Hurtig start: Uncensored OpenAI-kompatibel API

Installer OpenAI SDK

Installer standardbiblioteket til dit foretrukne sprog for at håndtere anmodninger med det samme.

Denne bibliotek giver de nødvendige klienter til at kommunikere med vores OpenAI-kompatible endpoint. Det håndterer autentifikationshoveder og responsparsning for dig.

• Python: pip install openai
• Node.js: npm install openai

Ingen specielle drivere kræves. SDK'et håndterer de underliggende HTTP-forbindelser effektivt.

Konfigurer Base URL og Key

Peg din klient mod vores specifikke base URL og indstil din API-nøgle for at omgå standard gateway-begrænsninger.

Brug https://api.openrouterapiratelimit.com/v1 som din base URL. Dette omdirigerer trafikken til vores direkte servere i stedet for et proxy-lag. Din API-nøgle autentificerer din forudbetalt kreditkonto.

Vi understøtter standardheaders. Indtast din nøgle i den Authorization header. Dette sikrer, at dine anmodninger går direkte til den uncensored model uden mellemliggende spring.

Send din første ubegrænsede forespørgsel

Send en POST-forespørgsel til /v1/chat/completions med model-ID uncensored til at generere tekst uden indholdsfiltre.

Vores model nægter ikke lovligt voksen-, fiktivt eller kontroversielt indhold. Den svarer direkte baseret på din prompt.

Copycurl https://api.openrouterapiratelimit.com/v1/chat/completions \
  -H "Authorization: Bearer $API_KEY" \
  -H "Content-Type: application/json" \
  -d '{
    "model": "uncensored",
    "messages": [{"role": "user", "content": "Send a test message to verify endpoint availability."}]
  }'

Erstat YOUR_API_KEY med din faktiske nøgle. Svaret returnerer den genererede tekst i choices array. Dette bekræfter, at modellen fungerer og er uncensoreret.

Aktiver streaming til real-time output

Indstil stream: true for at modtage tokens, mens de genereres, hvilket reducerer den opfattede latens for lange svar.

Streaming giver din applikation mulighed for at vise output progressivt. Dette er kritisk for chatgrænseflader, hvor brugere forventer øjeblikkelig feedback.

Copyfrom openai import OpenAI

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

SDK'en yield chunks, når de ankommer. Behandel hver chunk for at opdatere dit UI. Den sidste chunk indeholder det samlede token-brug for requestet.

Brug Værktøjer og JSON-tilstand

Udnyt funktionkald eller streng JSON-tilstand til struktureret dataudtrækning fra din uncensored-model.

Vores API understøtter standard OpenAI-værktøjsdefinitioner. Definer dine værktøjer i anmodningen, og lad modellen afgøre, hvornår den skal kalde dem. Alternativt kan du bruge response_format: {"type": "json_object"} til deterministisk JSON-output.

Copyimport OpenAI from "openai";

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

Dette sikrer, at dine downstream-systemer modtager parserbare data. Modellen overholder den schema, du angiver. Brug dette til pålidelig integration i dine pipelines.

Tjek token-brug og grænser

Overvåg dit forbrug mod vores kontekstvindue på 100.000 tokens og grænsen på 300 anmodninger per minut.

Din kontekstvindu-grænse inkluderer både prompt- og completion-tokens. Max output pr. anmodning er 16.000 tokens. Hvis du ikke indstiller max_tokens, det standardindstilles til 2.048.

Ratebegrænsninger er strenge, men forudsigelige. Du får 8 samtidige anmodninger per nøgle. Fejl som 401 (ugyldig nøgle) eller 402 (ingen kredit) er gratis. 429-fejl indikerer, at du har ramt ratebegrænsningen. Tjek responsheaderne for resterende kvota.

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)