アンセンサードモデル向けAPIドキュメント

ベースURLと認証

すべてのリクエストにベース URL を使用し、ヘッダーに API キーを渡します。このセットアップは、変更なしで任意の標準的な OpenAI SDK または HTTP クライアントと動作します。Google またはメールアドレスでサインアップすると、電話番号なしで即座にキーが取得されます。このキーは、送信するすべてのリクエストに対してサーバーに対してアカウントを認証します。

キーはプリペイドクレジットへのアクセス権限を持つため、安全に保管してください。新しいキーはいつでも生成でき、古いキーは即座に無効になります。基本的な利用では、複数のキーの管理や複雑な権限スコープの操作は不要です。

最初のリクエスト

シンプルなプロンプトでチャット完了エンドポイントに最初のメッセージを送信してください。モデルはテキスト出力を返し、アプリケーションロジックの準備が整います。最小限のリクエスト構造で接続性と応答品質をテストできます。これにより、キーが機能し、uncensoredモデルが稼働していることが確認できます。

レスポンスには生成されたテキストとトークン使用詳細が含まれます。このデータを解析して結果を表示するか、後続のプロンプトにフィードバックできます。これは、複雑なワークフローを構築する前に統合を確認する最速の方法です。

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統合

公式のOpenAI Pythonパッケージをインストールし、ベースURLを当社のエンドポイントに設定します。これにより、おなじみのメソッドを client.chat.completions.create() コード構造を変更せずに。既存のOpenAI互換クライアントを使用している既存プロジェクトの統合を簡素化するために、APIキーをライブラリのデフォルト値として渡します。

temperatureやtop_pなどのパラメータを設定して、応答のランダム性を制御できます。ライブラリはシリアライゼーションとエラー解析を自動で処理します。これによりボイラープレートコードが削減され、単純なスクリプトから複雑なアプリケーションまで、開発が高速化します。

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のセットアップ

OpenAI Node.jsクライアントをベースURLとAPIキーで初期化します。これにより、標準的なJavaScriptおよびTypeScriptプロジェクトとの互換性が確保されます。Python SDKで使用可能なのと同じ完了メソッドを使用できます。クライアントはネットワークリクエストとレスポンス解析を効率的に処理します。

クライアントオプションをアプリケーションのニーズに合わせて調整してください。必要に応じてリクエストタイムアウトやリトライロジックを変更できます。このセットアップは既存の Node.js 環境とシームレスに動作し、バックエンドサービスに uncensored AI 機能を簡単に追加できます。

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);

ストリーミングレスポンス

リクエストでstreamパラメータをtrueに設定してストリーミングを有効にします。これにより、生成されるたびにトークン単位でレスポンスが送信されます。リアルタイムアプリケーションにとってより良いユーザーエクスペリエンスを提供します。モデルが処理を続ける間、部分的な結果を即座に表示できます。

コンテンツを抽出するためにストリームチャンクを解析します。最後のチャンクにはリクエストの総トークン使用量が含まれています。これにより、コストを正確に追跡しながらユーザーに即時フィードバックを提供できます。ストリーミングはチャットインターフェースやインタラクティブツールに最適です。

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)

レート制限、エラー、コンテキスト

コンテキストウィンドウはプロンプトと補完の両方で100,000トークンをサポートしています。切り捨てなしで長文のドキュメントや拡張された会話を送信できます。ただし、リクエストごとの最大出力は16,000トークン、制限を設定しない場合は2,048トークンです。これにより、大規模なレスポンスに対して一貫したパフォーマンスが保証されます。

レートリミットはAPIキーごとに1分間あたり300リクエストと8つの同時リクエストを許可します。エラーには、無効なキーの場合の401と、残高不足の場合の402が含まれます。コンテンツ制限による拒否は無料ですが、エラーは残高を消費しません。高トラフィック期間中のスロットリングを避けるために、リクエストを効率的に管理してください。