Cara Menggunakan LLM Tanpa Sensor dengan Kunci API Claude

Mengapa mengganti titik akhir kunci API claude?

Mengganti endpoint menghapus pembatasan konten yang membatasi kebebasan kreatif atau nuansa teknis. Model Claude sering menolak membahas tema dewasa, peristiwa sejarah kontroversial, atau detail medis tertentu bahkan ketika topik-topik tersebut sah. Dengan mengalihkan panggilan API Anda ke penyedia uncensored, Anda mempertahankan akses penuh ke kemampuan penalaran model tanpa lapisan keamanan yang memfilter input Anda. Pendekatan ini ideal untuk pengembang yang membutuhkan output mentah untuk pemrosesan data, penulisan kreatif, atau aplikasi roleplay.

Peralihannya hanya memerlukan perubahan URL dasar dan kunci API. Kunci API Claude Anda yang ada mungkin tidak berfungsi langsung jika penyedia uncensored menggunakan format kunci yang berbeda, tetapi pola integrasi tetap identik. Anda mendapatkan akses ke model yang mengutamakan generasi jawaban daripada moderasi konten, memastikan bahwa aplikasi Anda menerima seluruh basis pengetahuan model.

Memahami antarmuka OpenAI-compatible

Antarmuka menggunakan titik akhir yang kompatibel dengan OpenAI standar untuk memastikan dukungan SDK yang luas. API kami melayani permintaan pada https://api.mistralaikey.com/v1 menggunakan struktur yang sama dengan penyedia utama. Artinya, Anda dapat menggunakan pustaka seperti OpenAI Python SDK, LangChain, atau LlamaIndex tanpa menulis ulang logika inti Anda. Titik akhir mendukung POST /v1/chat/completions untuk generasi teks dan GET /v1/models untuk mencantumkan model yang tersedia.

Dengan mematuhi standar ini, kami memastikan bahwa kode Anda tetap portabel. Anda dapat beralih di antara berbagai model atau penyedia dengan mengubah satu variabel konfigurasi. Fleksibilitas ini sangat penting untuk menguji berbagai model uncensored atau menskalakan aplikasi Anda tanpa melakukan refaktor mendalam.

Mengonfigurasi SDK Anda untuk respons uncensored

Mengonfigurasi SDK Anda melibatkan pembaruan URL dasar dan kunci API dalam variabel lingkungan Anda. Untuk SDK Python OpenAI, Anda mengatur base_url ke endpoint kami dan api_key ke kunci uncensored Anda. Perubahan sederhana ini mengalihkan semua permintaan penyelesaian chat ke server kami. ID model ditetapkan ke uncensored, yang memicu model open-weight yang disesuaikan untuk respons tanpa batasan.

Berikut cara Anda menginisialisasi klien di Python:

Konfigurasi ini memastikan setiap permintaan dialihkan dengan benar. Anda dapat memverifikasi koneksi dengan mengirim permintaan uji sederhana. Jika Anda menerima respons tanpa filter konten, konfigurasi Anda berhasil. Metode ini berfungsi untuk klien kompatibel OpenAI apa pun, sehingga mudah diintegrasikan ke dalam proyek yang ada seperti SillyTavern atau Aider.

Menangani pengaturan suhu dan top_p

Menyesuaikan temperatur dan top_p memungkinkan Anda mengontrol kreativitas dan keacakan output. Temperatur yang lebih tinggi meningkatkan variasi respons, yang berguna untuk penulisan kreatif atau brainstorming. Temperatur yang lebih rendah menghasilkan jawaban yang lebih deterministik dan terfokus, ideal untuk pemrograman atau pertanyaan faktual. Model uncensored mendukung semua parameter standar, termasuk top_p, stop, seed, dan penalti.

API kami mendukung jendela konteks sebesar 100.000 token, memberi Anda ruang yang cukup untuk percakapan panjang atau analisis dokumen. Output maksimum per permintaan adalah 16.000 token, yang cukup untuk sebagian besar kasus penggunaan. Jika Anda tidak menentukan max_tokens, nilai defaultnya adalah 2.048 token. Fleksibilitas ini memastikan bahwa Anda dapat menyesuaikan perilaku model agar sesuai dengan kebutuhan aplikasi spesifik Anda tanpa kehilangan sifat uncensored dari respons.

Pemantauan penggunaan token dalam mode uncensored

Pemantauan penggunaan token sangat mudah dengan model harga transparan kami. Anda membayar $0.15 per 1 juta token input dan $0.50 per 1 juta token output. Harga ini didasarkan pada penggunaan aktual, tanpa biaya tersembunyi atau biaya langganan. Kesalahan dan penolakan bersifat gratis, jadi Anda hanya membayar untuk respons yang berhasil. Struktur ini hemat biaya untuk aplikasi volume tinggi di mana penyaringan konten mungkin memicu biaya yang tidak perlu.

Anda dapat melacak penggunaan Anda melalui dasbor atau dengan memeriksa header respons. Setiap respons mencakup jumlah token, memungkinkan Anda menghitung biaya secara akurat. Kredit prabayar dibebankan berdasarkan penggunaan token nyata, dan tidak pernah kedaluwarsa. Ini berarti Anda dapat mengisi ulang dengan kripto dan menggunakan kredit tersebut seiring waktu tanpa khawatir tentang perpanjangan bulanan. Untuk proyek kecil, kredit uji coba sebesar $0.50 tersedia untuk akun baru, valid selama 7 hari.

Pemanggilan fungsi dengan model tanpa sensor

Pemanggilan fungsi memungkinkan model menghasilkan data terstruktur untuk aplikasi Anda. API kami mendukung definisi alat, memungkinkan model menghasilkan JSON yang sesuai dengan skema Anda. Fitur ini sangat penting untuk membangun agen yang berinteraksi dengan sistem eksternal atau basis data. Model uncensored menangani pemanggilan fungsi sama baiknya dengan model standar, memastikan logika Anda tetap utuh.

Saat menggunakan function calling, tentukan alat dalam body permintaan. Model akan mengembalikan respons dengan panggilan alat yang sesuai jika diperlukan. Kemampuan ini tersedia bersama streaming dan mode JSON, menyediakan seperangkat alat komprehensif untuk pengembang. Anda dapat mengintegrasikannya ke dalam alur kerja Anda untuk mengotomatisasi tugas, mengekstrak data, atau mengendalikan perangkat keras berdasarkan input bahasa alami.

Jebakan integrasi umum

Jebakan umum termasuk URL dasar yang salah dan kunci API yang hilang. Pastikan URL dasar Anda berakhir dengan /v1 untuk mencocokkan struktur endpoint. Selain itu, verifikasi bahwa kunci API Anda diformat dengan benar dan aktif. Masalah umum lainnya adalah mengasumsikan bahwa model uncensored mendukung semua fitur model premium, seperti pembuatan gambar atau embedding. API kami berfokus pada pembuatan teks, jadi periksa dokumentasi untuk ketersediaan fitur spesifik.

Batas laju ditetapkan pada 300 permintaan per menit dan 8 permintaan simultan per kunci. Jika Anda melampaui batas ini, Anda mungkin menerima kesalahan 429. Untuk menghindarinya, terapkan backoff eksponensial dalam kode klien Anda. Selain itu, ingat bahwa kredit percobaan kedaluwarsa setelah 7 hari, jadi rencanakan pengujian Anda sesuai. Batas-batas ini memastikan penggunaan yang adil sambil mempertahankan kinerja tinggi untuk semua pengguna.

Beralih kembali ke model standar

Beralih kembali ke model standar semudah mengubah URL dasar dan ID model. Jika Anda perlu membandingkan output atau menggunakan model dengan fitur tertentu, Anda dapat mengembalikan konfigurasi Anda. Fleksibilitas ini memungkinkan Anda menggunakan model uncensored untuk tugas kreatif dan model standar untuk fitur siap produksi. Antarmuka yang kompatibel dengan OpenAI membuat pengalihan ini mulus, memerlukan perubahan kode hanya pada variabel konfigurasi.

Anda juga dapat menjalankan kedua model secara paralel untuk pengujian A/B. Pendekatan ini membantu Anda mengevaluasi kualitas respons uncensored dibandingkan dengan respons standar. Dengan mempertahankan arsitektur modular, Anda dapat dengan mudah beralih antara penyedia atau model yang berbeda. Strategi ini memastikan bahwa aplikasi Anda tetap kuat dan adaptif terhadap persyaratan atau pembaruan model yang berubah.