API Documentatie & Snelstart

Basis-URL en authenticatie

Begin met het instellen van de basis-URL op HTTPS://api.uncensoredal.com/v1 en voer je API-sleutel in de Authorization-header. Je ontvangt één actieve sleutel per account, en het genereren van een nieuwe sleutel maakt de vorige sleutel direct ongeldig. Deze eenvoudige opstelling werkt met elke standaard OpenAI-compatibele client zonder complexe routinglogica.

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"}]
  }'

Het eindpunt is strikt voor chat-completions, dus je hoeft geen modelrouting te beheren. Elk verzoek moet de modelidentifier "uncensored" bevatten om zeker te weten dat je de juiste inferentieserver raakt. Authenticatiefouten retourneren een 401-status als de sleutel ontbreekt of ongeldig is.

Chat Completions Endpoint

Stuur een POST-verzoek naar /v1/chat/completions met je berichtgeschiedenis in de messages-array. Het systeem verwerkt tekstinput en retourneert gegenereerde tekst zonder inhoudsweigeringen voor wettelijk volwassen gebruik. Je moet het model als "uncensored" specificeren in je payload om compatibiliteit te garanderen.

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)

Aanvragen worden gefactureerd op basis van daadwerkelijk tokengebruik, waarbij fouten en weigeringen gratis blijven. Dit prepaid-model betekent dat u alleen betaalt voor wat u verbruikt. Het endpoint ondersteunt standaardparameters zoals temperature en top_p voor het regelen van output-willekeur.

Streaming-responsen met SSE

Activeer streaming door stream op true in te stellen in je request body om tokens te ontvangen via Server-Sent Events. Elke chunk bevat tokenverbruiksstatistieken in de laatste chunk, waardoor je kosten in realtime kunt volgen. Deze aanpak vermindert de waargenomen latentie voor lange generaties.

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)

Gebruik streaming bij het bouwen van chatinterfaces die tekst moeten weergeven terwijl deze wordt gegenereerd. De API retourneert standaard OpenAI-compatible stream-events, waardoor integratie met bestaande UI-bibliotheken eenvoudig is. U kunt de stream vroegtijdig stoppen als de gebruiker zijn invoer wijzigt.

Function Calling en JSON-modus

Definieer tools in je request om function calling in te schakelen of JSON-output te forceren met response_format. De API ondersteunt tool_choice voor precieze controle over wanneer het model een functie moet aanroepen. Deze functie werkt met het standaard OpenAI-schema, zodat je bestaande tool-definities kunt hergebruiken.

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);

JSON-modus zorgt ervoor dat de uitvoer geldige JSON is, wat nuttig is voor het parseren van gestructureerde gegevens programmeel. Je kunt dit combineren met temperature-instellingen om creativiteit te balanceren met structurele betrouwbaarheid. De API verwerkt tool-executielogica door de functie-aanroepdetails terug te geven voor verwerking door je code.

Configuratie van modelparameters

Configureer parameters zoals temperatuur, top_p, stop-sequenties en seed om het generatiegedrag te sturen. Het contextvenster ondersteunt 100,000 tokens voor zowel prompt als voltooiing samen. De maximale uitvoer is beperkt tot 16,000 tokens per verzoek, of 2,048 als je max_tokens niet specificeert.

Je kunt presence_penalty en frequency_penalty gebruiken om herhaling in langere teksten te verminderen. Deze parameters stellen je in staat de stijl van het model fijn af te stemmen zonder de onderliggende weights te wijzigen. Pas ze geleidelijk aan om de juiste balans te vinden voor jouw specifieke use case.

Limieten, fouten en context

De rate limits zijn ingesteld op 300 verzoeken per minuut en 8 gelijktijdige verzoeken per sleutel. Requestbody's zijn beperkt tot 8 MB, dus grote contextvensters moeten zorgvuldig worden beheerd. Fouten omvatten 401 voor ongeldige sleutels, 402 voor onvoldoende tegoed en 429 voor rate limits.

Krediet vervalt nooit, dus je kunt gebruik pauzeren tussen pieken zonder geld te verliezen. Als je de gelijktijdige limiet bereikt, probeer het dan opnieuw met exponentiële backoff. Het contextvenster van 100,000 tokens staat uitgebreide geschiedenis toe, maar houd de outputlimieten in de gaten om inkapping te voorkomen.