Snabbstart: Uncensored OpenAI-Compatible API

Installera OpenAI SDK

Installera standardbiblioteket för ditt föredragna språk för att hantera begäranden omedelbart.

Detta bibliotek tillhandahåller nödvändiga klienter för att kommunicera med vår OpenAI-kompatibla slutpunkt. Det hanterar autentiseringshuvuden och svarsparsning åt dig.

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

Inga särskilda drivrutiner krävs. SDK:n hanterar de underliggande HTTP-anslutningarna effektivt.

Konfigurera bas-URL och nyckel

Peka din klient mot vår specifika bas-URL och ställ in din API-nyckel för att kringgå standardgateway-begränsningar.

Använd https://api.openrouterapiratelimit.com/v1 som din bas-URL. Detta dirigerar trafik till våra direkta servrar istället för ett proxylager. Din API-nyckel autentiserar ditt förbetalt kreditkonto.

Vi stödjer standardhuvuden. Skicka din nyckel i Authorization header. Detta säkerställer att dina begäranden går rakt till den obegränsade modellen utan mellanhopp.

Skicka din första icke-censurerade förfrågan

Skicka en POST-förfrågan till /v1/chat/completions med modell-ID:t uncensored att generera text utan innehållsfilter.

Vår modell vägrar inte lagliga vuxen-, fiktiva eller kontroversiella ämnen. Den svarar direkt baserat 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."}]
  }'

Ersätt YOUR_API_KEY med din faktiska nyckel. Svaret returnerar den genererade texten i choices array. Detta bekräftar att modellen fungerar och är ofiltrerad.

Aktivera Strömning för Realtidsoutput

Ställ in stream: true för att ta emot tokens när de genereras, vilket minskar den upplevda latensen för långa svar.

Streaming gör att din applikation kan visa utdata progressivt. Detta är kritiskt för chattgränssnitt där användare förväntar sig omedelbar återkoppling.

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:n yieldar chunks när de anländer. Bearbeta varje chunk för att uppdatera ditt UI. Den sista chunken innehåller total token-användning för begäran.

Använd Verktyg och JSON-läge

Använd funktionsanrop eller strikt JSON-läge för strukturerad dataextraktion från din uncensored-modell.

Vårt API stöder standard OpenAI-verktygsdefinitioner. Definiera dina verktyg i begäran och låt modellen bestämma när den ska anropa dem. Alternativt använd response_format: {"type": "json_object"} för deterministisk JSON-utdata.

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);

Detta säkerställer att dina nedströmsystem får parserbar data. Modellen följer det schema du anger. Använd detta för pålitlig integration i dina pipelines.

Kontrollera tokenanvändning och gränser

Övervaka din användning mot vårt 100 000 tokens kontextfönster och gränsen på 300 begäranden per minut.

Ditt kontextfönster inkluderar både prompt- och kompletteringstoken. Max utmatning per begäran är 16 000 token. Om du inte anger max_tokens, det är 2 048 som standard.

Begränsningsgränserna är strikta men förutsägbara. Du får 8 parallella förfrågningar per nyckel. Fel som 401 (ogiltig nyckel) eller 402 (inget kredit) är gratis. 429-fel indikerar att du har nått begränsningsgränsen. Kontrollera svarshuvudena för återstående kvot.

Strömning

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)