API-Dokumentation: unzensiertes Modell

Basis-URL und Authentifizierung

Verwenden Sie die dedizierte Basis-URL für alle Anfragen. Dieser Endpunkt verarbeitet sowohl Textgenerierung als auch Metadatenabrufe. Ihr API-Schlüssel authentifiziert jeden Aufruf.

Schließen Sie den Schlüssel in den Authorization header. Das Format erfordert den Bearer Präfix. Ungültige Schlüssel geben sofort einen 401-Statuscode zurück. Raten Sie nicht das Token-Format. Verwenden Sie den Schlüssel, der nach der Anmeldung angezeigt wird.

Chat-Vervollständigungs-Endpunkt

Senden Sie Nachrichten zur Generierung von Textantworten. Der Endpunkt akzeptiert standardmäßige JSON-Payloads. Definieren Sie Ihre System- und Benutzerrollen klar.

Strukturieren Sie Ihre Anfragen mit dem model field set to uncensored. Die API verarbeitet die Eingabe und gibt generierten Text zurück. Fehler geben einen 402-Status zurück, wenn das Guthaben nicht ausreicht. Ratenbegrenzungen lösen eine 429-Antwort aus.

Unterstützte Parameter

Steuern Sie das Generierungsverhalten mit Standardparametern. Passen Sie temperature für Kreativität oder Determinismus. Verwenden top_p um Tokens mit niedriger Wahrscheinlichkeit zu filtern. Legen Sie max_tokens die Ausgabelänge zu begrenzen. Der Standardwert liegt bei maximal 2.048 Tokens, sofern nicht anders angegeben.

Sie können auch seed für reproduzierbare Ergebnisse. Verwenden Sie stop Sequenzen, um die Generierung frühzeitig zu stoppen. Die API unterstützt presence_penalty und frequency_penalty für Stilsteuerung.

Streaming und SSE

Echtzeit-Ausgabe aktivieren, indem Sie stream zu true. Der Server sendet Server-Sent Events (SSE), während Tokens generiert werden. Dies reduziert die wahrgenommene Latenz für lange Antworten.

Analysieren Sie jeden Chunk, um Ihre Benutzeroberfläche schrittweise zu aktualisieren. Der letzte Chunk enthält die gesamten Token-Nutzungsstatistiken. Diese Methode funktioniert zuverlässig mit standardmäßigen HTTP-Clients, die SSE unterstützen.

Function Calling und JSON-Modus

Definieren Sie Tools in Ihrer Anfrage, um Function Calling zu aktivieren. Das Modell entscheidet basierend auf dem Kontext, wann ein Tool aufgerufen werden soll. Übergeben Sie Tool-Definitionen mit name, description, und parameters.

Für strenge JSON-Ausgabe legen Sie response_format zu {"type": "json_object"}. Dies stellt sicher, dass die Antwort gültiges JSON ist. Verwenden Sie dies zum zuverlässigen Parsen strukturierter Daten. Tool-Aufrufe geben Inhalte mit Tool-IDs zur Ausführung zurück.

Limits, Fehler und Kontext

Das Kontextfenster unterstützt insgesamt 100.000 Tokens. Dies umfasst sowohl Prompt- als auch Completion-Tokens. Anfragen, die diesen Grenzwert überschreiten, schlagen fehl. Die maximale Anforderungstextgröße beträgt 8 MB.

Rate-Limits erlauben 300 Anfragen pro Minute pro Schlüssel. Gleichzeitige Anfragen sind auf 8 pro Schlüssel begrenzt. Ein 401-Fehler bedeutet, dass Ihr Schlüssel ungültig ist. Ein 402-Fehler zeigt unzureichendes vorgeschossenes Guthaben an. Ein 429-Fehler signalisiert, dass Sie das Rate-Limit erreicht haben. Warten Sie vor dem Wiederholen.

cURL

Copycurl https://api.toolcallingllms.com/v1/chat/completions \
  -H "Authorization: Bearer $API_KEY" \
  -H "Content-Type: application/json" \
  -d '{
    "model": "uncensored",
    "messages": [{"role": "user", "content": "Generate 200 tokens of safe text"}]
  }'

Python

Copyfrom openai import OpenAI

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