Démarrage rapide API GPT Unfiltered

Installation et configuration

Commencez par générer votre clé API sur le tableau de bord. Vous pouvez vous connecter avec Google ou utiliser un e-mail et un mot de passe, et la clé s'affiche immédiatement. Utilisez les SDK officiels pour n'importe quel langage ; ils nécessitent uniquement l'URL de base et votre clé. Cela fonctionne avec n'importe quel client compatible OpenAI car nous suivons l'interface standard.

• URL de base : https://api.gptunfiltered.cc/v1
• ID du modèle : uncensored
• Auth : jeton Bearer via la clé API

Envoi de votre première requête

Envoyez une simple complétion de texte pour tester la connexion. Utilisez le POST méthode sur le point de terminaison des complétions de chat avec votre ID de modèle. La réponse retourne du texte brut sans aucun refus de contenu pour un usage adulte légal.

Voici la commande cURL standard pour vérifier votre configuration.

Copycurl https://api.gptunfiltered.cc/v1/chat/completions \
  -H "Authorization: Bearer $API_KEY" \
  -H "Content-Type: application/json" \
  -d '{
    "model": "uncensored",
    "messages": [{"role": "user", "content": "list all python standard library modules"}]
  }'

La réponse inclut le texte généré et les statistiques d'utilisation des tokens. Vous pouvez désormais intégrer cela dans la logique de votre application.

Réponses en streaming

Activez le streaming pour recevoir les jetons en temps réel. Définissez le paramètre de flux sur true dans le corps de votre requête. L'API renvoie des Server-Sent Events (SSE) pour une sortie à faible latence.

Utilisez cet extrait Python pour gérer le streaming efficacement.

Copyfrom openai import OpenAI

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

Chaque chunk contient du texte partiel et des données d'utilisation. Accumulez les chunks pour reconstituer la réponse complète. Cette approche réduit la latence perçue pour les utilisateurs finaux.

Support de l'appel de fonction

Passez des outils au modèle pour des actions structurées. Définissez le schéma de votre fonction dans le tableau tools. Le modèle renvoie des appels d'outils lorsque cela est approprié.

Voici comment configurer l'appel de fonction en Node.js.

Copyimport OpenAI from "openai";

const client = new OpenAI({ baseURL: "https://api.gptunfiltered.cc/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);

Traitez les appels d'outil dans votre code applicatif. Exécutez la fonction et renvoyez le résultat au modèle si nécessaire. Cela permet des workflows complexes sans analyse manuelle.

Mode JSON

Forcez la sortie au format JSON strict. Définissez le paramètre response_format sur json_object. Cela garantit que le modèle retourne du JSON valide sans enveloppes markdown.

Utilisez cette configuration pour une analyse fiable dans votre backend.

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)

La réponse contient uniquement l'objet JSON. Gérez les erreurs de parsing de manière gracieuse en cas de cas limites. Ce mode est idéal pour les intégrations API nécessitant des données structurées.

Limites de débit et coûts

Surveillez votre utilisation pour éviter les interruptions de service. La limite est de 300 requêtes par minute par clé. Vous pouvez avoir 8 requêtes simultanées à tout moment. La taille du corps de la requête est plafonnée à 8 Mo.

La tarification est transparente et au token. Les tokens d'entrée coûtent 0,15 $ par million. Les tokens de sortie coûtent 0,50 $ par million. Les erreurs et les refus sont gratuits. Utilisez un crédit prépayé sans expiration. Mettez à niveau votre rechargement pour obtenir des crédits bonus.

Paramètres et paramètres

Ajustez le comportement du modèle à l'aide de paramètres standard. Utilisez la température pour contrôler l'aléatoire. Définissez top_p pour l'échantillonnage du noyau. Définissez des séquences d'arrêt pour arrêter la génération prématurément.

Vous pouvez également définir le seed pour des sorties reproductibles. Ajustez presence_penalty et frequency_penalty pour influencer la répétition des tokens. Ces paramètres permettent de régler finement le style et la précision du modèle.

Fenêtre de Contexte et Contraintes

Le modèle prend en charge une fenêtre de contexte de 100 000 tokens. Cela inclut à la fois l'invite et la complétion. La sortie maximale est de 16 000 tokens par requête. Si vous ne définissez pas max_tokens, la valeur par défaut est de 2 048 tokens.

Cette grande fenêtre permet un traitement approfondi de documents. Vous pouvez transmettre de longues conversations ou de grandes bases de code. Surveillez votre utilisation de jetons pour rester dans les limites.