Schnellstart: uncensored LLM-API

Voraussetzungen: SDK- und API-Schlüssel-Einrichtung

Die Basis-URL für unseren gehosteten Dienst ist https://api.priceclaude.com/v1. Die Authentifizierung erfordert einen gültigen API-Schlüssel, der im Authorization header. Sie generieren diesen Schlüssel sofort nach der Anmeldung mit Google oder E-Mail auf der API-Schlüssel erhalten Seite. Für die Anmeldung ist keine Telefonnummer erforderlich.

Unsere API ist OpenAI-kompatibel. Sie können jedes SDK nutzen, das den Standard unterstützt openai Paketstruktur. Übergeben Sie Ihren Key als api_key Parameter. Ändern Sie den base_url auf unseren Endpunkt zeigen. Dies ermöglicht es Ihnen, unser Uncensored-Modell einzufügen, ohne Ihre Integrationslogik neu zu schreiben.

Ihre erste Chat-Antwort-Anfrage erstellen

Senden Sie eine POST-Anfrage an /v1/chat/completions mit Ihren System- und Benutzernachrichten. Die Modell-ID ist streng uncensored. Es ist kein Modell eines anderen Anbieters. Es ist ein Open-Weight-Modell, das für direkte Antworten ohne Inhaltsablehnungen für legale Erwachseneninhalte optimiert wurde. Sie können Parameter wie temperature und top_p die Kreativität zu steuern.

Eingabetokens kosten $0,15 pro Million. Ausgabetokens kosten $0,50 pro Million. Fehler und Ablehnungen verbrauchen keine Tokens. Sie können überprüfen, ob Ihre Anfrage funktioniert, indem Sie eine einfache Testnachricht senden. Die Antwort enthält den generierten Text in der content Feld.

Streaming-Antworten (SSE) handhaben

Festlegen stream auf true in Ihrer Anfrage, um Server-Sent Events zu erhalten. Dies ermöglicht es Ihnen, Token zu verarbeiten, während sie generiert werden. Streaming reduziert die wahrgenommene Latenz für große Antworten. Der letzte Chunk enthält die gesamten Token-Nutzungsstatistiken. Dies hilft Ihnen, die Kosten in Echtzeit zu verfolgen.

Puffert die eingehenden Chunks und verkettet sie. Stellt sicher, dass das Ende-des-Streams-Ereignis korrekt verarbeitet wird. Dieser Ansatz ist für Chat-Schnittstellen unerlässlich. Er bietet im Vergleich zum Warten auf die vollständige Antwort ein flüssigeres Nutzererlebnis.

Die Verwendung von Tools und dem JSON-Modus

Definieren Sie Funktionsschemata in der tools Parameter. Das Modell kann diese Funktionen aufrufen, wenn angewiesen. Verwenden Sie tool_choice eine bestimmte Funktion zu erzwingen. Dies ermöglicht komplexe Workflows. Der JSON-Modus ist verfügbar über response_format: {type: "json_object"}. Dies gewährleistet eine strukturierte Ausgabe für ein zuverlässiges Parsing. Verwenden Sie dies für Datenextraktionsaufgaben.

Token-Nutzung und Limits verstehen

Das Context-Window beträgt 100.000 Tokens zusammen. Dies umfasst sowohl den Prompt als auch die Antwort. Die maximale Ausgabe pro Anfrage beträgt 16.000 Tokens. Wenn Sie nicht festlegen max_tokens, beträgt es standardmäßig 2.048. Die Größe des Anforderungstextes ist auf 8 MB begrenzt. Sie können 300 Anfragen pro Minute stellen. Die Parallelität ist auf 8 gleichzeitige Anfragen pro Schlüssel begrenzt. Das Überschreiten dieser Limits führt zu einem 429-Fehler.

Fehlerbehandlung und Retry-Logik

Behandeln Sie HTTP 401 durch Überprüfung Ihres API-Schlüssels. Ein 402-Fehler bedeutet, dass Ihr vorausbezahltes Guthaben erschöpft ist. Nachladen per Krypto, um fortzufahren. Verwenden Sie eine exponentielle Backoff-Strategie für 429-Ratenbegrenzungsfehler. Die Wiederholungslogik sollte die Retry-After header falls vorhanden. Fehler belasten nicht das Guthaben. Dies schützt Ihr Guthaben bei Netzwerkproblemen.

cURL

Copycurl https://api.priceclaude.com/v1/chat/completions \
  -H "Authorization: Bearer $API_KEY" \
  -H "Content-Type: application/json" \
  -d '{
    "model": "uncensored",
    "messages": [{"role": "user", "content": "Summit the quarterly report by Friday at noon"}]
  }'

Python

Copyfrom openai import OpenAI

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