Démarrage rapide : utiliser l'API Unzensiertes LLM

URL de base et authentification

L'API de unzensiertesllm.com s'aligne sur les standards établis pour simplifier l'intégration. Toutes les requêtes sont adressées à la Base URL https://api.unzensiertesllm.com/v1. Vous avez besoin d'une clé API que vous obtenez immédiatement après l'inscription sur la page « Obtenir une clé API ». Cette clé est transmise dans l'en-tête Authorization: Bearer <IHR_SCHLÜSSEL>. Si vous utilisez les SDK officiels, vous pouvez configurer la Base URL et la clé API simplement dans les variables d'environnement OPENAI_API_KEY et OPENAI_BASE_URL. Le modèle que vous appelez a l'ID uncensored. Il s'agit d'un modèle autonome, spécifiquement affiné, qui n'appartient pas aux grands fournisseurs connus comme GPT ou Claude.

Envoyer une première requête

Pour tester le fonctionnement, envoyez une simple requête de chat. L'interface attend un objet JSON avec le rôle user et un message. Le type de réponse est du texte. Une requête réussie renvoie une réponse au format standard. Si la clé API est invalide, vous obtenez une erreur 401. Si votre crédit est épuisé, l'API renvoie 402. Pour une première utilisation, vous bénéficiez de 0,50 $ de crédit d'essai gratuit, valable sept jours.

Kopierencurl https://api.unzensiertesllm.com/v1/chat/completions \
  -H "Authorization: Bearer $API_KEY" \
  -H "Content-Type: application/json" \
  -d '{
    "model": "uncensored",
    "messages": [{"role": "user", "content": "Write a blunt product review of a cheap VPN."}]
  }'

Utiliser le SDK Python

L'intégration dans les projets Python est directe via le paquet officiel openai. Comme l'API est compatible OpenAI, vous pouvez utiliser la syntaxe familière. Adaptez simplement la base_url et définissez la clé API. Le modèle uncensored traite les entrées sans les filtres de contenu habituels des autres fournisseurs, ce qui le rend idéal pour les contenus créatifs ou adultes. Veillez à maintenir la bibliothèque à jour pour garantir la compatibilité.

Kopierenfrom openai import OpenAI

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

Intégration SDK Node.js

Les développeurs travaillant avec JavaScript ou TypeScript peuvent utiliser le paquet NPM openai. Configurez l'instance client avec l'URL de base de notre infrastructure. Cela permet une connexion transparente aux applications web existantes ou aux services backend. La réponse est renvoyée sous forme de flux ou d'objet complet, selon la configuration. Le modèle uncensored prend également en charge les appels d'outils, facilitant l'utilisation dans des workflows complexes. Assurez-vous que votre environnement Node.js est récent pour profiter pleinement de toutes les fonctionnalités.

Kopierenimport OpenAI from "openai";

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

Activer le streaming (SSE)

Pour les applications en temps réel, le streaming des réponses est essentiel. Définissez le paramètre stream: true dans votre requête. L'API envoie alors des Server-Sent Events (SSE) contenant des chunks du texte généré. Cela améliore considérablement la latence perçue pour les utilisateurs finaux. Vous pouvez rendre le texte progressivement pendant que le modèle réfléchit encore. Cela est particulièrement utile pour les interfaces de chat nécessitant un retour immédiat sans attendre la génération complète.

Kopierenstream = 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)

Lister les modèles et les limites

Utilisez l'endpoint GET /v1/models pour interroger les modèles disponibles. Vous verrez le modèle uncensored avec ses détails. Attention aux limites de débit : 300 requêtes par minute sont autorisées par clé. Le corps de la requête ne doit pas dépasser 8 Mo. La fenêtre de contexte est de 100 000 tokens (prompt et réponse). En cas de dépassement, vous recevrez des codes d'erreur tels que 429. L'API ne propose ni embeddings ni génération d'images. Elle se concentre exclusivement sur le text-completion. Le crédit prépayé n'expire jamais, et vous pouvez recharger à partir de 10 $.