Inicio rápido: Integración de API de LLM sin censura

Instala el SDK de OpenAI

Empieza por añadir la biblioteca oficial al entorno de tu proyecto. Esto asegura la compatibilidad con parámetros estándar como temperatura y top_p. La biblioteca maneja la serialización automáticamente.

• Compatible con entornos de Python y JavaScript.
• Gestiona eficientemente el agrupamiento de conexiones.
• Permanece compatible con las estructuras de API estándar compatibles con OpenAI.

Instala el paquete usando tu administrador de paquetes preferido. Este paso prepara tu entorno para la integración inmediata.

No necesitas una versión específica para la generación básica de texto. La biblioteca admite encabezados de autenticación estándar sin problemas.

Configura tu URL base

Apunta tu cliente a nuestro punto de conexión para omitir los filtros de contenido estándar. Utiliza la URL base https://api.openaipricingapi.com/v1 para todas las solicitudes. Este único cambio redirige el tráfico a nuestra infraestructura de LLM sin censura.

Configura tu clave de API en la autorización estándar Authorization header. Pasa la clave que obtuviste del panel de control. El cliente valida las credenciales antes de enviar los datos.

Asegúrate de usar el ID de modelo uncensored para un rendimiento óptimo. Este identificador indica al servidor qué modelo debe enrutar tu solicitud. No se admiten otros identificadores de modelo.

Hacer su primera finalización de chat

Envía un mensaje simple para verificar la conectividad. Usa el extremo de finalización de chat estándar con una indicación del sistema y un mensaje del usuario. La respuesta devuelve texto directamente.

Comprueba el código de estado para confirmar el éxito. Un estado 200 OK indica que la solicitud se procesó correctamente. Los errores devuelven códigos específicos para la depuración.

Revisión la precisión de la salida. El modelo responde sin rechazar contenido adulto lícito. Prueba con temas diversos para verificar el comportamiento.

Habilitar Streaming y Llamada de Funciones

Activa el streaming para recibir tokens en tiempo real. Establece stream=True en tu solicitud. El cliente genera fragmentos a medida que están disponibles. Esto reduce significativamente la latencia percibida.

Accede a la llamada de funciones definiendo herramientas en tu carga útil. El modelo devuelve argumentos estructurados para su ejecución. Analiza la salida JSON para activar la lógica de tu backend.

Combina streaming con herramientas para flujos de trabajo complejos. Maneja las respuestas parciales con gracia. Asegúrate de que tu código procese el último fragmento para obtener los recuentos de tokens.

Gestionar tokens y datos de uso

Monitor el uso de tokens para gestionar tu crédito prepagado. La API cobra $0.15 per 1M tokens de entrada y $0.50 per 1M tokens de salida. Los errores no consumen crédito.

Analiza los datos de uso del último fragmento en streaming. Esto proporciona recuentos precisos de entrada y salida. Rastrea los costos en los registros de tu aplicación.

Los reembolsos se aplican solo a errores de facturación. El crédito nunca vence una vez comprado. Usa los datos de uso para predecir el gasto futuro con precisión.

Comprender los límites de tasa y errores

Esperar un 429 error si superas las 300 solicitudes por minuto. Ralentiza tu cliente para evitar interrupciones. Las solicitudes concurrentes están limitadas a 8 por clave.

A 401 error indica una clave API inválida o faltante. Verifica tus credenciales en el panel. Una 402 error significa que tu saldo prepagado se ha agotado.

La ventana de contexto admite 100.000 tokens en total. Las solicitudes que superen este límite devuelven un error. Ajusta el tamaño de tu carga útil en consecuencia para mantener el rendimiento.

cURL

Copycurl https://api.openaipricingapi.com/v1/chat/completions \
  -H "Authorization: Bearer $API_KEY" \
  -H "Content-Type: application/json" \
  -d '{
    "model": "uncensored",
    "messages": [{"role": "user", "content": "List the hourly cost per token for the current model tier"}]
  }'

Python

Copyfrom openai import OpenAI

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

Transmisión

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)