URL Base e Autenticazione
Avvia ogni richiesta puntando il tuo SDK al nostro URL base.
HTTPS://api.uncensoredaitool.com/v1
Includi la tua chiave API nell'intestazione Authorization. Emettiamo una chiave per account immediatamente dopo la registrazione. Ruota le chiavi liberamente poiché sostituiscono quelle precedenti.
- Nessun canone mensile applicato.
- L'autenticazione utilizza token 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"}]
}'Invio di richieste: POST /v1/chat/completions
Invia payload JSON all'endpoint delle chat completions.
Definisci il tuo modello come "uncensored". Passa i messaggi nel formato standard di array. L'API restituisce risposte testuali istantaneamente. Usa questa API LLM uncensored per roleplay o estrazione di dati.
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)Risposte in streaming tramite SSE
Abilita lo streaming impostando stream su true.
Ricevi Server-Sent Events (SSE) contenenti chunk di testo parziali. I dettagli sull'utilizzo dei token appaiono nell'ultimo chunk. Questo metodo riduce la latenza percepita per output lunghi.
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);Function Calling e modalità JSON
Utilizza il modello per l'estrazione di dati strutturati.
Passa uno schema nel parametro tools. L'API restituisce oggetti JSON strutturati. Abilita la modalità JSON rigorosa con response_format per un'analisi affidabile. Questo funziona bene per attività di coding o generazione di dati di form.
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)Parametri: Temperatura, Top-P e sequenze di stop
Controlla la creatività e i limiti di output.
Imposta la temperatura per la casualità. Regola top_p per il campionamento del nucleo. Definisci le sequenze di stop per interrompere la generazione in corrispondenza di marcatori specifici. I valori di seed garantiscono risultati riproducibili per i test.
ID modello e limiti della finestra di contesto
Imposta il modello su "uncensored".
La finestra di contesto supporta un totale di 100.000 token. L'output massimo è di 16.000 token per richiesta. Errori e rifiuti non consumano credito. Le richieste che superano i limiti restituiscono errori 400.
