API-dokumentation til Uncensored model

Base URL og autentificering

Brug vores base URL til alle anmodninger og overfør din API-nøgle i headeren. Denne opsætning fungerer med ethvert standard OpenAI SDK eller HTTP-klient uden ændringer. Du modtager en nøgle med det samme efter tilmelding med Google eller e-mail, uden telefonnummer påkrævet. Nøglen autentificerer din konto mod vores servere for hver anmodning, du sender.

Hold din nøgle sikker, da den giver adgang til din forudbetalte kredit. Du kan generere en ny nøgle når som helst, hvilket erstatter den gamle øjeblikkeligt. Der er ingen grund til at administrere flere nøgler eller navigere i komplekse tilladelsesområder til grundlæggende brug.

Første anmodning

Send din første besked til chat-completions endpoint med en simpel prompt. Modellen svarer med tekstoutput, klar til din applikationslogik. Du kan teste forbindelsen og svar kvaliteten med en minimal request-struktur. Dette bekræfter, at din nøgle virker, og at den uncensored model er aktiv.

Svaret inkluderer den genererede tekst og detaljer om tokenforbrug. Du kan parse disse data for at vise resultater eller føre dem til efterfølgende prompts. Dette er den hurtigste måde at verificere din integration på, før du bygger komplekse arbejdsgange.

Copycurl https://api.unfilterchatgpt.com/v1/chat/completions \
  -H "Authorization: Bearer $API_KEY" \
  -H "Content-Type: application/json" \
  -d '{
    "model": "uncensored",
    "messages": [{"role": "user", "content": "list the top ten best practices for react state management"}]
  }'

Python SDK-integration

Installer den officielle OpenAI Python-pakke, og peg den på vores base URL. Dette giver dig mulighed for at bruge velkendte metoder som client.chat.completions.create() uden at ændre din kodestruktur. Angiv din API-nøgle som standardværdien for biblioteket. Denne tilgang forenkler integrationen for eksisterende projekter, der allerede bruger OpenAI-kpatible klienter.

Du kan indstille parametre som temperature eller top_p for at kontrollere responsens tilfældighed. Biblioteket håndterer serialisering og fejlparsening automatisk. Dette reducerer boilerplate-kode og fremskynder udviklingen til både simple scripts og komplekse applikationer.

Copyfrom openai import OpenAI

client = OpenAI(base_url="https://api.unfilterchatgpt.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 SDK-setup

Initialiser OpenAI Node.js-klienten med vores base-URL og din API-nøgle. Dette sikrer kompatibilitet med standard JavaScript- og TypeScript-projekter. Du kan bruge de samme completion-metoder, som er tilgængelige i Python SDK'et. Klienten håndterer netværksanmodninger og svarparsning effektivt.

Konfigurer klientindstillingerne, så de matcher dine applikationsbehov. Du kan justere anmodningstimeouts eller retry-logik efter behov. Denne opsætning fungerer sømløst med eksisterende Node.js-miljøer, hvilket gør det nemt at tilføje ubegrænsede AI-funktioner til dine backend-tjenester.

Copyimport OpenAI from "openai";

const client = new OpenAI({ baseURL: "https://api.unfilterchatgpt.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-svar

Aktivér streaming ved at indstille stream-parameteren til true i din request. Dette sender svar token-for-token, mens de genereres. Det giver en bedre brugeroplevelse til real-time-applikationer. Du kan vise delvise resultater øjeblikkeligt, mens modellen fortsætter med at arbejde.

Parser streamchunks for at udtrække indholdet. Den sidste chunk indeholder det totale tokenforbrug for anmodningen. Dette gør det muligt at spore omkostninger præcist, mens du giver øjeblikkelig feedback til brugere. Streaming er ideelt til chatgrænseflader og interaktive værktøjer.

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)

Rate Limits, Fejl og Context

Kontekstvinduet understøtter 100.000 tokens til både prompt og completion. Du kan sende lange dokumenter eller udvidede samtaler uden afkortning. Maksimum output pr. anmodning er dog 16.000 tokens, eller 2.048, hvis du ikke indstiller grænsen. Dette sikrer konsistent ydeevne for store svar.

Rate limits tillader 300 anmodninger i minuttet og 8 samtidige anmodninger per nøgle. Fejl inkluderer 401 for ugyldige nøgler og 402 for utilstrækkelig kredit. Afvisninger på grund af indholdsgrænser er gratis, mens fejl ikke forbruger kredit. Håndter dine anmodninger effektivt for at undgå throttling i perioder med høj trafik.