Início rápido: Integração da API de LLM sem censura

Instale o SDK OpenAI

Comece adicionando a biblioteca oficial ao ambiente do seu projeto. Isso garante compatibilidade com parâmetros padrão como temperatura e top_p. A biblioteca lida com a serialização automaticamente.

• Suporta ambientes Python e JavaScript.
• Gerencia o pool de conexões de forma eficiente.
• Permanece compatível com estruturas de API padrão compatíveis com OpenAI.

Instale o pacote usando seu gerenciador de pacotes preferido. Este passo prepara seu ambiente para integração imediata.

Você não precisa de uma versão específica para geração básica de texto. A biblioteca suporta cabeçalhos de autenticação padrão perfeitamente.

Configure sua URL Base

Aponte seu cliente para nosso endpoint para contornar os filtros padrão de conteúdo. Use a URL base https://api.openaipricingapi.com/v1 para todas as solicitações. Esta única alteração redireciona o tráfego para nossa infraestrutura de LLM sem censura.

Defina sua chave de API no cabeçalho de autorização padrão. Authorization cabeçalho. Passe a chave obtida no painel. O cliente valida as credenciais antes de enviar os dados.

Certifique-se de usar o ID do modelo uncensored para desempenho ideal. Este identificador diz ao servidor qual modelo rotear sua solicitação. Nenhum outro ID de modelo é suportado.

Faça Sua Primeira Conclusão de Chat

Envie uma mensagem simples para verificar a conectividade. Use o endpoint padrão de conclusão de chat com uma mensagem do sistema e uma mensagem do usuário. A resposta retorna texto diretamente.

Verifique o código de status para confirmar o sucesso. Um status 200 OK indica que a solicitação foi processada corretamente. Os erros retornam códigos específicos para depuração.

Revisar a saída quanto à precisão. O modelo responde sem recusar conteúdo adulto lícito. Teste com tópicos diversos para verificar o comportamento.

Ativar Streaming e Chamada de Funções

Ative o streaming para receber tokens em tempo real. Defina stream=True na sua solicitação. O cliente retorna blocos conforme se tornam disponíveis. Isso reduz significativamente a latência percebida.

Acesse chamada de funções definindo ferramentas em seu payload. O modelo retorna argumentos estruturados para execução. Analise a saída JSON para acionar a lógica do seu backend.

Combine streaming com ferramentas para fluxos de trabalho complexos. Lidere com respostas parciais com graça. Certifique-se de que seu código processe o último bloco para contagens de tokens.

Trate Tokens e Dados de Uso

Monitore o uso de tokens para gerenciar seu crédito pré-pago. A API cobra $0.15 por 1M de tokens de entrada e $0.50 por 1M de tokens de saída. Erros não consomem crédito.

Analise os dados de uso do último chunk do stream. Isso fornece contagens precisas de entrada e saída. Rastreie os custos nos logs do seu aplicativo.

Reembolsos aplicam-se apenas a erros de cobrança. O crédito nunca expira após a compra. Use os dados de uso para prever os gastos futuros com precisão.

Entenda os limites de taxa e erros

Esperar um 429 erro se você exceder 300 solicitações por minuto. Controle o ritmo do seu cliente para evitar interrupções. Solicitações simultâneas são limitadas a 8 por chave.

A 401 erro indica uma chave de API inválida ou ausente. Verifique suas credenciais no painel. Uma 402 erro significa que seu saldo pré-pago foi esgotado.

A janela de contexto suporta 100.000 tokens no total. Solicitações que excedam esse limite retornam um erro. Ajuste o tamanho do seu payload conforme necessário para manter o desempenho.

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)