Uncensored LLM APIドキュメント

ベースURLと認証

クライアントを標準的なコンテンツフィルタをバイパスするための専用エンドポイントに接続してください。ベースURLは https://api.bestabliteratedmodel.com/v1 標準的な Authorization ヘッダー。サインアップページでGoogleまたはメールを介してキーを即座に生成できます。トライアルのために支払い情報を提供する必要はありません。

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"}]
  }'

ヘッダーが上記の正確な形式と一致していることを確認してください。システムはトークンを処理する前に資格情報を検証するため、キーを安全に保ってください。

Python SDKを使用した最初のリクエスト

ベースURLを上書きして公式のOpenAI Pythonライブラリを使用して直接統合します。これにより、既存のコード構造を大幅に変更せずに、無制限モデルにプロンプトを送信できます。モデルIDは常に uncensored すべてのリクエストに対して。

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)

このアプローチは、以下のような標準パラメータとの互換性を維持します temperature および top_pクライアントインスタンスを作成した直後に、すぐにレスポンスをテストできます。

Node.js の統合

Node.js OpenAIパッケージを使用して、テキスト補完を uncensored エンドポイントに送信します。設定 baseURL プロパティを呼び出し前に API アドレスに設定します。これにより、アプリケーションが標準的なプロバイダーの制限に達することなく、リクエストを正しくルーティングすることが保証されます。

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);

必要に応じてレスポンスストリームまたは単一オブジェクトを処理します。SDKは内部でトークン化を処理するため、インフラストラクチャの詳細ではなくプロンプトロジックに集中できます。

SSEによるストリーミング

リアルタイムのトークン生成を有効にするには、 stream: true リクエストパラメータに指定します。APIは、各チャンクに部分的なテキストを含むServer-Sent Events (SSE)を返します。トークン使用メトリクスはストリームの最後のチャンクに表示されます。

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)

各デルタを到着時に処理して、ユーザーにテキストを即時表示します。これにより、完了を待つ場合と比較して、知覚されるレイテンシが大幅に削減されます。

関数呼び出しとツール

構造化された出力をモデルから得るために、リクエストにツールスキーマを定義します。APIはパラメータと説明を持つ標準的な関数定義をサポートしています。モデルはプロンプトの指示に基づいて適切な場合にツール呼び出しを返します。

渡す tools 目的の関数を含む配列。レスポンスには tool_calls モデルがツールを呼び出すと判断した場合のフィールド。

JSONモード、制限、およびエラー

設定して厳密なJSON出力を強制 response_format に {"type": "json_object"これにより自動化ワークフローでの信頼性の高いパースが保証されます。コンテキストウィンドウは合計100,000トークン、最大出力は16,000トークンをサポートしています。

よくあるエラーには、無効なキーによる401、プリペイドクレジット枯渇による402、レート制限による429（1分あたり300リクエスト）が含まれます。未成年者との性的コンテンツのリクエストは常に拒否されます。