API-Dokumentation

Authentifizierung und Base URL

Erstellen Sie zunächst Ihren Schlüssel über das Dashboard. Verwenden https://api.abliteratedaimodel.com/v1 als Ihre Basis-URL. Übergeben Sie den Schlüssel im Authorization header. Es gelten keine Abonnements oder monatlichen Gebühren. Ihr Guthaben deckt die Nutzung ab, bis es aufgebraucht ist.

Erste Anfrage

Sende eine einfache Text-Vervollständigung, um die Konnektivität zu überprüfen. Das unzensierte Modell reagiert sofort auf Standard-Prompts. Ersetze YOUR_API_KEY mit Ihrem generierten Anmeldeinformationen. Die Antwort enthält den generierten Text und die Token-Nutzung.

Copycurl https://api.abliteratedaimodel.com/v1/chat/completions \
  -H "Authorization: Bearer $API_KEY" \
  -H "Content-Type: application/json" \
  -d '{
    "model": "uncensored",
    "messages": [{"role": "user", "content": "Generate a hello world function in python"}]
  }'

Python SDK-Integration

Verwenden Sie die offizielle OpenAI Python-Bibliothek für eine einfache Integration. Setzen Sie die Basis-URL auf unseren Endpunkt. Initialisieren Sie den Client mit Ihrem API-Schlüssel. Senden Sie Nachrichten und erhalten Sie Rohtext-Ausgaben. Dieser Ansatz funktioniert für die meisten Standard-LLM-Anwendungen.

Copyfrom openai import OpenAI

client = OpenAI(base_url="https://api.abliteratedaimodel.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-SDK-Einrichtung

Importieren Sie das OpenAI-Paket in Ihrem Node.js-Projekt. Konfigurieren Sie den API-Schlüssel und die Basis-URL. Stellen Sie eine Chat-Vervollständigungsanfrage mit Ihrem gewünschten Prompt. Verarbeiten Sie die Antwortdaten asynchron. Diese Methode eignet sich perfekt für serverseitige JavaScript-Umgebungen.

Copyimport OpenAI from "openai";

const client = new OpenAI({ baseURL: "https://api.abliteratedaimodel.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-Antworten

Aktivieren Sie Streaming für geringere Latenz bei langen Ausgaben. Legen Sie stream zu true in Ihrer Anfrage. Erhalten Sie Chunks, während sie generiert werden. Verarbeiten Sie jeden Chunk, um Ihre Benutzeroberfläche in Echtzeit zu aktualisieren. Dies reduziert die wahrgenommene Wartezeit erheblich.

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)

Limits und Errors

Kontextfenster unterstützen insgesamt 100,000 Tokens. Maximalausgabe pro Anfrage beträgt 16,000 Tokens. Ratenlimits erlauben 300 Anfragen pro Minute. Behandeln Sie Fehler wie 401 für ungültige Schlüssel oder 402 für unzureichendes Guthaben. Planen Sie Ihre Token-Nutzung sorgfältig, um Unterbrechungen bei hochvolumigen Aufgaben zu vermeiden.