Avvio rapido: Integrazione API LLM senza filtri

Installa l'SDK OpenAI

Inizia aggiungendo la libreria ufficiale al tuo progetto. Questo garantisce la compatibilità con parametri standard come temperature e top_p. La libreria gestisce automaticamente la serializzazione.

• Supporta gli ambienti Python e JavaScript.
• Gestisce il pooling delle connessioni in modo efficiente.
• Rimane compatibile con le strutture API standard compatibili con OpenAI.

Installa il pacchetto utilizzando il tuo gestore di pacchetti preferito. Questo passaggio prepara il tuo ambiente per l'integrazione immediata.

Non hai bisogno di una versione specifica per la generazione di testo di base. La libreria supporta le intestazioni di autenticazione standard in modo trasparente.

Configura il tuo URL di base

Indirizza il tuo client al nostro endpoint per bypassare i filtri di contenuto standard. Utilizza l'URL base https://api.openaipricingapi.com/v1 per tutte le richieste. Questo singolo cambiamento reindirizza il traffico verso la nostra infrastruttura LLM senza censure.

Imposta la tua chiave API nell'autorizzazione standard Authorization header. Passa la chiave ottenuta dal dashboard. Il client convalida le credenziali prima di inviare i dati.

Assicurati di utilizzare l'ID modello uncensored per le prestazioni ottimali. Questo identificatore dice al server a quale modello instradare la tua richiesta. Non sono supportati altri ID modello.

Effettua la tua prima chat completion

Invia un semplice messaggio per verificare la connettività. Utilizza l'endpoint standard di completamento chat con un prompt di sistema e un messaggio dell'utente. La risposta restituisce testo direttamente.

Verifica il codice di stato per confermare il successo. Uno stato 200 OK indica che la richiesta è stata elaborata correttamente. Gli errori restituiscono codici specifici per il debug.

Rivedi l'output per l'accuratezza. Il modello risponde senza rifiutare i contenuti adulti leciti. Testa con argomenti diversi per verificare il comportamento.

Abilita lo Streaming e il Richiamo di Funzioni

Attiva lo streaming per ricevere i token in tempo reale. Imposta stream=True nella tua richiesta. Il client restituisce chunk man mano che diventano disponibili. Questo riduce significativamente la latenza percepita.

Accedi al function calling definendo gli strumenti nel tuo payload. Il modello restituisce argomenti strutturati per l'esecuzione. Analizza l'output JSON per attivare la logica del tuo backend.

Combina lo streaming con gli strumenti per flussi di lavoro complessi. Gestisci le risposte parziali con grazia. Assicurati che il tuo codice elabori l'ultimo chunk per i conteggi dei token.

Gestisci i token e i dati di utilizzo

Monitora l'utilizzo dei token per gestire il tuo credito prepagato. L'API addebita $0.15 per 1M token di input e $0.50 per 1M token di output. Gli errori non consumano credito.

Analizza i dati di utilizzo dall'ultimo chunk dello stream. Questo fornisce conteggi accurati di input e output. Monitora i costi nei log della tua applicazione.

I rimborsi si applicano solo agli errori di fatturazione. Il credito non scade mai dopo l'acquisto. Usa i dati di utilizzo per prevedere con precisione le spese future.

Comprendere i limiti di frequenza e gli errori

Aspettati un 429 errore se superi le 300 richieste al minuto. Limita il tuo client per evitare interruzioni. Le richieste concorrenti sono limitate a 8 per chiave.

A 401 errore indica una chiave API non valida o mancante. Verifica le tue credenziali nella dashboard. Un 402 errore significa che il tuo saldo prepagato è esaurito.

La finestra di contesto supporta un totale di 100.000 token. Le richieste che superano questo limite restituiscono un errore. Regola la dimensione del tuo payload di conseguenza per mantenere le prestazioni.

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);

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)