Intégrez l'API LLM Uncensored

Authentification et configuration de l'URL de base

Commencez par remplacer l'URL de base OpenAI standard par notre endpoint et fournissez votre clé API unique. Vous recevez cette clé immédiatement après vous être inscrit via Google ou e-mail, et elle reste l'unique identifiant pour toutes les requêtes. Notre API accepte les en-têtes standard, vous pouvez donc migrer votre base de code existante sans réécrire la logique d'authentification.

Utilisez le Authorization header avec le Bearer schéma pour transmettre votre clé. Cette méthode fonctionne avec n'importe quelle bibliothèque prenant en charge les points de terminaison compatibles OpenAI, vous permettant de tester la connectivité avant de vous engager dans l'utilisation.

• URL de base : https://api.mistralaikey.com/v1
• En-tête : Authorization: Bearer YOUR_API_KEY

Envoi de votre première complétion de chat

Envoyez une requête POST à /v1/chat/completions avec votre invite et l'identifiant du modèle uncensored. Ce point de terminaison traite l’entrée textuelle et renvoie une réponse textuelle générée, en adhérant strictement aux normes OpenAI. Vous n’avez pas besoin de configurer les paramètres d’embedding ou de génération d’images, car cette API se concentre uniquement sur les complétions de chat.

Assurez-vous de définir le model field to uncensored pour accéder au modèle de langage large non censoré. Le système traite votre entrée et retourne une complétion, vous permettant de vérifier que votre clé fonctionne et que le modèle répond correctement à vos requêtes.

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"}]
  }'

Activation du streaming et des outils

Activez le streaming en définissant le stream parameter à true, qui retourne des mises à jour jeton par jeton via Server-Sent Events (SSE). Cette approche réduit la latence perçue et vous permet d'afficher les résultats partiels au fur et à mesure de leur génération. Vous pouvez également intégrer l'appel de fonctions en définissant des outils dans votre requête, permettant au modèle d'exécuter des actions spécifiques ou de récupérer des données dynamiquement.

Le streaming fournit un retour en temps réel, ce qui est crucial pour les applications interactives. Le dernier chunk du flux inclut les statistiques d'utilisation des tokens, vous aidant à suivre les coûts avec précision. Les définitions d'outils suivent le format standard OpenAI, rendant l'intégration simple pour les développeurs familiers avec l'appel de fonctions.

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)

Gestion des réponses en mode JSON

Forcez une sortie structurée en définissant response_format à {"type": "json_object"}. Cela garantit que le modèle renvoie du JSON, ce qui simplifie l'analyse dans le code de votre application. Vous pouvez combiner ceci avec des définitions d'outils ou des instructions d'invite strictes pour maintenir l'intégrité des données.

Le mode JSON est essentiel pour les programmes qui doivent consommer des données structurées de manière fiable. En imposant ce format, vous évitez les erreurs d'analyse et garantissez des réponses cohérentes. Cette fonctionnalité fonctionne avec d'autres paramètres comme temperature et top_p, vous permettant d'équilibrer créativité et structure.

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)

Comprendre les limites et l'utilisation des tokens

Le modèle prend en charge une fenêtre de contexte de 100 000 tokens, englobant à la fois le prompt et la complétion. Cette limite généreuse vous permet de traiter de grands documents ou de maintenir de longs historiques de conversation sans troncature. Cependant, la sortie maximale par requête est plafonnée à 16 000 tokens, ou 2 048 tokens si vous ne spécifiez pas max_tokens.

Suivez votre utilisation via les comptes de jetons renvoyés dans la réponse. Chaque requête consomme des jetons d'entrée et de sortie, facturés à $0.15 par million de jetons d'entrée et $0.50 par million de jetons de sortie. Les erreurs et les refus n'entraînent pas de frais, garantissant que vous ne payez que pour les complétions réussies.

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);

Limites, erreurs et fiabilité

Vous êtes limité à 300 requêtes par minute et à 8 requêtes simultanées par clé. Si vous dépassez ces limites, vous recevrez une erreur 429 Too Many Requests. Les échecs d'authentification renvoient un statut 401 Unauthorized, tandis qu'un crédit insuffisant déclenche une réponse 402 Payment Required.

Ces limites garantissent des performances stables pour tous les utilisateurs. Si vous rencontrez une erreur 401, vérifiez votre clé API et assurez-vous qu'elle n'a pas été remplacée. Une erreur 402 indique que votre crédit prépayé est épuisé et que vous devez recharger via crypto. Les corps de requête sont limités à 8 Mo, donc les charges utiles volumineuses doivent être compressées ou divisées de manière appropriée.