Início rápido da API IA sem censura

Instalação e Configuração

Comece criando uma conta para receber sua chave de API. Cadastre-se usando uma conta do Google ou uma combinação de e-mail e senha. O sistema exibe sua chave exclusiva imediatamente na tela. Nenhuma verificação de número de telefone é necessária para esta etapa. Você pode gerar uma nova chave a qualquer momento, mas apenas uma chave ativa existe por conta. Uma nova chave substitui a anterior instantaneamente. Mantenha esta chave segura, pois ela concede acesso aos seus créditos pré-pagos. Use essas credenciais com qualquer SDK compatível com OpenAI para começar a integração.

Configuração Base

Direcione seu cliente para nosso URL base dedicado para solicitações sem censura. Use o padrão BASE_URL parâmetro para rotear o tráfego corretamente. A estrutura do endpoint espelha as convenções da OpenAI para fácil alternância. Você deve fornecer sua chave de API no Authorization cabeçalho. Defina o ID do modelo como uncensored no seu objeto de configuração. Isso garante que a solicitação seja direcionada para o modelo de linguagem grande uncensored correto. Verifique sua conexão listando os modelos disponíveis via /v1/models endpoint. Isso confirma que sua autenticação é válida antes de enviar cargas pesadas.

Enviando Solicitações

Faça uma solicitação POST padrão para o endpoint de conclusões de chat. Seu payload deve incluir o model field set to uncensored. Passe suas mensagens em uma matriz sob o messages chave. O sistema aceita definições de função padrão como user e assistant. Tokens de entrada são cobrados a uma taxa transparente de $0,15 por milhão de tokens. Tokens de saída custam $0,50 por milhão de tokens. Erros não consomem seu crédito pré-pago. Este modelo de faturamento garante que você pague apenas pelo texto realmente gerado. Use o seguinte comando cURL para enviar sua primeira mensagem.

Respostas em Streaming

Ative o streaming definindo stream para true em sua solicitação. O servidor retorna um stream de Eventos Enviados pelo Servidor (SSE). Cada fragmento contém uma parte do texto gerado. O último fragmento inclui as estatísticas completas de uso de tokens. Isso permite que você exiba texto para os usuários em tempo real. O streaming funciona de forma idêntica em todos os SDKs suportados. Certifique-se de que seu cliente gerencia buffers de texto parcial corretamente. Use este método para geração de conteúdo de longo formato ou interfaces de chat interativas. O exemplo a seguir demonstra como lidar com o stream em Python.

Chamada de Função

Defina ferramentas na solicitação usando o tools parâmetro. O modelo retorna chamadas de ferramentas estruturadas quando apropriado. Você pode especificar tool_choice para forçar um comportamento específico. Passe a resposta da ferramenta de volta para o modelo para processamento adicional. Isso suporta fluxos de trabalho complexos que exigem interações com APIs externas. O modelo lida com a formatação JSON automaticamente quando necessário. Certifique-se de que suas definições de função correspondam ao esquema esperado. Este recurso funciona junto com as configurações padrão de temperatura e top-p. Use Node.js para implementar o tratamento de ferramentas de forma eficiente.

Modo JSON e Limites

Solicite saída JSON estrita definindo response_format para {"type": "json_object"}. O modelo garante estrutura JSON válida na resposta. Isso é ideal para analisar dados na lógica da sua aplicação. Esteja ciente do limite de janela de contexto de 100.000 tokens. Isso cobre tanto o prompt quanto a conclusão combinados. A saída máxima por requisição é de 16.000 tokens. Se você não especificar max_tokens, o limite padrão é 2.048. As solicitações são limitadas a 300 por minuto por chave. As solicitações simultâneas são limitadas a oito simultaneamente. O corpo da solicitação não deve exceder 8 MB. Lidere os erros com graça conforme mostrado no exemplo de stream a seguir.

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)