Erste Anfrage in fünf Minuten

Authentifizierung & Basis-URL

Unsere API ist als sofort einsetzbare Alternative zu bestehenden OpenAI-Clients konzipiert. Du musst nur zwei Dinge in deiner Konfiguration ändern: die Basis-URL und den API-Schlüssel. Die Basis-URL für diesen Dienst ist https://api.uncensoredgpt.top/v1. Du kannst deinen API-Schlüssel direkt nach der Anmeldung über Google oder E-Mail im Dashboard generieren. Es wird keine Telefonnummer benötigt, und der Schlüssel wird bei der Erstellung einmalig angezeigt.

Stelle sicher, dass du deinen Schlüssel sicher speicherst. Wenn du ihn verlierst, kannst du über das Dashboard einen neuen generieren, wodurch der vorherige Schlüssel ungültig wird. Diese einfache Einrichtung ermöglicht es dir, unsere unzensierte KI-API mit Standardbibliotheken ohne benutzerdefinierte Adapter zu verbinden.

Chat Completions Endpunkt

Die Kernfunktionalität wird über den Standard-POST /v1/chat/completions-Endpunkt bereitgestellt. Dieser Endpunkt akzeptiert Texteingaben und gibt Textausgaben zurück und unterstützt sowohl synchrone als auch asynchrone Anfragen. Du musst dir keine Gedanken über Modell-Routing oder Aggregation machen; wir bieten ein einzelnes, hochleistungsfähiges unzensiertes Large Language Model an, das für unzensierte Inhalte optimiert ist.

Bei einer Anfrage musst du die Modell-ID als uncensored angeben. Dieses Modell ist ein Open-Weight-Modell, das auf unseren eigenen Servern gehostet wird und sich von GPT, Claude oder anderen Anbietermodellen unterscheidet. Es wurde entwickelt, um ohne Inhaltsfilter für die legale erwachsene Nutzung zu antworten, was es ideal für NSFW- oder kontroverse Themen macht.

Um zu beginnen, kannst du den Endpunkt mit einem einfachen cURL-Befehl testen. Ersetze YOUR_API_KEY durch deinen tatsächlichen Schlüssel.

Copycurl https://api.uncensoredgpt.top/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."}]
  }'

Streaming-Antworten (SSE)

Für Echtzeitanwendungen unterstützt die API Server-Sent Events (SSE). Streaming ermöglicht es dir, Token zu empfangen, sobald sie generiert werden, was die Benutzererfahrung für Chat-Schnittstellen verbessert. Wenn du stream: true in deiner Anfrage festlegst, gibt die API einen Stream von Chunks zurück, anstatt eine einzelne vollständige Antwort.

Jeder Chunk enthält teilweise Text, und der letzte Chunk enthält die Token-Nutzungsstatistiken für Abrechnungszwecke. Diese Funktion ist besonders nützlich für Anwendungen, die sofortiges Feedback erfordern. Du kannst den Stream in deiner bevorzugten Sprache mit dem entsprechenden SDK verarbeiten.

Hier ist ein Beispiel, wie du eine Streaming-Anfrage mit cURL initiierst:

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)

Function Calling & Tools

Die API unterstützt Function Calling, wodurch deine Anwendung mit externen Tools und Diensten interagieren kann. Du kannst eine Liste von Funktionen im tools-Parameter definieren, und das Modell antwortet mit einem Function Call, wenn dies angemessen ist. Dies ist nützlich für den Aufbau von Agents oder Anwendungen, die bestimmte Aktionen ausführen müssen.

Du kannst das Verhalten des Modells über tool_choice steuern, das auf auto, none oder eine bestimmte Funktions-ID eingestellt werden kann. Das Modell gibt den Funktionsnamen und die Argumente in der Antwort zurück, die du dann in deiner Anwendung ausführen kannst.

Hier ist ein Python-Beispiel, das zeigt, wie du die Function Calling-Funktion mit dem OpenAI-kompatiblen SDK verwendest:

Copyfrom openai import OpenAI

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

JSON-Modus-Konfiguration

Wenn du strukturierte Ausgaben benötigst, kannst du den JSON-Modus aktivieren, indem du den response_format-Parameter auf {"type": "json_object"} setzt. Dies weist das Modell an, Ausgaben zu generieren, die der gültigen JSON-Syntax entsprechen. Dies ist besonders nützlich für Anwendungen, die die Antwort programmatisch parsen müssen.

Wenn du den JSON-Modus verwendest, vermeidet das Modell das Hinzufügen von Markdown-Umrandungen oder zusätzlichem Text um das JSON-Objekt. Dies stellt sicher, dass dein Parser die Antwort direkt verarbeiten kann, ohne zusätzliche Bereinigungsschritte. Es ist eine zuverlässige Möglichkeit, strukturierte Daten von einem LLM zu erhalten.

Hier ist ein Node.js-Beispiel, das zeigt, wie du den Client für den JSON-Modus konfigurierst:

Copyimport OpenAI from "openai";

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

Parameter: Temperatur & Top P

Du kannst die Zufälligkeit und Kreativität der Modellausgaben über Parameter wie temperature und top_p steuern. Der temperature-Parameter passt die Abtasttemperatur an, wobei niedrigere Werte die Ausgabe deterministischer und höhere Werte kreativer machen. Der top_p-Parameter steuert die Nukleusabtastung und beschränkt das Modell darauf, nur die Top-p-Wahrscheinlichkeitsmasse an Token zu berücksichtigen.

Zu den weiteren unterstützten Parametern gehören stop-Sequenzen, seed für Reproduzierbarkeit sowie Strafen für presence_penalty und frequency_penalty. Diese Parameter ermöglichen es dir, das Verhalten des Modells an deinen spezifischen Anwendungsfall anzupassen.

Das Verständnis dieser Parameter ist entscheidend für die Optimierung der Qualität deiner generierten Texte. Experimentiere mit verschiedenen Werten, um das richtige Gleichgewicht für deine Anwendung zu finden.