API-Dokumentation für unzensiertes Modell

Basis-URL und Authentifizierung

Verwenden Sie unsere Basis-URL für alle Anfragen und übergeben Sie Ihren API-Schlüssel im Header. Diese Einrichtung funktioniert mit jedem Standard-OpenAI-SDK oder HTTP-Client ohne Modifikation. Sie erhalten sofort nach der Anmeldung mit Google oder E-Mail einen Schlüssel, ohne dass eine Telefonnummer erforderlich ist. Der Schlüssel authentifiziert Ihr Konto bei jeder Anfrage, die Sie an unsere Server senden.

Halten Sie Ihren Schlüssel sicher, da er Zugriff auf Ihr bezahltes Guthaben gewährt. Sie können jederzeit einen neuen Schlüssel generieren, der den alten sofort ersetzt. Es besteht keine Notwendigkeit, mehrere Schlüssel zu verwalten oder komplexe Berechtigungsbereiche für die Basisnutzung zu navigieren.

Erste Anfrage

Senden Sie Ihre erste Nachricht an den Chat-Completion-Endpunkt mit einer einfachen Eingabeaufforderung. Das Modell antwortet mit Textausgabe, bereit für Ihre Anwendungslogik. Sie können die Konnektivität und die Antwortqualität mit einer minimalen Anfragestruktur testen. Dies bestätigt, dass Ihr Schlüssel funktioniert und das unzensierte Modell aktiv ist.

Die Antwort enthält den generierten Text und die Details zur Token-Nutzung. Sie können diese Daten analysieren, um Ergebnisse anzuzeigen oder sie in nachfolgende Eingaben einzuspeisen. Dies ist der schnellste Weg, Ihre Integration zu überprüfen, bevor Sie komplexe Workflows erstellen.

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

Installieren Sie das offizielle OpenAI-Python-Paket und verweisen Sie es auf unsere Basis-URL. Dies ermöglicht Ihnen die Verwendung bekannter Methoden wie client.chat.completions.create() ohne Änderung der Code-Struktur. Übergeben Sie Ihren API-Schlüssel als Standardwert für die Bibliothek. Dieser Ansatz vereinfacht die Integration für bestehende Projekte, die bereits OpenAI-kompatible Clients verwenden.

Sie können Parameter wie temperature oder top_p festlegen, um die Zufälligkeit der Antwort zu steuern. Die Bibliothek übernimmt die Serialisierung und Fehleranalyse automatisch. Dies reduziert Boilerplate-Code und beschleunigt die Entwicklung sowohl für einfache Skripte als auch für komplexe Anwendungen.

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-Einrichtung

Initialisieren Sie den OpenAI Node.js-Client mit unserer Basis-URL und Ihrem API-Schlüssel. Dies gewährleistet die Kompatibilität mit Standard-JavaScript- und TypeScript-Projekten. Sie können dieselben Vervollständigungsmethoden verwenden, die im Python-SDK verfügbar sind. Der Client verarbeitet Netzwerkanfragen und Antwort-Parsing effizient.

Konfigurieren Sie die Client-Optionen entsprechend den Anforderungen Ihrer Anwendung. Sie können Zeitlimits oder Wiederholungslogiken nach Bedarf anpassen. Diese Einrichtung funktioniert nahtlos mit bestehenden Node.js-Umgebungen und ermöglicht es Ihnen, unzensierte KI-Funktionen einfach zu Ihren Backend-Diensten hinzuzufügen.

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-Antworten

Aktivieren Sie das Streaming, indem Sie den Parameter „stream“ auf true in Ihrer Anfrage setzen. Dies sendet Antworten Token-für-Token, sobald sie generiert werden. Es bietet eine bessere Benutzererfahrung für Echtzeitanwendungen. Sie können teilweise Ergebnisse sofort anzeigen, während das Modell weiterarbeitet.

Analysieren Sie die Stream-Chunks, um den Inhalt zu extrahieren. Das letzte Chunk enthält die gesamte Token-Nutzung für die Anfrage. Dies ermöglicht es Ihnen, die Kosten genau zu verfolgen, während Sie Nutzern sofortiges Feedback geben. Streaming ist ideal für Chat-Schnittstellen und interaktive Tools.

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)

Ratenbegrenzungen, Fehler und Kontext

Das Context-Window unterstützt 100.000 Tokens sowohl für Prompt als auch für Completion. Sie können lange Dokumente oder erweiterte Gespräche ohne Kürzung senden. Die maximale Ausgabe pro Anfrage beträgt jedoch 16.000 Tokens bzw. 2.048, wenn Sie das Limit nicht festlegen. Dies gewährleistet eine konsistente Leistung für große Antworten.

Rate-Limits erlauben 300 Anfragen pro Minute und 8 gleichzeitige Anfragen pro Schlüssel. Fehler umfassen 401 für ungültige Schlüssel und 402 für unzureichendes Guthaben. Ablehnungen aufgrund von Inhaltslimits sind kostenlos, während Fehler kein Guthaben verbrauchen. Verwalten Sie Ihre Anfragen effizient, um Drosselung während hoher Verkehrsperioden zu vermeiden.