Schnellstart: unzensiert Chat-Vervollständigungen

Basis-URL und Authentifizierung

Die Basis-URL für den unzensierten KI-Endpunkt ist HTTPS://api.venicepricing.com/v1. Sie authentifizieren sich, indem Sie Ihren API-Schlüssel im Authorization-Header als Bearer-Token übergeben. Diese Einrichtung funktioniert mit den offiziellen OpenAI-SDKs und jedem OpenAI-kompatiblen Client, indem Sie einfach die base_url und den API-Schlüssel ändern. Sie können Ihren Schlüssel sofort auf der Seite „API-Schlüssel erhalten“ generieren, indem Sie „Mit Google fortfahren“ oder eine E-Mail-Adresse und ein Passwort verwenden. Für diesen schnellen Vorgang ist keine Telefonnummer erforderlich. Der Schlüssel wird sofort nach der Erstellung angezeigt, sodass Sie sofort mit Tests beginnen können. Sie können pro Konto nur einen aktiven Schlüssel haben, aber Sie können ihn jederzeit ersetzen.

Senden Sie eine Chat-Vervollständigungsanfrage

Senden Sie eine Standard-Text-in-Text-aus-Anfrage an den POST /v1/chat-completions-Endpunkt. Verwenden Sie die Modell-ID uncensored, um auf das Open-Weight-Modell zuzugreifen, das für keine Ablehnungen optimiert ist. Der Anforderungstext muss das Nachrichten-Array mit Ihrem Eingabeinhalt enthalten. Sie können dies sofort mit einem curl-Befehl testen. Dieser direkte Ansatz stellt sicher, dass Sie den richtigen Endpunkt für unseren uncensored-LLM-Dienst verwenden. Fehler und Ablehnungen sind kostenlos, Sie zahlen also nur für tatsächliche Token-Nutzung. Denken Sie daran, dass das Modell keine rechtmäßigen Erwachsenen- oder kontroversen Themen ablehnt. Es ist kein GPT, Claude oder ein anderes Anbietermodell. Es läuft auf unseren eigenen Servern.

Modellparameter konfigurieren

Sie können das Modellverhalten mit Parametern wie temperature, top_p, stop und seed anpassen. Diese Einstellungen ermöglichen es Ihnen, Kreativität und Determinismus in den Antworten zu steuern. Der Kontextfenster unterstützt bis zu 100,000 Tokens für Prompt und Completion zusammen. Jede Anfrage kann maximal 16,000 Tokens ausgeben, oder 2,048, wenn Sie max_tokens nicht festlegen. Function Calling wird ebenfalls über tools und tool_choice unterstützt. Diese Flexibilität ermöglicht es Ihnen, komplexe Interaktionen zu erstellen, ohne ein Abonnement zu benötigen. Sie können die Ausgabe feinjustieren, um sie perfekt an Ihren spezifischen Anwendungsfall anzupassen. Das Modell bleibt bei verschiedenen Parameterkonfigurationen konsistent.

Streaming-Antworten behandeln

Aktivieren Sie das Streaming, indem Sie stream auf true setzen. Die API gibt Antworten über Server-Sent Events (SSE) für die Echtzeit-Übertragung von Tokens zurück. Sie können die Token-Nutzung im letzten Chunk des Streams verfolgen. Dieses Feature ist ideal für Anwendungen, die sofortiges Feedback benötigen. Streaming hilft, die wahrgenommene Latenz für Nutzer zu reduzieren, die auf lange Antworten warten. Sie können die Stream-Daten in Ihrer bevorzugten Sprache parsen. Der API-Schlüssel bleibt während der gesamten Stream-Dauer gültig. Fehler während des Streamings werden gracefully behandelt, ohne dass Guthaben verloren geht. Diese Methode ist effizient für Szenarien mit hohem Durchsatz.

Verwenden Sie Function Calling

Definieren Sie Tools in Ihrer Anfrage, um Function Calling-Funktionen zu aktivieren. Das Modell kann strukturierte Daten zurückgeben, die Ihren Tool-Definitionen entsprechen. Dieses Feature unterstützt tool_choice für präzise Kontrolle über die Funktionsausführung. Sie können externe APIs integrieren oder komplexe Datentransformationen durchführen. Das unzensierte Modell verarbeitet Tool-Definitionen zuverlässig ohne unnötige Ablehnungen. Sie können mehrere Tools in einer einzigen Anfrage definieren. Die API verarbeitet die Tool-Aufrufe und gibt die entsprechende Ausgabe zurück. Diese Fähigkeit macht den Dienst für fortgeschrittene Agent-Workflows geeignet. Sie können Function Calling mit jedem OpenAI-kompatiblen SDK testen.

JSON-Antworten formatieren

Setze response_format auf json_object, um das Modell dazu zu zwingen, gültiges JSON zurückzugeben. Dies gewährleistet eine konsistente Verarbeitung in deinem Anwendungscode. Du kannst diese Funktion für die Extraktion strukturierter Daten oder API-Antworten nutzen. Das Modell hält sich strikt an die JSON-Syntaxregeln. Dieses Format reduziert den Nachbearbeitungsaufwand in deinem Code. Du kannst die Ausgabe sofort bei Erhalt validieren. Die uncensored AI API unterstützt dieses Format ohne zusätzliche Gebühren. Fehler werden nicht berechnet, sodass du frei experimentieren kannst. Diese Funktion ist für eine zuverlässige Integration mit anderen Systemen unerlässlich.

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)