API de Complétions de Chat Sans Censure

Authentification & URL de base

Utilisez votre clé API générée avec l'URL de base https://api.openrouteraisettingskeys.com/v1 pour acheminer les requêtes. Nous fonctionnons comme une alternative à OpenRouter pour les développeurs qui souhaitent éviter les couches d'abonnement tout en gardant leur code client identique. La clé authentifie votre crédit prépayé directement auprès du Clés de paramètres OpenRouter AI infrastructure. Vous recevez une clé active par compte ; générer une nouvelle clé remplace immédiatement les identifiants précédents. Aucun numéro de téléphone ni détail bancaire n'est requis lors de l'inscription, uniquement un e-mail ou une connexion Google. Cette gestion directe des clés garantit que vous contrôlez l'accès sans friction de facturation tierce. Vos invites restent privées et ne sont jamais utilisées pour entraîner le modèle sous-jacent.

Point de terminaison Chat Completions

Envoyez des requêtes POST à /v1/chat/completions pour recevoir des réponses textuelles du modèle sans censure. Le système accepte les tableaux de messages standards et retourne des complétions sans refuser les sujets adultes légaux ou controversés. Vous ne payez que pour les tokens réellement utilisés, avec des coûts d'entrée à $0.15 par 1M de tokens et une sortie à $0.50 par 1M de tokens. Les erreurs et les refus ne génèrent aucun frais, garantissant que vous ne payez jamais pour les tentatives échouées. Le point de terminaison prend en charge une fenêtre de contexte de 100 000 tokens pour l'invite et la complétion combinées. La sortie maximale est limitée à 16 000 tokens par requête, sauf si vous spécifiez une limite inférieure. Cette structure simple imite le format OpenAI, rendant la migration sans effort.

Intégration du SDK Python

Installez le package officiel OpenAI et configurez l'URL de base pour pointer vers notre point de terminaison LLM uncensored. L'extrait de code suivant montre comment initialiser le client et envoyer une requête simple. Vous devez mettre à jour le base_url paramètre pour correspondre à notre domaine d'API. L'identifiant du modèle est simplement uncensored, qui exécute notre modèle spécifique à poids ouverts ajusté pour des réponses directes. Cette approche vous permet de réutiliser des bases de code Python existantes avec des modifications minimales. Le SDK gère la sérialisation JSON et le streaming automatiquement. Assurez-vous que votre clé API est stockée de manière sécurisée dans les variables d'environnement pour une utilisation en production.

Intégration du SDK Node

Configurez le client OpenAI Node.js pour diriger les requêtes vers notre API hébergée. L'URL de base doit être définie sur notre domaine pour assurer un routage correct. Vous pouvez passer l'ID du modèle uncensored À côté de vos messages pour générer du texte. Cette méthode fonctionne avec n'importe quelle bibliothèque cliente standard compatible OpenAI en JavaScript. La structure de la requête reste identique à la spécification OpenAI, garantissant la compatibilité. Vous pouvez gérer votre crédit prépayé directement via le tableau de bord. Le SDK prend en charge les modèles de requêtes synchrones et asynchrones. Ajustez le apiKey la valeur pour correspondre à vos identifiants générés. Cette configuration fournit un moyen fiable d'intégrer la génération uncensored dans vos applications Node.

Réponses en streaming

Activez le streaming en définissant le stream paramètre à true dans le corps de votre requête. L'API renvoie des événements envoyés par le serveur (SSE) pour la livraison de jetons en temps réel. Vous pouvez suivre l'utilisation des jetons dans le dernier chunk du flux. Cette fonctionnalité est idéale pour les interfaces de chat qui nécessitent une réactivité immédiate. Le modèle non censuré maintient le contexte tout au long du flux sans interruption. Vous pouvez analyser les données SSE à l'aide d'écouteurs d'événements standard dans votre client. Le streaming fonctionne avec tous les paramètres tels que la température et le top-p. Cette méthode réduit considérablement la latence perçue pour les utilisateurs finaux. C'est l'approche recommandée pour les applications interactives.

Limites, Erreurs & Contexte

Votre clé API permet 300 requêtes par minute et 8 connexions simultanées. Le corps de la requête ne doit pas dépasser 8 Mo. Si vous recevez une erreur 401, votre clé est invalide ou expirée. Une erreur 402 indique un crédit prépayé insuffisant ; rechargez via USDT ou USDC pour reprendre le service. Une erreur 429 signifie que vous avez atteint la limite de débit. Le modèle prend en charge une fenêtre de contexte de 100 000 tokens pour l'entrée et la sortie combinées. Des limites de contenu strictes s'appliquent toujours, spécifiquement concernant le contenu sexuel impliquant des mineurs. Ces limites garantissent des performances stables pour les développeurs à fort volume. Vous pouvez surveiller votre utilisation directement dans le tableau de bord. Les erreurs sont gratuites, vous ne payez donc que pour les complétions réussies.

cURL

Copycurl https://api.openrouteraisettingskeys.com/v1/chat/completions \
  -H "Authorization: Bearer $API_KEY" \
  -H "Content-Type: application/json" \
  -d '{
    "model": "uncensored",
    "messages": [{"role": "user", "content": "Check my current key balance"}]
  }'

Python

Copyfrom openai import OpenAI

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