Intégrez l'API IA sans censure rapidement

Authentification et URL de base

Oui, vous pouvez vous authentifier instantanément en utilisant l'URL de base fournie sur le tableau de bord. Notre service utilise des en-têtes de clé API standard compatibles avec n'importe quel SDK OpenAI. Vous recevez votre clé immédiatement après vous être inscrit avec Google ou par e-mail. Aucun numéro de téléphone n'est requis pour la configuration initiale.

Définissez le base_url à https://api.isgrokuncensored.com/v1. Transmettez votre clé dans le Authorization header. Le système valide les identifiants avant de traiter tout jeton. Les erreurs 401 indiquent une clé invalide ou manquante. Vérifiez le tableau de bord si la clé échoue.

Point de terminaison des complétions de chat

Envoyez une requête POST à /v1/chat/completions pour obtenir des réponses textuelles. Le point de terminaison accepte des tableaux de messages standard et renvoie du texte généré. Il ne prend pas en charge les images, l'audio ou les embeddings. Utilisez l'ID du modèle uncensored pour toutes les requêtes. Cela garantit que vous utilisez le bon modèle à poids ouverts.

Les jetons d'entrée coûtent 0,15 $ par million, tandis que les jetons de sortie coûtent 0,50 $ par million. Le crédit prépayé est déduit uniquement pour la consommation réelle. Les erreurs et les refus ne consomment pas votre solde. Vous pouvez envoyer jusqu'à 8 Mo par corps de requête. Cette limite couvre la plupart des interactions textuelles standard.

Utilisation des jetons et réponses en streaming

Activez le streaming en définissant stream à true dans votre requête. Vous recevez des événements envoyés par le serveur (SSE) pour la livraison en temps réel des jetons. Le dernier fragment contient les statistiques complètes d'utilisation des jetons. Cela vous permet de suivre les coûts en temps réel. C'est essentiel pour créer des interfaces de chat réactives.

Analysez les données SSE pour mettre à jour votre interface utilisateur de manière incrémentale. Le modèle génère du texte en continu jusqu'à ce que la fenêtre de contexte soit remplie ou qu'une séquence d'arrêt soit déclenchée. Le débit maximal est de 16 000 jetons par requête. Vous devez spécifier max_tokens pour dépasser les 2 048 jetons par défaut. Cela évite une facturation inattendue due à des réponses longues.

Appel de fonctions et mode JSON

Utilisez le tools paramètre pour activer les capacités d'appel de fonction. Définissez le schéma de votre outil dans le corps de la requête. Le modèle renverra des arguments structurés pour vos fonctions. Cela fonctionne parfaitement avec les clients compatibles OpenAI standard. Vous pouvez également forcer une sortie JSON en utilisant response_format. C'est utile pour l'analyse de données structurées.

Définir response_format à {"type": "json_object"} pour obtenir du JSON pur. Ce mode désactive le texte de remplissage conversationnel. Il est idéal pour les intégrations programmatiques. Vous pouvez combiner les outils et le mode JSON pour des workflows complexes. L'API gère l'analyse en interne. Vous n'avez besoin que de valider la structure de la sortie.

Paramètres du modèle : température et top_p

Ajuster temperature pour contrôler l'aléatoire. Des valeurs plus élevées produisent des sorties plus créatives. Des valeurs plus faibles rendent les réponses plus déterministes. La valeur par défaut est généralement de 1,0. Vous pouvez la définir entre 0 et 2. Utilisez top_p pour l'échantillonnage par noyau. Cela limite la masse de probabilité des tokens considérés. Cela fonctionne conjointement avec la température pour affiner la qualité de la sortie.

D'autres paramètres pris en charge incluent stop séquences, seed pour la reproductibilité, et des pénalités comme presence_penalty. Ceux-ci permettent un affinement du processus de génération. Vous pouvez expérimenter différentes combinaisons. L'API respecte tous les paramètres standard d'OpenAI. Cela garantit une migration facile depuis d'autres fournisseurs. Testez différentes valeurs pour trouver le meilleur ajustement pour votre cas d'utilisation.

Limites, erreurs et fenêtre de contexte

La fenêtre de contexte prend en charge 100 000 tokens au total. Cela inclut les tokens d'invite et de complétion. Vous pouvez envoyer de grands documents pour analyse. Les limites de débit permettent 300 requêtes par minute par clé. La concurrence est limitée à 8 requêtes simultanées. Le dépassement de ces limites retourne une erreur 429. Réessayez avec un backoff exponentiel.

Gérez les erreurs avec élégance dans votre code. Une erreur 402 signifie que votre crédit prépayé est épuisé. Rechargez en utilisant des cryptomonnaies pour continuer le service. Une erreur 401 indique un problème d'authentification. Vérifiez la validité de votre clé. L'API ne facture pas les requêtes échouées en raison d'erreurs de validation. Cela protège votre solde contre les pics accidentels.

cURL

Copycurl https://api.isgrokuncensored.com/v1/chat/completions \
  -H "Authorization: Bearer $API_KEY" \
  -H "Content-Type: application/json" \
  -d '{
    "model": "uncensored",
    "messages": [{"role": "user", "content": "Return the current UTC timestamp"}]
  }'

Python

Copyfrom openai import OpenAI

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