Hurtigstartsguide til ubegrænset api

Base URL og autentificering

Start med at pege dit SDK eller HTTP-klient på base URL https://api.uncensoredllmmodels.com/v1. Du skal have en gyldig API-nøgle sendt i Authorization header som en Bearer-token. Opret en konto ved hjælp af Google eller e-mail, og systemet viser din nøgle øjeblikkeligt. Én aktiv nøgle pr. konto forenkler rotation uden komplekse proxy-opstillinger.

Copycurl https://api.uncensoredllmmodels.com/v1/chat/completions \
  -H "Authorization: Bearer $API_KEY" \
  -H "Content-Type: application/json" \
  -d '{
    "model": "uncensored",
    "messages": [{"role": "user", "content": "Generate a list of 5 Python libraries for async web scraping"}]
  }'

Første anmodning via chat completions

Send en POST-forespørgsel til /v1/chat/completions med model-ID indstillet til uncensored. Endpointet accepterer standard OpenAI-payload-strukturer til tekst-ind, tekst-ud-interaktion. Du kan angive max_tokens til at kontrollere outputlængde, med standard 2.048, hvis udeladt. Modellen svarer med genereret tekst uden at anvende typiske sikkerhedsafvisninger til lovligt voksenindhold.

Copyfrom openai import OpenAI

client = OpenAI(base_url="https://api.uncensoredllmmodels.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)

Verificér din modelendpoint

Brug GET /v1/models endpoint til at bekræfte forbindelsen og liste tilgængelige modeller. Dette returnerer metadata om den ubegrænsede model, hvilket sikrer, at din klient er korrekt konfigureret. Det er en hurtig sanity-check, før du integrerer API'et i dine automatiseringspipelines. Der serveres ingen andre modeller via dette specifikke endpoint.

Copyimport OpenAI from "openai";

const client = new OpenAI({ baseURL: "https://api.uncensoredllmmodels.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);

Function calling og JSON-mode

API'en understøtter værktøjsdefinitioner og JSON-tilstand via response_format. Du kan tvinge struktureret output ved hjælp af {"type": "json_object"} for pålidelig parsing i din kode. Funktionskald tillader modellen at returnere struktureret data til automatiseringsopgaver. Dette eliminerer behovet for efterbehandling regex hacks på rå tekstoutput.

Streaming-respons og tokenforbrug

Aktivér streaming ved at indstille stream: true i din anmodning. API'et sender Server-Sent Events (SSE) chunks, mens modellen genererer tekst. Tokenforbrugsstatistikker vises i den sidste del af streamen. Dette giver din applikation mulighed for at spore omkostninger og kontekstvinduesforbrug i realtid.

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 window

Hver nøgle giver 300 requests i minuttet og otte samtidige requests. Context-vinduet understøtter i alt 100,000 tokens, med et maksimum output på 16,000 tokens. Fejl inkluderer 401 for ugyldige nøgler og 402, hvis forudbetalt kredit er opbrugt. Requests under 8 MB accepteres. Afvisninger på grund af indholdspolitik er sjældne, men gælder for mindre seksuelt indhold.