Panduan Cepat API Uncensored LLM Online

URL Dasar dan Autentikasi

API LLM tanpa sensor online menggunakan endpoint yang kompatibel dengan OpenAI. Konfigurasikan klien Anda untuk mengarah ke URL dasar https://api.uncensoredllmonline.com/v1. Autentikasi ditangani melalui kunci API yang diteruskan dalam header Authorization. Anda dapat membuat kunci Anda di halaman Dapatkan kunci API hanya dengan menggunakan email dan kata sandi. Kunci ditampilkan segera setelah pendaftaran. Tidak diperlukan nomor telepon atau kartu kredit untuk memulai. Setiap akun memiliki satu kunci aktif, yang dapat dibuat ulang kapan saja untuk mencabut akses kunci lama. Simpan kunci Anda dengan aman, karena kunci tersebut memberikan akses langsung ke saldo prabayar Anda.

Endpoint Chat Completions

Kirim teks ke LLM tanpa sensor dengan mengirim permintaan ke POST /v1/chat/completions. Endpoint ini menerima daftar pesan dan mengembalikan respons model. ID model yang digunakan adalah uncensored. Ini adalah model bobot terbuka yang disesuaikan untuk menjawab tanpa penolakan konten untuk penggunaan dewasa yang sah. Ini bukan GPT, Claude, atau model dari vendor lain. API mengembalikan kemampuan generasi teks mentah yang cocok untuk integrasi kustom. Gunakan perintah cURL berikut untuk menguji permintaan dasar:

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."}]
  }'

Body permintaan harus menyertakan ID model dan riwayat pesan Anda. Pastikan klien Anda mengirim header Authorization: Bearer <your-key>. Respons akan berisi teks yang dihasilkan, yang dapat Anda parsing dan gunakan dalam logika aplikasi Anda.

Integrasi SDK Python

Gunakan SDK Python OpenAI resmi untuk berinteraksi dengan model AI tanpa sensor. Atur base_url dan api_key dalam inisialisasi klien Anda. Ini memungkinkan Anda menggunakan metode yang sudah akrab seperti chat.completions.create. Contoh berikut menunjukkan cara menginisialisasi klien dan mengirim pertanyaan sederhana:

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)

Pendekatan ini memungkinkan Anda memanfaatkan struktur kode yang ada sambil beralih ke LLM tanpa sensor. SDK menangani serialisasi JSON dan parsing respons secara otomatis. Ingatlah bahwa ID model harus diatur ke uncensored untuk memastikan Anda mencapai endpoint yang benar. Metode ini sangat ideal untuk pengembang yang ingin meminimalkan kode boilerplate.

Integrasi SDK Node.js

Untuk proyek JavaScript atau TypeScript, SDK Node.js OpenAI bekerja dengan lancar dengan API kami. Inisialisasi klien dengan kunci API dan URL dasar yang benar. Endpoint mendukung chat completions standar, sehingga mudah diintegrasikan ke dalam aplikasi web atau fungsi serverless. Berikut cara Anda mengonfigurasi klien:

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);

Lewatkan array pesan dan ID model uncensored ke fungsi penyelesaian. Respons akan berisi teks yang dihasilkan. Integrasi ini cocok untuk pengembang yang perlu menyisipkan generasi teks tanpa sensor ke dalam aplikasi Node.js. Pastikan Anda menangani kesalahan dengan tepat, karena API dapat mengembalikan kesalahan batas laju atau habisnya kredit.

Respons Streaming (SSE)

Aktifkan generasi teks waktu nyata dengan mengatur stream: true dalam permintaan Anda. API mengembalikan Server-Sent Events (SSE) yang mengirimkan token respons demi token. Ini berguna untuk antarmuka obrolan atau aplikasi di mana latensi sangat penting. Gunakan contoh berikut untuk mengimplementasikan 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)

Baca dari stream saat token tiba. API LLM Online Tanpa Sensor mendukung ini secara asli. Streaming mengurangi latensi yang dirasakan oleh pengguna akhir. Perhatikan bahwa streaming mengonsumsi jumlah token yang sama dengan permintaan non-streaming. Setiap token ditagihkan sesuai dengan saldo prabayar Anda.

Batas Laju dan Jendela Konteks

API LLM Online Tanpa Sensor memberlakukan batas 300 permintaan per menit per kunci. Ukuran badan permintaan maksimum adalah 8 MB. Jendela konteks adalah 100.000 token, mencakup prompt dan penyelesaian. Jika Anda melebihi batas laju, API mengembalikan kesalahan 429. Jika saldo prabayar Anda habis, Anda menerima kesalahan 402. Kunci yang tidak valid atau kedaluwarsa menghasilkan kesalahan 401. Batas-batas ini memastikan penggunaan yang adil di antara semua pengembang. Saldo prabayar bayar-per-penggunaan tidak pernah kedaluwarsa, sehingga Anda dapat menggunakan saldo Anda kapan pun Anda membutuhkannya.