API-Dokumentation & Schnellstart

Authentifizierung & Basis-URL

Starten Sie jede Anfrage, indem Sie Ihren Client auf HTTPS://api.uncensoredia.com/v1 und Anhängen Ihres Schlüssels. Autorisierung verwendet den Standard Bearer Schema, also fügen Sie einfach das Token ein, das Sie nach der Anmeldung mit Google oder E-Mail erhalten haben. Der Endpunkt ist vollständig open AI-kompatible API Konform, was bedeutet, dass Sie nur die base_url und den API-Schlüssel in Ihrer vorhandenen Konfiguration austauschen müssen. Sie müssen keine komplexen Routing-Schichten oder Proxy-Header verwalten. Stellen Sie einfach sicher, dass Ihre Authorization header enthält Ihren eindeutigen Token. Dieses Setup garantiert, dass Ihre Anfragen das dedizierte unzensierte Modell ohne Zwischenschaltung von Filtern erreichen. Wenn Sie eine 401 Fehler, stellen Sie sicher, dass Ihr Schlüssel aktiv und korrekt formatiert ist.

Chat-Vervollständigungs-Endpunkt

Senden Sie Nachrichten an POST /v1/chat/completions um Textantworten vom unzensierten Modell zu erhalten. Dieser einzelne Endpunkt behandelt alle Ihre Generierungsbedürfnisse, von einfachen Prompts bis hin zu komplexen Multi-Turn-Gesprächen. Sie können die Ausgabelänge und Zufälligkeit über Parameter wie max_tokens, temperature, und top_p. Das Modell unterstützt einen massiven 100.000 Tokens Kontextfenster, sodass Sie umfangreiche Dokumentation oder lange Gesprächsverläufe eingeben können. Sie können bis zu 16.000 Tokens in der Antwort senden. Wenn Sie auslassen max_tokens, das Standardlimit beträgt 2.048 Tokens. Dieser Endpunkt unterstützt keine Bild- oder Audio-Generierung. Es ist strikt Text rein, Text raus. Verwenden Sie den folgenden curl-Befehl, um Ihre Verbindung sofort zu testen.

Python SDK-Integration

Verwenden Sie die offizielle OpenAI-Python-Bibliothek, um mit minimalen Codeänderungen mit der API zu interagieren. Sie müssen lediglich die base_url und api_key in der Client-Konfiguration. Dieser Ansatz stellt sicher, dass Ihre bestehende Logik zur Verarbeitung von Antworten, Fehlern und Wiederholungen intakt bleibt. Die Bibliothek übernimmt automatisch die JSON-Serialisierung und das Streaming, wenn Sie dies aktivieren. Diese Methode ist ideal für Backend-Dienste oder Skripte, die große Textmengen verarbeiten müssen. Das uncensored-Modell reagiert auf Standard-Chat-Vervollständigungsanfragen, ohne dass benutzerdefinierte Parsing-Logik erforderlich ist. Konfigurieren Sie Ihren Client einmal und verwenden Sie ihn in Ihrer gesamten Anwendung. So initialisieren Sie den Client und senden eine einfache Anfrage.

Node.js-SDK-Einrichtung

Integrieren Sie die API in Ihre JavaScript- oder TypeScript-Anwendungen, indem Sie den @anthropic-ai/sdk oder das offizielle openai Paket. Legen Sie den baseURL zu unserem Endpunkt und geben Sie Ihren API-Schlüssel an. Dies ermöglicht Ihnen die Verwendung vertrauter Methoden wie chat.completions.create() direkt. Das SDK übernimmt die HTTP-Anfragen und parst die JSON-Antworten für Sie. Sie können Fehler wie 402 (nicht genügend Guthaben) oder 429 (Rate Limit) innerhalb Ihrer Anwendungslogik. Dieses Setup ist perfekt für Webserver, Bots oder jede Node.js-Umgebung. Das unkurierte Modell funktioniert nahtlos mit dem Standardanfrageformat. Konfigurieren Sie Ihren Client, um die Kompatibilität mit den Erwartungen der API zu gewährleisten.

Streaming-Antworten

Echtzeit-Token-Bereitstellung aktivieren, indem Sie stream: true in Ihrer Anfrage. Die API gibt einen Server-Sent Events (SSE)-Stream zurück, der es Ihnen ermöglicht, Text während der Generierung anzuzeigen. Dies verbessert das Nutzererlebnis für Chat-Oberflächen und reduziert die wahrgenommene Latenz. Jeder Chunk enthält eine partielle Antwort, und der letzte Chunk enthält die Token-Nutzungsstatistiken. Sie können diese Chunks inkrementell verarbeiten, um die vollständige Antwort zusammenzusetzen. Dieses Feature ist entscheidend für Anwendungen, die sofortiges Feedback erfordern. Das uncensored-Modell unterstützt Streaming für alle Anfragearten. Verarbeiten Sie die Stream-Events, um Ihre Benutzeroberfläche effizient zu aktualisieren. Verwenden Sie diesen Code, um Streaming in Ihrem Client zu implementieren.

Rate Limits & Kontextlimits

Die API erzwingt strenge Limits, um eine stabile Leistung für alle Benutzer zu gewährleisten. Sie können bis zu 300 Anfragen pro Minute pro Schlüssel und haben 8 concurrent requests jederzeit aktiv. Die maximale Größe des Anforderungstextkörpers beträgt 8 MB. Wenn Sie diese Grenzen überschreiten, erhalten Sie eine 429 status code. Ensure you handle retries with exponential backoff to avoid hitting these limits repeatedly. The context window is 100,000 tokens, but the maximum output is 16,000 tokens. If you need more output, adjust the max_tokens Parameter. Fehler wie 401 (ungültiger Schlüssel) und 402 (kein Guthaben) sind sofort und verbrauchen nicht Ihre Token-Berechtigung. Verwalten Sie Ihr Kontingent sorgfältig, um Serviceunterbrechungen bei Aufgaben mit hohem Volumen zu vermeiden.

cURL

Copycurl https://api.uncensoredia.com/v1/chat/completions \
  -H "Authorization: Bearer $API_KEY" \
  -H "Content-Type: application/json" \
  -d '{
    "model": "uncensored",
    "messages": [{"role": "user", "content": "return json with key status true"}]
  }'

Python

Copyfrom openai import OpenAI

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