Installation och uppsättning
Börja med att skapa ett konto för att få din API-nyckel. Registrera dig med antalet ett Google-konto eller en kombination av e-postadress och lösenord. Systemet visar din unika nyckel omedelbart på skärmen. Ingen telefonnummerverifiering krävs för detta steg. Du kan generera en ny nyckel när som helst, men det finns bara en aktiv nyckel per konto. En ny nyckel ersätter den föregående omedelbart. Håll denna nyckel säker eftersom den ger åtkomst till dina förbetalda krediter. Använd dessa uppgifter med valfri standard OpenAI-compatible SDK för att börja integrationen.
Bas konfigurering
Peka din klient mot vår dedikerade bas-URL för obegränsade förfrågningar. Använd standard BASE_URL parameter för att routa trafik korrekt. Slutpunktsstrukturen speglar OpenAI-konventioner för enkel växling. Du måste ange ditt API-nyckel i Authorization header. Ställ in modell-ID:t till uncensored i ditt konfigurationsobjekt. Detta säkerställer att förfrågan riktar sig mot rätt stor språkmodell utan censur. Kontrollera din anslutning genom att lista tillgängliga modeller via /v1/models endpoint. Detta bekräftar att din autentisering är giltig innan du skickar tunga laster.
Skicka begäranden
Gör en standard POST-begäran till chatkompletteringsändpunkten. Din payload måste innehålla model field set to uncensored. Skicka dina meddelanden i en array under messages nyckel. Systemet accepterar standard rolldefinitioner som user och assistant. Inmatningstoken kostar en transparent sats på $0.15 per miljon tokens. Utmatningstoken kostar $0.50 per miljon tokens. Fel förbrukar inte din förbetald kredit. Denna faktureringsmodell säkerställer att du bara betalar för faktisk genererad text. Använd följande cURL-kommando för att skicka ditt första meddelande.
Strömningsresponser
Aktivera strömning genom att ställa in stream till true i din begäran. Servern returnerar en Server-Sent Events (SSE)-ström. Varje bit innehåller en del av den genererade texten. Den sista biten innehåller komplett tokenanvändningsstatistik. Detta gör att du kan visa text till användare i realtid. Strömning fungerar identiskt över alla stödda SDK:er. Se till att din klient hanterar delvisa textbuffertar korrekt. Använd denna metod för långformad innehållsgenerering eller interaktiva chattgränssnitt. Följande exempel visar hur man hanterar strömmen i Python.
Funktionsanrop
Definiera verktyg i din begäran med tools parameter. Modellen returnerar strukturerade verktygsanrop när det är lämpligt. Du kan specificera tool_choice för att tvinga specifikt beteende. Skicka verksvaret tillbaka till modellen för vidare bearbetning. Detta stöder komplexa flöden som kräver externa API-interaktioner. Modellen hanterar JSON-formatering automatiskt när det behövs. Se till att dina funktionsdefinitioner matchar det förväntade schemat. Denna funktion fungerar tillsammans med standard temperatur- och top-p-inställningar. Använd Node.js för att implementera verkhantering effektivt.
JSON-läge och begränsningar
Begär strikt JSON-utdata genom att ställa in response_format för {"type": "json_object"}. Modellen garanterar giltig JSON-struktur i svaret. Detta är idealiskt för att analysera data i din applikationslogik. Var medveten om gränsen för 100,000 tokens kontextfönster. Detta täcker både prompt och slutförande tillsammans. Det maximala utdata per begäran är 16,000 tokens. Om du inte specificerar max_tokens, gränsen är standardinställd till 2 048. Requests är begränsade till 300 per minut per nyckel. Samtidiga requests är begränsade till åtta samtidigt. Request body får inte överstiga 8 MB. Hantera fel elegant som visas i följande stream-exempel.
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);Strömning
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)