URL Base e Autenticação
Inicie cada solicitação apontando seu SDK para nossa URL base.
HTTPS://api.uncensoredaitool.com/v1
Inclua sua chave de API no cabeçalho Authorization. Emitimos uma chave por conta imediatamente após o cadastro. Rotacione as chaves livremente, pois elas substituem as anteriores.
- Sem mensalidades aplicadas.
- A autenticação usa 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"}]
}'Enviando Solicitações: POST /v1/chat/completions
Envie payloads JSON para o endpoint de conclusões de chat.
Defina seu modelo como "uncensored". Passe mensagens no formato de array padrão. A API retorna respostas de texto instantaneamente. Use esta API de LLM uncensored para roleplay ou extração de dados.
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)Respostas em Streaming via SSE
Ative o streaming definindo stream como true.
Receba Server-Sent Events (SSE) contendo pedaços parciais de texto. Os detalhes de uso de tokens aparecem no último pedaço. Este método reduz a latência percebida para saídas longas.
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);Chamada de Função e Modo JSON
Use o modelo para extração de dados estruturados.
Passe um esquema no parâmetro tools. A API retorna objetos JSON estruturados. Ative o modo JSON estrito com response_format para análise confiável. Isso funciona bem para tarefas de codificação ou geração de dados de formulários.
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)Parâmetros: Temperatura, Top-P e Sequências de Parada
Controle a criatividade e os limites de saída.
Defina a temperatura para aleatoriedade. Ajuste o top_p para amostragem de núcleo. Defina sequências de parada para interromper a geração em marcadores específicos. Valores de seed garantem resultados reproduzíveis para testes.
ID do Modelo e Limites da Janela de Contexto
Defina o modelo para "uncensored".
A janela de contexto suporta 100.000 tokens no total. A saída máxima é de 16.000 tokens por solicitação. Erros e recusas não consomem crédito. Solicitações que excedam os limites retornam erros 400.
