API-Referenz: Chat-Vervollständigungen

Basis-URL und Authentifizierung

Verwenden Sie die angegebene Basis-URL, um Anfragen an unser unzensiertes LLM zu leiten. Fügen Sie Ihren API-Schlüssel in den Authorization header für jede Anfrage. Dies stellt sicher, dass Ihre Aufrufe authentifiziert und korrekt Ihrem bezahlten Guthaben in Rechnung gestellt werden. Sie können einen Schlüssel sofort über Google oder E-Mail auf der Anmeldeseite generieren.

Copycurl https://api.abliteratedllmonline.com/v1/chat/completions \
  -H "Authorization: Bearer $API_KEY" \
  -H "Content-Type: application/json" \
  -d '{
    "model": "uncensored",
    "messages": [{"role": "user", "content": "List the python dependencies for this flask app"}]
  }'

Der Endpunkt akzeptiert Standard-JSON-Payloads. Wenn Sie einen Drittanbieter-Client verwenden, aktualisieren Sie die Basis-URL, um hierher zu verweisen. Ihr API-Key fungiert als einziges Anmeldemerkmal für Ihr Konto.

Chat-Vervollständigungs-Endpunkt

Senden Sie Nachrichten an den POST /v1/chat/completions Endpunkt zur Textgenerierung. Die Modell-ID ist immer uncensored. Dieser Endpunkt verarbeitet Texteingaben und gibt Textausgaben ohne zusätzliche Modalitäten zurück. Er ist für Roleplay-, Schreib- oder Coding-Aufgaben konzipiert, die keine Ablehnungen erfordern.

Copyfrom openai import OpenAI

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

Konfigurieren Sie Ihre Client-Bibliothek mit der korrekten Base-URL. Das SDK übernimmt die JSON-Serialisierung für Sie. Sie können Antworten streamen oder auf die vollständige Vervollständigung warten. Das Modell läuft auf unseren Servern, sodass Sie keine lokalen GPU-Ressourcen benötigen.

Streaming-Antworten und Token-Nutzung

Aktivieren Sie Streaming, indem Sie stream: true in Ihrer Anfrage. Die API gibt Chunks über Server-Sent Events zurück. Der letzte Chunk enthält die Statistiken zur gesamten Token-Nutzung. Dies ermöglicht es Ihnen, die Kosten in Echtzeit zu verfolgen, ohne zusätzliche API-Aufrufe. Streaming ist ideal für interaktive Anwendungen, bei denen Latenz wichtig ist.

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)

Analysieren Sie den Stream, um Tokens in Echtzeit anzuzeigen. Der letzte Chunk enthält die usage Objekt. Sie können diese Zahlen für Ihre eigene Abrechnungs-Dashboard ansammeln. Fehler während des Streamings werden gracefully behandelt.

Function Calling und JSON-Modus

Nutzen Sie die tools Parameter für Function-Calling. Das Modell unterstützt strukturierte Ausgaben über response_format gesetzt auf json_object. Dies gewährleistet ein konsistentes Parsing für Ihre Backend-Logik. Sie können komplexe Schemas für Ihre Anwendung definieren.

Copyimport OpenAI from "openai";

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

Definieren Sie Ihre Funktionen im Anfragekörper. Das Modell ruft sie auf oder gibt JSON-Daten zurück. Dieses Feature funktioniert mit dem unzensierten Modell genauso wie bei Standard-OpenAI-APIs. Sie können Tools und den JSON-Modus nach Bedarf mischen.

Ratenbegrenzungen und Fehlercodes

Die API erzwingt strenge Limits, um die Stabilität zu gewährleisten. Sie können 300 Anfragen pro Minute und 8 gleichzeitige Anfragen pro Schlüssel stellen. Der Request-Body darf 8 MB nicht überschreiten. Fehler geben standardmäßige HTTP-Statuscodes zurück. Ein 401-Fehler bedeutet, dass Ihr Schlüssel ungültig ist. Ein 402-Fehler zeigt unzureichendes Guthaben an. Ein 429-Fehler signalisiert, dass Sie das Rate-Limit erreicht haben.

Modellparameter und Kontextfenster

Das Context-Window unterstützt 100.000 Tokens für Prompt und Completion zusammen. Sie können temperature, top_p, und seed für Kontrolle. Maximaler Output sind 16.000 Tokens pro Anfrage. Diese Parameter ermöglichen eine Feinabstimmung von Kreativität und Determinismus. Passen Sie die Einstellungen basierend auf Ihrem Anwendungsfall an.

Copycurl https://api.abliteratedllmonline.com/v1/chat/completions \
  -H "Authorization: Bearer $API_KEY" \
  -H "Content-Type: application/json" \
  -d '{
    "model": "uncensored",
    "messages": [{"role": "user", "content": "List the python dependencies for this flask app"}]
  }'

Übergeben Sie diese Parameter im JSON-Body. Das Modell antwortet entsprechend Ihren Einstellungen. Verwenden seed für reproduzierbare Ergebnisse. Das unzensierte Modell berücksichtigt diese Einschränkungen genauso wie jedes andere LLM.

Kostenberechnung und Token-Anzahlen

Zahle nur für das, was du nutzt. Der Satz beträgt $0,15 pro 1M Eingabetokens und $0,50 pro 1M Ausgabetokens. Fehler und Ablehnungen sind kostenlos. Dein Guthaben im Voraus verfällt nie. Du kannst jederzeit mit Krypto aufladen. Die API gibt Token-Anzahlen in jeder Antwort zurück. Verfolge deine Nutzung über den usage Objekt.

Copycurl https://api.abliteratedllmonline.com/v1/chat/completions \
  -H "Authorization: Bearer $API_KEY" \
  -H "Content-Type: application/json" \
  -d '{
    "model": "uncensored",
    "messages": [{"role": "user", "content": "List the python dependencies for this flask app"}]
  }'

Überwachen Sie Ihr Guthaben im Dashboard. Das Guthaben wird nach jeder Anfrage belastet. Keine monatlichen Gebühren oder Abonnements. Sie können mit einer kostenlosen Testversion starten. Nutzen Sie die API sicher ohne versteckte Kosten.