico. La struttura dell'endpoint rispecchia le convenzioni di OpenAI per un passaggio facile. Devi fornire la tua chiave API nel Authorization header. Imposta l'ID del modello su uncensored nell'oggetto di configurazione. Questo assicura che la richiesta punti al corretto modello linguistico di grandi dimensioni uncensored. Verifica la tua connessione elencando i modelli disponibili tramite il /v1/models endpoint. Questo conferma che la tua autenticazione è valida prima di inviare payload pesanti.

Invio di richieste

Esegui una richiesta POST standard all'endpoint di completamento chat. Il tuo payload deve includere il model field impostato a uncensored. Passa i tuoi messaggi in un array sotto il messages chiave. Il sistema accetta definizioni di ruolo standard come user e assistant. I token di input vengono addebitati a una tariffa trasparente di $0.15 per milione di token. I token di output costano $0.50 per milione di token. Gli errori non consumano il tuo credito prepagato. Questo modello di fatturazione garantisce che paghi solo per il testo effettivamente generato. Usa il seguente comando cURL per inviare il tuo primo messaggio.

Risposte in streaming

Abilita lo streaming impostando stream a true nella tua richiesta. Il server restituisce uno stream Server-Sent Events (SSE). Ogni chunk contiene una porzione del testo generato. L'ultimo chunk include le statistiche complete sull'utilizzo dei token. Questo ti permette di visualizzare il testo agli utenti in tempo reale. Lo streaming funziona in modo identico su tutti gli SDK supportati. Assicurati che il tuo client gestisca correttamente i buffer di testo parziale. Usa questo metodo per la generazione di contenuti di lunga durata o per interfacce chat interattive. L'esempio seguente dimostra come gestire lo stream in Python.

Function Calling

Definisci gli strumenti nella richiesta utilizzando il tools parametro. Il modello restituisce chiamate agli strumenti strutturati quando appropriato. Puoi specificare tool_choice per forzare un comportamento specifico. Passa la risposta dello strumento al modello per un'ulteriore elaborazione. Questo supporta flussi di lavoro complessi che richiedono interazioni con API esterne. Il modello gestisce automaticamente la formattazione JSON quando necessario. Assicurati che le tue definizioni di funzione corrispondano allo schema previsto. Questa funzionalità funziona insieme alle impostazioni standard di temperatura e top-p. Usa Node.js per implementare la gestione degli strumenti in modo efficiente.

Limiti modalità JSON

Richiedi output JSON rigoroso impostando response_format a {"type": "json_object"}. Il modello garantisce una struttura JSON valida nella risposta. Questo è ideale per l'analisi dei dati nella logica della tua applicazione. Tieni presente il limite della finestra di contesto di 100.000 token. Questo copre sia il prompt che il completamento combinati. L'output massimo per richiesta è di 16.000 token. Se non specifichi max_tokens, il limite predefinito è 2.048. Le richieste sono limitate a 300 al minuto per chiave. Le richieste concorrenti sono limitate a otto simultaneamente. Il corpo della richiesta non deve superare 8 MB. Gestisci gli errori con grazia come mostrato nell'esempio di stream seguente.

cURL

Copycurl 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

Copyfrom 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

Copyimport 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

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)