Uncensored LLM API-Dokumentation

Basis-URL und Authentifizierung

Richten Sie Ihren Client zunächst auf den spezifischen Endpunkt, um Standard-Inhaltsfilter zu umgehen. Verwenden Sie die Base-URL https://api.bestabliteratedmodel.com/v1 und übergeben Sie Ihren Schlüssel über den Standard- Authorization header. Sie können Ihren Schlüssel sofort über Google oder E-Mail auf der Anmeldeseite generieren, ohne Zahlungsdaten für die Testphase anzugeben.

Copycurl https://api.bestabliteratedmodel.com/v1/chat/completions \
  -H "Authorization: Bearer $API_KEY" \
  -H "Content-Type: application/json" \
  -d '{
    "model": "uncensored",
    "messages": [{"role": "user", "content": "Run the unit tests for the new authentication module"}]
  }'

Stellen Sie sicher, dass Ihr Header genau dem oben gezeigten Format entspricht. Das System validiert die Anmeldeinformationen, bevor es Tokens verarbeitet, also halten Sie Ihren Schlüssel sicher.

Erste Anfrage mit Python SDK

Integrieren Sie direkt über die offizierte OpenAI Python-Bibliothek, indem Sie die Basis-URL überschreiben. Dies ermöglicht es Ihnen, Prompts an das unzensierte Modell zu senden, ohne die bestehende Code-Struktur signifikant zu ändern. Die Modell-ID ist immer uncensored für alle Anfragen.

Copyfrom openai import OpenAI

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

Dieser Ansatz gewährleistet die Kompatibilität mit Standardparametern wie temperature und top_p. Sie können die Antwort sofort nach dem Erstellen der Client-Instanz testen.

Node.js-Integration

Verwenden Sie das Node.js OpenAI-Paket, um Textvervollständigungen an unseren uncensored Endpunkt zu senden. Legen Sie den baseURL Eigenschaft auf unsere API-Adresse, bevor Sie Aufrufe tätigen. Dies stellt sicher, dass Ihre Anwendung Anfragen korrekt leitet, ohne die Limits des Standardanbieters zu erreichen.

Copyimport OpenAI from "openai";

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

Verarbeiten Sie den Antwort-Stream oder das einzelne Objekt, je nach Bedarf. Das SDK übernimmt die Tokenisierung intern, sodass Sie sich auf die Prompt-Logik konzentrieren können, anstatt sich mit Infrastrukturdetails zu beschäftigen.

Streaming mit SSE

Aktivieren Sie die Echtzeit-Token-Generierung, indem Sie stream: true in Ihren Anfrage-Parametern. Die API gibt Server-Sent Events (SSE) zurück, wobei jedes Chunk Partial-Text enthält. Token-Nutzungsmetriken erscheinen im letzten Chunk des Streams.

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)

Verarbeiten Sie jedes Delta, wie es eintrifft, um Text sofort an Benutzer anzuzeigen. Dies reduziert die wahrgenommene Latenz erheblich im Vergleich zum Warten auf die vollständige Fertigstellung.

Function Calling und Tools

Definieren Sie Toolschemata in Ihrer Anfrage, um strukturierte Ausgaben des Modells zu ermöglichen. Die API unterstützt Standard-Funktionsdefinitionen mit Parametern und Beschreibungen. Das Modell gibt Tool-Aufrufe zurück, wenn dies basierend auf Ihren Eingabeaufforderungen angemessen ist.

Übergeben Sie die tools array mit Ihren gewünschten Funktionen. Die Antwort enthält ein tool_calls field if the model decides to invoke a tool.

JSON-Modus, Grenzen und Fehler

Erzwingen Sie strenge JSON-Ausgabe, indem Sie response_format zu {"type": "json_object". Dies gewährleistet ein zuverlässiges Parsing für automatisierte Workflows. Unser Context Window unterstützt insgesamt 100,000 Tokens, mit einem Maximaloutput von 16,000 Tokens.

Häufige Fehler umfassen 401 für ungültige Schlüssel, 402, wenn das vorausbezahlte Guthaben aufgebraucht ist, und 429 für Rate Limits (300 Anfragen/Minute). Anfragen für sexuelle Inhalte, die Minderjährige betreffen, werden immer abgelehnt.