Zintegruj API modelu AI bez cenzury

Uwierzytelnianie i Base URL

Nasz API jest zaprojektowany jako bezproblemowa wymiana dla istniejących klientów OpenAI. Musisz zmienić tylko dwie zmienne: base_url oraz swój api_key. Podstawowy URL dla wszystkich zapytań to https://api.llmmodelsapi.com/v1. Autoryzacja odbywa się za pomocą nagłówka Authorization z tokenem Bearer. Upewnij się, że przechowujesz swój klucz API w bezpiecznym miejscu, ponieważ daje on dostęp do Twojego przedpłaconego kredytu. Możesz wygenerować klucz ponownie w dowolnym momencie z panelu, co natychmiast unieważnia poprzedni.

Pierwsze zapytanie

Wyślij standardowe zapytanie o uzupełnienie czatu, aby przetestować łączność. Użyj identyfikatora modelu uncensored, aby uzyskać dostęp do naszego specjalnie zaprojektowanego dużego modelu językowego. Model ten jest dostrojony do odpowiadania bez odmów treści dla użytku dorosłego, co czyni go idealnym dla agentów wymagających spójnych wyników. Treść zapytania odpowiada standardowemu formatowi uzupełnień czatu OpenAI.

Copycurl https://api.llmmodelsapi.com/v1/chat/completions \
  -H "Authorization: Bearer $API_KEY" \
  -H "Content-Type: application/json" \
  -d '{
    "model": "uncensored",
    "messages": [{"role": "user", "content": "Write a blunt product review of a cheap VPN."}]
  }'

Sprawdź, czy odpowiedź zawiera poprawne uzupełnienie. Jeśli otrzymasz kod statusu 200, Twoja integracja działa prawidłowo. Ten ai model api endpoint obsługuje zarówno rozmowy jedno-, jak i wieloetapowe w ramach okna kontekstu.

Integracja z Python SDK

Użycie oficjalnego Python SDK OpenAI to najszybszy sposób na integrację. Wskaż klientowi nasz base_url i podaj swój klucz API. SDK automatycznie obsługuje serializację i pulę połączeń. To podejście działa z każdą biblioteką klienta kompatybilną z OpenAI, która respektuje nadpisanie base_url.

Copyfrom openai import OpenAI

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

SDK Python obsługuje strumieniowanie i wywołania synchroniczne. Dla większości przepływów pracy agentów wywołania synchroniczne są prostsze, ale strumieniowanie jest dostępne, jeśli potrzebujesz wyświetlać tokeny podczas ich generowania. Identyfikator modelu to uncensored niezależnie od wersji SDK.

Integracja z Node SDK

W środowiskach JavaScript i TypeScript Node SDK podąża tym samym wzorcem. Zainicjuj klienta poprawnym base_url i poświadczeniami. Zapewnia to, że istniejąca baza kodu wymaga minimalnych zmian przy zmianie dostawcy. Identyfikator modelu uncensored jest kompatybilny ze wszystkimi standardowymi parametrami ukończenia czatu.

Copyimport OpenAI from "openai";

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

SDK Node.js obsługuje również wzorce async/await, co ułatwia integrację z trasami Express lub funkcjami serverless. Przechowuj swój klucz API w zmiennych środowiskowych, aby zapobiec przypadkowemu ujawnieniu. Ta koncepcja openai compatible api oznacza, że możesz wrócić do OpenAI lub przełączyć się na innych dostawców, zmieniając tylko obiekt konfiguracji.

Odpowiedzi strumieniowe

Włącz strumieniowanie, ustawiając stream: true w swoim zapytaniu. API zwraca strumień Server-Sent Events (SSE), pozwalając na przetwarzanie tokenów w miarę ich generowania. Zmniejsza to postrzeganą opóźnienie dla użytkowników końcowych i jest kluczowe dla interakcji agentów w czasie rzeczywistym. Format strumienia jest identyczny ze specyfikacją SSE OpenAI.

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)

Każdy chunk zawiera częściowe dane delta. Musisz je zsumować, aby odtworzyć pełną odpowiedź. Strumieniowanie nie wpływa na cenę; płacisz za tokeny wejścia i wyjścia. To cecha naszego chat completions api.

Limity, błędy i kontekst

Nasza infrastruktura narzuca ścisłe limity, aby zapewnić niezawodność. Limit to 300 zapytań na minutę na klucz, przy maksymalnym rozmiarze treści zapytania 8 MB. Okno kontekstu wynosi 100 000 tokenów, dzielonych między prompt a uzupełnienie. Jeśli przekroczysz limit zapytań, otrzymasz błąd 429. Nieprawidłowy klucz zwraca 401, a niewystarczający kredyt zwraca 402. W przeciwieństwie do wielu llm api provider opcji, nie ukrywamy tych limitów; są one przejrzyste i spójne. Nie przeprowadzamy trenowania na Twoich danych, a prywatność jest zachowana dzięki nieużywaniu promptów do ulepszania modelu.