Uncensored LLM Online API Schnellstart

Base URL und Authentifizierung

Die unzensierte LLM-Online-API verwendet Standard-Endpunkte, die mit OpenAI kompatibel sind. Konfiguriere deinen Client so, dass er auf die Basis-URL https://api.uncensoredllmonline.com/v1 zeigt. Die Authentifizierung erfolgt über einen API-Schlüssel, der im Authorization-Header übergeben wird. Du kannst deinen Schlüssel auf der Seite API-Schlüssel abrufen generieren, indem du nur E-Mail und Passwort angibst. Der Schlüssel wird direkt nach der Anmeldung angezeigt. Für den Einstieg werden keine Telefonnummer oder Kreditkarte benötigt. Jedes Konto verfügt über einen aktiven Schlüssel, der jederzeit neu generiert werden kann, um den Zugriff des alten Schlüssels zu widerrufen. Bewahre deinen Schlüssel sicher auf, da er direkten Zugriff auf dein Prepaid-Guthaben gewährt.

Chat Completions Endpunkt

Sende Text an die uncensored llm, indem du eine Anfrage an POST /v1/chat/completions sendest. Dieser Endpunkt akzeptiert eine Liste von Nachrichten und gibt die Antwort des Modells zurück. Die zu verwendende Modell-ID ist uncensored. Dies ist ein Open-Weight-Modell, das darauf abgestimmt ist, ohne Inhaltsfilter für die rechtmäßige Nutzung durch Erwachsene zu antworten. Es ist kein GPT, Claude oder ein Modell eines anderen Anbieters. Die API bietet rohe Textgenerierungsfähigkeiten, die sich für benutzerdefinierte Integrationen eignen. Verwende den folgenden cURL-Befehl, um eine einfache Anfrage zu testen:

Copycurl https://api.uncensoredllmonline.com/v1/chat/completions \
  -H "Authorization: Bearer $API_KEY" \
  -H "Content-Type: application/json" \
  -d '{
    "model": "uncensored",
    "messages": [{"role": "user", "content": "Write a blunt product review of a cheap VPN."}]
  }'

Der Anfragekörper sollte die Modell-ID und deinen Nachrichtenverlauf enthalten. Stelle sicher, dass dein Client den Authorization: Bearer <your-key>-Header sendet. Die Antwort enthält den generierten Text, den du in deiner Anwendungslogik analysieren und verwenden kannst.

Python SDK Integration

Verwende das offizielle OpenAI Python SDK, um mit dem unzensierten KI-Modell zu interagieren. Setze die base_url und api_key bei der Client-Initialisierung. Dies ermöglicht dir, vertraute Methoden wie chat.completions.create zu nutzen. Das folgende Beispiel zeigt, wie du den Client initialisierst und eine einfache Abfrage sendest:

Copyfrom openai import OpenAI

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

Dieser Ansatz ermöglicht es dir, bestehende Code-Strukturen zu nutzen, während du zu einem unzensierten LLM wechselst. Das SDK übernimmt die JSON-Serialisierung und Antwortanalyse automatisch. Denke daran, dass die Modell-ID auf uncensored gesetzt werden muss, um sicherzustellen, dass du den richtigen Endpunkt triffst. Diese Methode ist ideal für Entwickler, die Boilerplate-Code minimieren möchten.

Node SDK Integration

Für JavaScript- oder TypeScript-Projekte funktioniert das OpenAI Node SDK nahtlos mit unserer API. Initialisiere den Client mit deinem API-Schlüssel und der korrekten Base URL. Der Endpunkt unterstützt standardmäßige Chat Completions, was die Integration in Web-Apps oder serverlose Funktionen einfach macht. So konfigurierst du den Client:

Copyimport OpenAI from "openai";

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

Übergib das Nachrichten-Array und die Modell-ID uncensored an die Completion-Funktion. Die Antwort enthält den generierten Text. Diese Integration eignet sich für Entwickler, die unzensierte Textgenerierung in Node.js-Anwendungen einbetten möchten. Stelle sicher, dass du Fehler angemessen behandelst, da die API Ratenlimit- oder Guthabe-Erschöpfung-Fehler zurückgeben kann.

Streaming-Antworten (SSE)

Aktiviere die Echtzeit-Textgenerierung, indem du stream: true in deiner Anfrage setzt. Die API gibt Server-Sent Events (SSE) zurück, die die Antwort Token für Token liefern. Dies ist nützlich für Chat-Schnittstellen oder Anwendungen, bei denen Latenz eine Rolle spielt. Verwende das folgende Beispiel, um Streaming zu implementieren:

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)

Lese vom Stream, während Tokens eintreffen. Die unzensierte LLM Online API unterstützt dies nativ. Streaming reduziert die wahrgenommene Latenz für Endbenutzer. Beachte, dass Streaming dieselbe Token-Anzahl verbraucht wie nicht-streaming Anfragen. Jeder Token wird gemäß deinem Prepaid-Guthaben berechnet.

Ratenlimits und Kontextfenster

Die unzensierte LLM Online API erzwingt ein Limit von 300 Anfragen pro Minute pro Schlüssel. Die maximale Größe des Anfragekörpers beträgt 8 MB. Das Kontextfenster umfasst 100.000 Token, sowohl Prompt als auch Vervollständigung. Wenn du das Ratenlimit überschreitest, gibt die API einen 429-Fehler zurück. Wenn dein Prepaid-Guthaben erschöpft ist, erhältst du einen 402-Fehler. Ein ungültiger oder abgelaufener Schlüssel führt zu einem 401-Fehler. Diese Limits gewährleisten eine faire Nutzung für alle Entwickler. Pay as you go Prepaid-Guthaben verfällt nie, sodass du dein Guthaben nutzen kannst, wann immer du es brauchst.