Documentazione API & Guida Rapida

URL Base e Autenticazione

Inizia impostando l'URL base su HTTPS://api.uncensoredal.com/v1 e passando la tua chiave API nell'intestazione Authorization. Ricevi una chiave attiva per account e la generazione di una nuova chiave invalida istantaneamente quella precedente. Questa configurazione semplice funziona con qualsiasi client compatibile con OpenAI senza logica di routing complessa.

Copycurl https://api.uncensoredal.com/v1/chat/completions \
  -H "Authorization: Bearer $API_KEY" \
  -H "Content-Type: application/json" \
  -d '{
    "model": "uncensored",
    "messages": [{"role": "user", "content": "Generate the next 50 lines of a python script"}]
  }'

L'endpoint è strettamente per le chat completions, quindi non devi gestire il routing del modello. Ogni richiesta deve includere l'identificatore del modello "uncensored" per assicurarti di colpire il server di inferenza corretto. I fallimenti di autenticazione restituiscono uno status 401 se la chiave è mancante o non valida.

Endpoint Chat Completions

Invia una richiesta POST a /v1/chat/completions con la cronologia dei messaggi nell'array messages. Il sistema elabora l'input testuale e restituisce il testo generato senza rifiuti di contenuto per l'uso adulto lecito. Devi specificare il modello come "uncensored" nel tuo payload per garantire la compatibilità.

Copyfrom openai import OpenAI

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

Le richieste vengono addebitate in base all'utilizzo effettivo dei token, con errori e rifiuti che rimangono gratuiti. Questo modello prepagato significa che paghi solo ciò che consumi. L'endpoint supporta parametri standard come temperature e top_p per controllare la casualità dell'output.

Risposte in streaming con SSE

Abilita lo streaming impostando stream su true nel corpo della richiesta per ricevere i token tramite Server-Sent Events. Ogni chunk include statistiche sull'utilizzo dei token nell'ultimo chunk, consentendoti di tracciare i costi in tempo reale. Questo approccio riduce la latenza percepita per le generazioni lunghe.

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)

Usa lo streaming quando costruisci interfacce chat che devono visualizzare il testo man mano che viene generato. L'API restituisce eventi di stream standard compatibili con OpenAI, semplificando l'integrazione con le librerie UI esistenti. Puoi interrompere lo streaming in anticipo se l'utente modifica il suo input.

Function Calling e modalità JSON

Definisci gli strumenti nella richiesta per abilitare il richiamo delle funzioni o forzare l'output JSON utilizzando response_format. L'API supporta tool_choice per un controllo preciso su quando il modello dovrebbe invocare una funzione. Questa funzione funziona con lo schema standard OpenAI, quindi puoi riutilizzare le definizioni degli strumenti esistenti.

Copyimport OpenAI from "openai";

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

La modalità JSON garantisce che l'output sia JSON valido, utile per l'analisi di dati strutturati a livello programmatico. Puoi combinarlo con le impostazioni di temperature per bilanciare creatività e affidabilità strutturale. L'API gestisce la logica di esecuzione degli strumenti restituendo i dettagli della chiamata di funzione affinché il tuo codice li elabori.

Configurazione dei parametri del modello

Configura parametri come temperatura, top_p, sequenze di stop e seed per controllare il comportamento di generazione. La finestra di contesto supporta 100.000 token per prompt e completamento combinati. L'output massimo è limitato a 16.000 token per richiesta, o 2.048 se non specifichi max_tokens.

Puoi usare presence_penalty e frequency_penalty per ridurre la ripetizione nei testi più lunghi. Questi parametri permettono di affinare lo stile del modello senza modificare i pesi sottostanti. Regolali incrementalmente per trovare il giusto equilibrio per il tuo caso d'uso specifico.

Limiti, Errori e Contesto

I limiti di velocità sono impostati a 300 richieste al minuto e 8 richieste concorrenti per chiave. I corpi delle richieste sono limitati a 8 MB, quindi le finestre di contesto di grandi dimensioni devono essere gestite con cura. Gli errori includono 401 per chiavi non valide, 402 per credito insufficiente e 429 per i limiti di velocità.

Il credito non scade mai, quindi puoi interrompere l'utilizzo tra le fasi di picco senza perdere fondi. Se raggiungi il limite di concorrenza, riprova con un backoff esponenziale. La finestra di contesto di 100,000 token consente una cronologia estesa, ma tieni d'occhio i limiti di output per evitare la troncatura.