Snabbstartsguide för osäkrad API

Bas URL och autentisering

Börja med att peka ditt SDK eller HTTP-klientprogram mot bas-URL: https://api.uncensoredllmmodels.com/v1. Du behöver en giltig API-nyckel skickad i Authorization header som ett Bearer-token. Skapa ett konto med Google eller e-post, och systemet visar din nyckel omedelbart. En aktiv nyckel per konto förenklar rotation utan komplexa proxy-uppsättningar.

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"}]
  }'

Första förfrågan via chattkompletteringar

Skicka en POST-förfrågan till /v1/chat/completions med modell-ID:t inställt på uncensored. Slutpunkten accepterar standard OpenAI-payload-strukturer för text-in, text-ut-interaktion. Du kan specificera max_tokens för att styra utdatalängd, med standard 2,048 om utelämnat. Modellen svarar med genererad text utan att applicera typiska säkerhetsavslag för lagligt vuxent innehåll.

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)

Verifiera din modelländpunkt

Använd GET /v1/models slutpunkt för att bekräfta anslutning och lista tillgängliga modeller. Detta returnerar metadata om den obegränsade modellen, vilket säkerställer att din klient är korrekt konfigurerad. Det är en snabb kontroll innan du integrerar API:t i dina automatiseringsflöden. Ingen annan modell serveras av denna specifika slutpunkt.

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 och JSON-läge

API:et stöder verktygsdefinitioner och JSON-läge via response_format. Du kan tvinga fram strukturerad output med {"type": "json_object"} för pålitlig parsing i din kod. Funktionsanrop gör att modellen kan returnera strukturerad data för automatiseringsuppgifter. Detta eliminerar behovet av efterbehandling med regex-hack på råa textutdata.

Strömsvaren och tokenanvändning

Aktivera strömning genom att ställa in stream: true i ditt begäran. API:et skickar bitar med Server-Sent Events (SSE) när modellen genererar text. Statistik över tokenanvändning visas i den sista biten av strömmen. Detta gör att din applikation kan spåra kostnader och förbrukning av kontextfönstret 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, fel och kontestfönster

Varje nyckel tillåter 300 förfrågningar per minut och åtta samtidiga förfrågningar. Kontextrutan stödjer 100,000 tokens totalt, med en maximal output på 16,000 tokens. Fel inkluderar 401 för ogiltiga nycklar och 402 om förbetalt kreditbelopp är slut. Förfrågningar under 8 MB accepteras. Avslag på grund av innehållspolitik är sällsynta men gäller för mindre sexuellt innehåll.