Guida rapida API uncensored

URL Base e autenticazione

Inizia puntando il tuo SDK o client HTTP all'URL di base https://api.uncensoredllmmodels.com/v1. Hai bisogno di una chiave API valida inviata nel Authorization header come token Bearer. Crea un account usando Google o email, e il sistema visualizzerà la tua chiave immediatamente. Una chiave attiva per account semplifica la rotazione senza configurazioni proxy complesse.

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"}]
  }'

Prima richiesta tramite chat completions

Invia una richiesta POST a /v1/chat/completions con l'ID del modello impostato su uncensored. L'endpoint accetta strutture di payload OpenAI standard per l'interazione testo in, testo in uscita. Puoi specificare max_tokens per controllare la lunghezza dell'output, con un valore predefinito di 2.048 se omesso. Il modello risponde con testo generato senza applicare i tipici rifiuti di sicurezza per contenuti adulti leciti.

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)

Verifica il tuo endpoint del modello

Utilizza il GET /v1/models endpoint per confermare la connettività ed elencare i modelli disponibili. Questo restituisce i metadati del modello senza filtri, assicurando che il tuo client sia configurato correttamente. È un rapido controllo di integrità prima di integrare l'API nei tuoi pipeline di automazione. Nessun altro modello è servito da questo specifico 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 e modalità JSON

L'API supporta le definizioni di strumenti e la modalità JSON tramite response_format. Puoi forzare un output strutturato utilizzando {"type": "json_object"} per un'analisi affidabile nel tuo codice. Il richiamo di funzioni consente al modello di restituire dati strutturati per le attività di automazione. Questo elimina la necessità di hack di regex post-elaborazione sugli output di testo grezzo.

Risposte in streaming e utilizzo dei token

Abilita lo streaming impostando stream: true nella tua richiesta. L'API invia chunk di Server-Sent Events (SSE) mentre il modello genera testo. Le statistiche sull'utilizzo dei token appaiono nell'ultimo chunk dello stream. Questo consente alla tua applicazione di monitorare i costi e il consumo della finestra di contesto in tempo reale.

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)

Limiti di frequenza, errori e finestra di contesto

Ogni chiave consente 300 richieste al minuto e otto richieste concorrenti. La finestra di contesto supporta 100.000 token in totale, con un output massimo di 16.000 token. Gli errori includono 401 per chiavi non valide e 402 se il credito prepagato è esaurito. Le richieste inferiori a 8 MB sono accettate. I rifiuti per policy sui contenuti sono rari ma si applicano ai contenuti sessuali minori.