مستندات API مدل زبانی بزرگ بدون سانسور

URL پایه و احراز هویت

ابتدا کلاینت خود را به نقطه پایانی خاص اشاره دهید تا از فیلترهای محتوای استاندارد عبور کنید. از URL پایه https://api.bestabliteratedmodel.com/v1 و کلید خود را از طریق استاندارد Authorization header. می‌توانید کلید خود را بلافاصله از طریق گوگل یا ایمیل در صفحه ثبت‌نام ایجاد کنید بدون ارائه جزئیات پرداخت برای آزمایش.

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"}]
  }'

اطمینان حاصل کنید که هدر شما دقیقاً مطابق با فرمت بالا باشد. سیستم اعتبارنامه‌ها را قبل از پردازش هر توکنی اعتبارسنجی می‌کند، بنابراین کلید خود را امن نگه دارید.

اولین درخواست با SDK Python

مستقیماً با استفاده از کتابخانه رسمی OpenAI Python با لغو URL پایه ادغام کنید. این به شما اجازه می‌دهد پرامپت‌ها را به مدل بدون سانسور ارسال کنید بدون اینکه ساختار کد موجود خود را به طور قابل توجهی تغییر دهید. شناسه مدل همیشه uncensored برای تمام درخواست‌ها.

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)

این رویکرد با پارامترهای استاندارد مانند temperature و top_p. می‌توانید پاسخ را بلافاصله پس از ایجاد نمونه کلاینت آزمایش کنید.

یکپارچه‌سازی Node.js

از پکیج OpenAI Node.js برای ارسال تکمیل‌های متنی به نقطه پایانی بدون سانسور ما استفاده کنید. تنظیم baseURL property به آدرس API ما قبل از انجام هرگونه فراخوانی. این تضمین می‌کند که برنامه شما درخواست‌ها را به درستی هدایت کند بدون برخورد با محدودیت‌های ارائه‌دهنده استاندارد.

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);

جریان پاسخ یا شیء تکی را بسته به نیاز مدیریت کنید. SDK توکن‌سازی را به‌صورت داخلی انجام می‌دهد، بنابراین شما بر منطق پرامپت تمرکز می‌کنید نه جزئیات زیرساخت.

استریم با SSE

با تنظیم stream: true در پارامترهای درخواست. API رویدادهای ارسال‌شده توسط سرور (SSE) را برمی‌گرداند که هر قطعه حاوی متن جزئی است. معیارهای مصرف توکن در قطعه نهایی جریان ظاهر می‌شوند.

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)

هر دلتا را همان‌طور که دریافت می‌شود پردازش کنید تا متن بلافاصله به کاربران نمایش داده شود. این کار تأخیر ادراک‌شده را به‌طور قابل‌توجهی در مقایسه با انتظار برای تکمیل کامل کاهش می‌دهد.

فراخوانی تابع و ابزارها

طرح‌های ابزار را در درخواست خود تعریف کنید تا خروجی ساختاریافته از مدل دریافت کنید. API از تعاریف استاندارد تابع با پارامترها و توضیحات پشتیبانی می‌کند. مدل بر اساس دستورالعمل‌های پرامپت شما در صورت نیاز، فراخوانی‌های ابزار را برمی‌گرداند.

Pass the tools آرایه شامل توابع مورد نظر خود. پاسخ شامل یک tool_calls field if the model decides to invoke a tool.

حالت JSON، محدودیت‌ها و خطاها

خروجی JSON سخت‌گیرانه را با تنظیم response_format به {"type": "json_object". این اطمینان حاصل می‌کند که تجزیه‌ی قابل اعتمادی برای پایپ‌لاین‌های خودکار وجود دارد. پنجره زمینه‌ی ما از 100,000 توکن در مجموع پشتیبانی می‌کند، با حداکثر خروجی 16,000 توکن.

خطاهای رایج شامل 401 برای کلیدهای نامعتبر، 402 زمانی که اعتبار پیش‌پرداخت تمام می‌شود و 429 برای محدودیت نرخ (300 درخواست/دقیقه) است. درخواست‌های محتوای جنسی مرتبط با کودکان همیشه رد می‌شوند.