Integre a API do Modelo de IA sem Censura

Autenticação e URL Base

Nossa API foi projetada como uma substituição pronta para uso para clientes OpenAI existentes. Você só precisa alterar duas variáveis: o base_url e sua api_key. A URL base para todas as requisições é https://api.llmmodelsapi.com/v1. A autenticação é tratada via cabeçalho Authorization usando um token Bearer. Certifique-se de manter sua chave de API segura, pois ela concede acesso ao seu crédito pré-pago. Você pode regenerar sua chave a qualquer momento no seu painel, o que revoga imediatamente a chave antiga.

Primeira Requisição

Envie uma solicitação padrão de conclusão de chat para testar a conectividade. Use o ID do modelo uncensored para acessar nosso modelo de linguagem grande construído especificamente para este fim. Este modelo é ajustado para responder sem recusas de conteúdo para uso adulto lícito, sendo ideal para agentes que precisam de saídas consistentes. O corpo da solicitação segue o formato padrão de conclusões de chat da 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."}]
  }'

Verifique se a resposta inclui uma conclusão válida. Se você receber um código de status 200, sua integração está funcionando corretamente. Este endpoint de ai model api suporta conversas de turno único e multi-turno dentro da janela de contexto.

Integração com SDK Python

Usar o SDK Python oficial da OpenAI é a maneira mais rápida de integrar. Aponte o cliente para nossa URL base e forneça sua chave de API. O SDK lida com serialização e pool de conexões automaticamente. Esta abordagem funciona com qualquer biblioteca de cliente compatível com OpenAI que respeite a substituição de 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)

O SDK Python suporta chamadas em streaming e síncronas. Para a maioria dos fluxos de trabalho de agentes, chamadas síncronas são mais simples, mas o streaming está disponível se você precisar exibir tokens conforme são gerados. O ID do modelo permanece uncensored independentemente da versão do SDK.

Integração com SDK Node.js

Para ambientes JavaScript e TypeScript, o SDK Node segue o mesmo padrão. Inicialize o cliente com a URL base e credenciais corretas. Isso garante que sua base de código existente exija alterações mínimas para alternar de provedor. O ID do modelo uncensored é compatível com todos os parâmetros padrão de conclusão de chat.

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);

O SDK Node também suporta padrões async/await, facilitando a integração em rotas Express ou funções serverless. Mantenha sua chave de API em variáveis de ambiente para evitar exposição acidental. Este design de openai compatible api significa que você pode trocar de volta para a OpenAI ou mudar para outros provedores alterando apenas o objeto de configuração.

Respostas em Streaming

Ative o streaming definindo stream: true em sua solicitação. A API retorna um stream de Server-Sent Events (SSE), permitindo que você processe tokens conforme são gerados. Isso reduz a latência percebida para usuários finais e é essencial para interações de agentes em tempo real. O formato do stream é idêntico à especificação SSE da 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)

Cada fragmento contém dados parciais de delta. Você deve acumular esses deltas para reconstruir a resposta completa. O streaming não afeta o preço; você é cobrado pelos tokens totais de entrada e saída, independentemente do modo de streaming. Este recurso faz parte do design robusto da chat completions api que fornecemos.

Limites, Erros e Contexto

Nossa infraestrutura impõe limites rigorosos para garantir a confiabilidade. Você está limitado a 300 requisições por minuto por chave, com um tamanho máximo de corpo de requisição de 8 MB. A janela de contexto é de 100.000 tokens, compartilhada entre prompt e conclusão. Se você exceder o limite de requisições, receberá um erro 429. Uma chave inválida retorna 401, e crédito insuficiente retorna 402. Ao contrário de muitas opções de llm api provider, não escondemos esses limites; eles são transparentes e consistentes. Nenhum treinamento é realizado com seus dados, e a privacidade é mantida sem usar prompts para melhoria do modelo.