Integrieren Sie die Uncensored LLM API

Authentifizierung und Basis-URL-Einrichtung

Ersetzen Sie zunächst die Standard-OpenAI-Base-URL durch unseren Endpunkt und geben Sie Ihren eindeutigen API-Schlüssel an. Sie erhalten diesen Schlüssel sofort nach der Anmeldung über Google oder E-Mail, und er bleibt die einzige Anmeldeinformation für alle Anfragen. Unsere API akzeptiert Standard-Header, sodass Sie Ihre bestehende Codebasis migrieren können, ohne die Authentifizierungslogik neu schreiben zu müssen.

Nutzen Sie die Authorization header mit dem Bearer Schema, um Ihren Schlüssel zu übergeben. Diese Methode funktioniert mit jeder Bibliothek, die OpenAI-kompatible Endpunkte unterstützt, sodass Sie die Konnektivität testen können, bevor Sie sich für die Nutzung entscheiden.

• Base URL: https://api.mistralaikey.com/v1
• Header: Authorization: Bearer YOUR_API_KEY

Ihre erste Chat-Vervollständigung senden

Senden Sie eine POST-Anfrage an /v1/chat/completions mit Ihrem Prompt und der Modell-ID uncensored. Dieser Endpunkt verarbeitet Texteingaben und gibt eine generierte Textantwort zurück und hält sich strikt an die OpenAI-Standards. Sie müssen keine Embedding- oder Bildgenerierungsparameter konfigurieren, da sich diese API ausschließlich auf Chat-Vervollständigungen konzentriert.

Stellen Sie sicher, dass Sie den model field to uncensored auf das uncensored Large Language Model zugreifen. Das System verarbeitet Ihre Eingabe und gibt eine Vervollständigung zurück, sodass Sie überprüfen können, ob Ihr Schlüssel funktioniert und das Modell korrekt auf Ihre Abfragen reagiert.

Copycurl https://api.mistralaikey.com/v1/chat/completions \
  -H "Authorization: Bearer $API_KEY" \
  -H "Content-Type: application/json" \
  -d '{
    "model": "uncensored",
    "messages": [{"role": "user", "content": "Summit the code for the login function"}]
  }'

Aktivieren von Streaming und Tools

Aktivieren Sie das Streaming, indem Sie den stream Parameter auf true setzen, was Token-für-Token-Aktualisierungen über Server-Sent Events (SSE) zurückgibt. Dieser Ansatz reduziert die wahrgenommene Latenz und ermöglicht es Ihnen, teilweise Ergebnisse während der Generierung anzuzeigen. Sie können auch Function Calling integrieren, indem Sie Tools in Ihrer Anfrage definieren, wodurch das Modell spezifische Aktionen ausführen oder Daten dynamisch abrufen kann.

Streaming bietet Echtzeit-Feedback, was für interaktive Anwendungen entscheidend ist. Der letzte Chunk des Streams enthält Token-Nutzungsstatistiken, was Ihnen hilft, Kosten genau zu verfolgen. Tool-Definitionen folgen dem Standard OpenAI-Format, was die Integration für Entwickler, die mit Function Calling vertraut sind, einfach macht.

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)

Verarbeitung von JSON-Modus-Antworten

Erzwingen Sie strukturierte Ausgabe, indem Sie response_format zu {"type": "json_object"}. Dies stellt sicher, dass das Modell gültiges JSON zurückgibt, was das Parsen in Ihrem Anwendungscode vereinfacht. Sie können dies mit Tool-Definitionen oder strikten Prompt-Anweisungen kombinieren, um die Datenintegrität aufrechtzuerhalten.

Der JSON-Modus ist für Programme unerlässlich, die strukturierte Daten zuverlässig konsumieren müssen. Durch die Erzwingung dieses Formats vermeiden Sie Parsing-Fehler und gewährleisten konsistente Antworten. Diese Funktion arbeitet mit anderen Parametern wie temperature und top_p, sodass Sie Kreativität mit Struktur ausbalancieren können.

Copyfrom openai import OpenAI

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

Token-Limits und Nutzung verstehen

Das Modell unterstützt einen Kontextfenster von 100.000 Tokens, das sowohl die Eingabe als auch die Ausgabe umfasst. Diese großzügige Grenze ermöglicht es Ihnen, große Dokumente zu verarbeiten oder lange Gesprächsverläufe ohne Kürzung beizubehalten. Die maximale Ausgabe pro Anfrage ist jedoch auf 16.000 Tokens begrenzt, bzw. 2.048 Tokens, wenn Sie nichts angeben max_tokens.

Verfolgen Sie Ihre Nutzung über die Token-Anzahlen, die in der Antwort zurückgegeben werden. Jede Anfrage verbraucht Eingabe- und Ausgabetokens, abgerechnet mit $0,15 pro Million Eingabetokens und $0,50 pro Million Ausgabetokens. Fehler und Ablehnungen verursachen keine Gebühren, sodass Sie nur für erfolgreiche Abschlüsse zahlen.

Copyimport OpenAI from "openai";

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

Limits, Fehler und Zuverlässigkeit

Sie sind auf 300 Anfragen pro Minute und 8 gleichzeitige Anfragen pro Schlüssel begrenzt. Wenn Sie diese Grenzen überschreiten, erhalten Sie einen 429-Fehler „Too Many Requests“. Authentifizierungsfehler geben einen 401-Status „Unauthorized“ zurück, während unzureichendes Guthaben eine 402-Antwort „Payment Required“ auslöst.

Diese Limits gewährleisten eine stabile Leistung für alle Benutzer. Wenn Sie einen 401-Fehler erhalten, überprüfen Sie Ihren API-Schlüssel und stellen Sie sicher, dass er nicht ersetzt wurde. Ein 402-Fehler zeigt an, dass Ihr Prepaid-Guthaben aufgebraucht ist und Sie es über Krypto auffüllen müssen. Anfragekörper sind auf 8 MB begrenzt, daher sollten große Payloads komprimiert oder entsprechend aufgeteilt werden.