Guide de démarrage rapide de l'API sans filtre
L'API LLM sans censure fournit un point de terminaison chat-compatibles openai qui supprime les filtres de modération pour un appel d'outils fiable et une génération de texte sans restriction. Ce guide montre comment s'authentifier, envoyer des requêtes et gérer les réponses en streaming avec le seul modèle sans censure.
URL de base et authentification
Commencez par pointer votre SDK ou client HTTP vers l'URL de base https://api.uncensoredllmmodels.com/v1. Vous avez besoin d'une clé API valide envoyée dans le Authorization en-tête en tant que jeton Bearer. Créez un compte en utilisant Google ou l'e-mail, et le système affiche votre clé immédiatement. Une clé active par compte simplifie la rotation sans configurations de proxy complexes.
curl 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"}]
}'Première demande via les complétions de chat
Envoyez une requête POST à /v1/chat/completions avec l'ID du modèle défini sur uncensored. Le point de terminaison accepte des structures de payload OpenAI standard pour une interaction texte en entrée, texte en sortie. Vous pouvez spécifier max_tokens pour contrôler la longueur de sortie, par défaut à 2,048 si omis. Le modèle répond avec du texte généré sans appliquer les refus de sécurité typiques pour le contenu adulte légal.
from 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)Vérifiez votre endpoint de modèle
Utilisez le GET /v1/models point de terminaison pour confirmer la connectivité et lister les modèles disponibles. Cela renvoie des métadonnées sur le modèle sans restriction, garantissant que votre client est correctement configuré. Il s'agit d'un contrôle de base rapide avant d'intégrer l'API dans vos pipelines d'automatisation. Aucun autre modèle n'est servi par ce point de terminaison spécifique.
import 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);Appel de fonctions et mode JSON
L'API prend en charge les définitions d'outils et le mode JSON via response_format. Vous pouvez imposer une sortie structurée en utilisant {"type": "json_object"} pour une analyse fiable dans votre code. L'appel de fonction permet au modèle de retourner des données structurées pour les tâches d'automatisation. Cela élimine le besoin de hacks regex post-traitement sur les sorties de texte brut.
Utilisation des jetons et réponses en streaming
Activez le streaming en définissant stream: true dans votre requête. L'API envoie des fragments d'événements envoyés par le serveur (SSE) au fur et à mesure que le modèle génère du texte. Les statistiques d'utilisation des jetons apparaissent dans le dernier fragment du flux. Cela permet à votre application de suivre les coûts et la consommation de la fenêtre de contexte en temps réel.
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)Limites de taux, erreurs et fenêtre de contexte
Chaque clé permet 300 requêtes par minute et huit requêtes simultanées. La fenêtre de contexte prend en charge 100 000 tokens au total, avec un débit maximum de 16 000 tokens. Les erreurs incluent 401 pour les clés invalides et 402 si le crédit prépayé est épuisé. Les requêtes inférieures à 8 Mo sont acceptées. Les refus pour des raisons de politique de contenu sont rares mais s'appliquent aux contenus sexuels mineurs.
Support Q&A
L'API LLM non censorée est-elle compatible avec les SDK OpenAI standards ?
Oui, il utilise les mêmes structures de requête et de réponse que l'API OpenAI. Il vous suffit de mettre à jour l'URL de base et la clé API dans la configuration de votre client. Tous les paramètres standard comme temperature et top_p sont pris en charge.
Que se passe-t-il si je dépasse les limites de taux ?
L'API renvoie un code d'état 429 lorsque vous dépassez 300 requêtes par minute ou huit connexions simultanées. Vous devriez mettre en œuvre une rétrogradation exponentielle dans votre client. Réessayez après le délai spécifié pour éviter un nouvel écrêtement.
Comment fonctionne le modèle de crédit prépayé ?
Le crédit est facturé en fonction de l'utilisation réelle des tokens, les erreurs étant gratuites. Vous pouvez recharger en utilisant USDT ou USDC avec des crédits bonus pour les montants plus élevés. Aucun frais d'abonnement ne s'applique, et le crédit inutilisé n'expire jamais.
Accéder via clé API
Inscrivez-vous, récupérez votre clé et mettez à jour votre URL de base. C'est la configuration complète.
