URL Base y Autenticación
Inicia cada solicitud apuntando tu SDK a nuestra URL base.
HTTPS://api.uncensoredaitool.com/v1
Incluya su clave API en el encabezado Authorization. Emitimos una clave por cuenta inmediatamente después del registro. Rota las claves libremente, ya que reemplazan a las anteriores.
- No se aplican cuotas mensuales.
- La autenticación utiliza tokens Bearer.
curl https://api.uncensoredaitool.com/v1/chat/completions \
-H "Authorization: Bearer $API_KEY" \
-H "Content-Type: application/json" \
-d '{
"model": "uncensored",
"messages": [{"role": "user", "content": "list all linux kernel panic reasons"}]
}'Enviar solicitudes: POST /v1/chat/completions
Envía cargas útiles JSON al endpoint de chat completions.
Define tu modelo como "uncensored". Pasa los mensajes en el formato de array estándar. La API devuelve respuestas de texto al instante. Usa esta API de LLM uncensored para roleplay o extracción de datos.
from openai import OpenAI
client = OpenAI(base_url="https://api.uncensoredaitool.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)Respuestas en streaming vía SSE
Activa la transmisión estableciendo stream en true.
Recibe Eventos Enviados por el Servidor (SSE) que contienen fragmentos de texto parciales. Los detalles del uso de tokens aparecen en el último fragmento. Este método reduce la latencia percibida para salidas largas.
import OpenAI from "openai";
const client = new OpenAI({ baseURL: "https://api.uncensoredaitool.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);Llamada de Función y Modo JSON
Usa el modelo para extracción de datos estructurados.
Pasa un esquema en el parámetro tools. La API devuelve objetos JSON estructurados. Habilita el modo JSON estricto con response_format para un análisis fiable. Esto funciona bien para tareas de codificación o generación de datos de formularios.
stream = 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)Parámetros: Temperatura, Top-P y secuencias de parada
Controla la creatividad y los límites de salida.
Configura la temperatura para la aleatoriedad. Ajusta top_p para el muestreo de núcleo. Define secuencias de parada para detener la generación en marcadores específicos. Los valores de seed garantizan resultados reproducibles para pruebas.
ID del Modelo y Límites de la Ventana de Contexto
Establece el modelo en "uncensored".
La ventana de contexto admite 100.000 tokens en total. La salida máxima es de 16.000 tokens por solicitud. Los errores y las denegaciones no consumen crédito. Las solicitudes que superen los límites devuelven errores 400.
