Documentation de l'API LLM sans restrictions pour les développeurs

Configuration de l'URL de base et de l'authentification

Utilisez l'URL de base pour toutes les requêtes. L'authentification nécessite une clé API envoyée dans l'en-tête. Inscrivez-vous via Google ou e-mail pour obtenir votre clé instantanément. La clé identifie votre compte pour la facturation de l'utilisation. Le crédit crypto prépayé finance vos requêtes. Les erreurs et les refus ne consomment pas de crédit.

[[]]

[[]]

Exemple POST /v1/chat/completions

Envoyez des messages au point de terminaison de chat. L'ID du modèle est "uncensored". Vous pouvez ajuster des paramètres comme temperature. La réponse contient le texte généré. Utilisez les SDK officiels pour une intégration plus facile. Modifiez l'URL de base pour pointer vers notre service. Les en-têtes doivent inclure votre clé API. Le corps de la requête définit l'historique de la conversation.

[[]]

[[]]

Réponses en streaming via SSE

Activez le streaming en définissant le paramètre stream. Vous recevez des chunks de texte au fur et à mesure de leur génération. Cela réduit la latence perçue pour les réponses longues. Analysez correctement le format Server-Sent Events. L'utilisation des tokens est signalée dans le dernier chunk. Cette méthode fonctionne bien pour les affichages en temps réel. Elle offre une expérience utilisateur globalement plus fluide.

[[]]

[[]]

Appel de fonctions et mode JSON

Définissez des outils que le modèle peut appeler. Le modèle renvoie des arguments structurés pour ces outils. Vous pouvez également imposer une sortie JSON stricte. Définissez le format de réponse sur json_object. Cela garantit un analyse prévisible pour votre application. Combinez les outils avec le streaming pour un comportement dynamique. Le modèle prend en charge les sorties structurées et conversationnelles.

[[]]

[[]]

Paramètres : température, top_p et stop

Maîtrisez l'aléatoire avec temperature et top_p. Des valeurs plus élevées rendent les réponses plus créatives. Des valeurs plus basses les rendent plus déterministes. Utilisez le paramètre stop pour arrêter la génération. Cela aide à contrôler la longueur et le format de la réponse. Les valeurs de seed permettent des résultats reproductibles. Les pénalités de présence et de fréquence ajustent la répétition des mots. Ajustez ces paramètres pour vous adapter à votre cas d'usage.

[[]]

[[]]

Limites, erreurs et fenêtre de contexte

La fenêtre de contexte prend en charge 100 000 tokens au total. Le débit maximum est de 16 000 tokens par requête. Les limites de débit permettent 300 requêtes par minute. Les requêtes simultanées sont limitées à huit par clé. Une erreur 401 indique une clé API invalide. Une erreur 402 signifie que vous n'avez pas de crédit. Une erreur 429 signale que vous êtes limité en débit. Les corps de requête ne doivent pas dépasser 8 Mo.

[[]]

[[]]

cURL

Copycurl https://api.uncensoredlocalllms.com/v1/chat/completions \
  -H "Authorization: Bearer $API_KEY" \
  -H "Content-Type: application/json" \
  -d '{
    "model": "uncensored",
    "messages": [{"role": "user", "content": "Calculate the area of a circle with radius 5"}]
  }'

Python

Copyfrom openai import OpenAI

client = OpenAI(base_url="https://api.uncensoredlocalllms.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)

Node.js

Copyimport OpenAI from "openai";

const client = new OpenAI({ baseURL: "https://api.uncensoredlocalllms.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);

Streaming

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)