Hurtig start: uncensored chat completions

Base URL og autentificering

Den basale URL til den ufiltrerede AI-endpoint er HTTPS://api.venicepricing.com/v1. Du autentificerer ved at sende din API-nøgle i Authorization-headeren som en Bearer-token. Denne opsætning fungerer med de officielle OpenAI SDK'er og enhver OpenAI-kompatibel klient ved blot at ændre base_url og API-nøglen. Du kan generere din nøgle øjeblikkeligt på siden 'Hent API-nøgle' ved at bruge 'Fortsæt med Google' eller en e-mail og adgangskode. Intet telefonnummer er nødvendigt for denne hurtige proces. Nøglen vises straks efter oprettelse, så du kan begynde at teste med det samme. Du kan kun have én aktiv nøgle pr. konto, men du kan erstatte den til enhver tid.

Send en chat-gennemførelsesforespørgsel

Send en standard text-in, text-out request til POST /v1/chat-completions endpointet. Brug model id uncensored til at få adgang til den open-weight model, der er tuned til ingen refusals. Request-body'et skal indeholde messages-array'et med dit prompt-indhold. Du kan teste dette med det samme med en curl kommando. Denne direkte tilgang sikrer, at du bruger det rigtige endpoint til vores uncensored LLM service. Errors og refusals er gratis, så du betaler kun for faktisk token-forbrug. Husk, at modellen ikke afviser lovligt voksen- eller kontroversielt indhold. Det er ikke GPT, Claude eller en anden vendors model. Den kører på vores egne servers.

Konfigurer modelparametre

Du kan justere modellens adfærd ved hjælp af parametre som temperatur, top_p, stop og seed. Disse indstillinger giver dig mulighed for at kontrollere kreativitet og determinisme i svarene. Kontekstvinduet understøtter op til 100,000 tokens for både prompt og completion tilsammen. Hver anmodning kan outputte et maksimum på 16,000 tokens, eller 2,048 hvis du ikke indstiller max_tokens. Function calling understøttes også via tools og tool_choice. Denne fleksibilitet giver dig mulighed for at bygge komplekse interaktioner uden brug af en abonnement. Du kan finjuste outputtet, så det matcher din specifikke use case perfekt. Modellen forbliver konsistent på tværs af forskellige parameterkonfigurationer.

Håndter Streaming-respons

Aktiver streaming ved at indstille stream til true i din anmodning. API'et returnerer svar via Server-Sent Events (SSE) til realtidslevering af tokens. Du kan spore tokenforbrug i den sidste chunk af streamet. Denne funktion er ideel til applikationer, der har brug for øjeblikkelig feedback. Streaming hjælper med at reducere den opfattede forsinkelse for brugere, der venter på lange svar. Du kan parse streamdata i dit foretrukne sprog. API-nøglen forbliver gyldig gennem hele streamets varighed. Fejl under streaming håndteres elegant uden at miste din kredit. Denne metode er effektiv til scenarier med højt throughput.

Brug funktionskald

Definer værktøjer i din request for at aktivere function calling-funktionaliteten. Modellen kan returnere strukturerede data, der matcher dine værktogsdefinitioner. Denne funktion understøtter tool_choice til præcis kontrol over funktionsudførelse. Du kan integrere eksterne API'er eller udføre komplekse datatransformationer. Den uncensored-model håndterer værktogsdefinitioner pålideligt uden unødvendige afvisninger. Du kan definere flere værktøjer i en enkelt request. API'et behandler værktøjskaldene og returnerer det passende output. Denne kapacitet gør tjenesten velegnet til avancerede agent-workflows. Du kan teste function calling med ethvert OpenAI-kompatibelt SDK.

Format JSON-svar

Indstil response_format til json_object for at tvinge modellen til at returnere gyldig JSON. Dette sikrer konsistent parsing i din applikationskode. Du kan bruge denne funktion til struktureret dataudtrækning eller API-svar. Modellen overholder JSON-syntaksregler strengt. Dette format reducerer behovet for efterbehandling i din kode. Du kan validere outputtet øjeblikkeligt ved modtagelse. Uncensored AI API understøtter dette format uden ekstra gebyrer. Fejl opkræves ikke, så du kan eksperimentere frit. Denne funktion er essentiel pålidelig integration med andre systemer.

cURL

Copycurl https://api.venicepricing.com/v1/chat/completions \
  -H "Authorization: Bearer $API_KEY" \
  -H "Content-Type: application/json" \
  -d '{
    "model": "uncensored",
    "messages": [{"role": "user", "content": "Summarize the cost of a vaporetto ticket"}]
  }'

Python

Copyfrom openai import OpenAI

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

Node.js

Copyimport OpenAI from "openai";

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

Streaming

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)