Ablivierte KI-Chat-API-Dokumentation

Schnellstart: Ihre erste Anfrage

Sende eine einfache Chat-Vervollständigung, um die Konnektivität und das unzensierte Verhalten zu überprüfen. Die API akzeptiert Standard chat/completions payloads und gibt Textantworten ohne Inhaltsfilter für die rechtliche Nutzung durch Erwachsene zurück. Sie benötigen einen gültigen API-Schlüssel und die korrekte Basis-URL, um fortzufahren. Beginnen Sie mit einer kurzen Eingabe, um zu bestätigen, dass das Modell wie erwartet antwortet.

Die Modell-ID ist uncensored. Das Kontextfenster unterstützt insgesamt 100,000 Tokens. Pro Anfrage gelten Ausgabelimits. Prüfe dein Guthaben, bevor du große Payloads sendest. Fehler wie 402 deuten auf unzureichendes Guthaben hin.

Wir priorisieren rohen Durchsatz gegenüber komplexem Routing. Keine Drittanbieter-Proxies stören Ihre Anfragen. Die Infrastruktur wurde für Entwickler gebaut, die Zuverlässigkeit benötigen. Nutzen Sie die folgenden Beispiele für eine schnelle Integration.

Authentifizierung und Basis-URL

Verwenden Sie Ihren einzigartigen API-Schlüssel, der sofort nach der Anmeldung gesendet wird. Authentifizieren Sie jede Anfrage mit dem Authorization: Bearer <key> header. Die Basis-URL ist https://api.abliteratedaichat.com/v1. Dies gewährleistet die Kompatibilität mit offiziellen OpenAI SDKs und jeder kompatiblen Client-Bibliothek.

Bewahren Sie Ihren Schlüssel sicher auf. Ein Schlüssel pro Konto; ein neuer Schlüssel ersetzt den alten. Wenn Sie den Zugriff verlieren, generieren Sie einen neuen Schlüssel über das Dashboard. Bei ungültigen Schlüsseln wird der Fehler 401 zurückgegeben. Setzen Sie Ihren Schlüssel niemals im Client-Code frei.

Die Anmeldung erfordert nur eine E-Mail-Adresse oder ein Google-Konto. Keine Telefonnummer erforderlich. Guthaben verfällt nie. Rückerstattungen werden nicht ausgegeben, aber Abrechnungsfehler werden über Support behoben. Verwenden Sie den Schlüssel in Ihren Umgebungsvariablen für sauberen Code.

Streaming-Antworten mit SSE

Aktivieren Sie Streaming, indem Sie stream: true in Ihrer Anfrage. Erhalten Sie Tokens über Server-Sent Events (SSE), während sie generiert werden. Der letzte Chunk enthält die gesamte Token-Nutzung für Abrechnung und Tracking. Dies reduziert die wahrgenommene Latenz für lange Rollenspiel- oder Schreibaufgaben.

Den SSE-Stream sorgfältig parsen. Ignorieren Sie Nicht-Daten-Ereignisse. Fügen Sie Token-Deltas zusammen, um die vollständige Antwort wiederherzustellen. Das Modell lehnt legale Erwachseneninhalte nicht ab, daher funktioniert das Streaming nahtlos für NSFW-Chatbot-Szenarien. Überwachen Sie 429-Ratenbegrenzungen während hochdurchsatzintensiver Sitzungen.

Streaming ist ideal für Echtzeitanwendungen. Es ermöglicht die sofortige Anzeige des generierten Texts. Verwenden Sie dies für Chat-Schnittstellen, bei denen Benutzer sofortiges Feedback erwarten. Stellen Sie sicher, dass Ihr Client Teilantworten korrekt verarbeitet.

JSON-Modus und Funktionsaufruf

Verwenden response_format mit {"type": "json_object"} um strukturierte Ausgaben zu erzwingen. Dies ist entscheidend für die Datenanalyse oder die Integration mit anderen Systemen. Funktionsaufrufe funktionieren über den standardmäßigen tools und tool_choice Parameter. Das Modell befolgt Anweisungen präzise, auch bei komplexen Einschränkungen.

Teste Function Calling zunächst mit einfachen Tools. Überprüfe, ob das Modell das Schema einhält. Ablibrierte Modelle halten Anweisungen besser ein als viele unzensierte Alternativen. Große Prompts mit mehreren Einschränkungen können jedoch dennoch zu Abweichungen führen. Validiere die JSON-Ausgabe immer.

Kombinieren Sie Streaming mit dem JSON-Modus, falls erforderlich. Das letzte Chunk enthält Nutzungsstatistiken. Function Calling erhöht die Flexibilität Ihrer unzensierten LLM-Integration. Nutzen Sie dies für Agenten-Architekturen oder automatisierte Workflows, die strukturierte Daten erfordern.

Parameter: Temperatur, Top P und Stop-Sequenzen

Anpassen temperature für Kreativität oder Determinismus. Verwenden top_p für Nucleus-Sampling. Legen Sie stop Sequenzen, um die Generierung an bestimmten Markern zu stoppen. Diese Parameter steuern das Verhalten des Modells. Niedrigere Temperaturen führen zu konsistenteren Ausgaben. Höhere Temperaturen erhöhen die Zufälligkeit.

Experimentiere mit verschiedenen Werten für deinen Anwendungsfall. Roleplay profitiert von einer höheren Temperatur. Coding-Aufgaben erfordern möglicherweise eine niedrigere Temperatur für Präzision. Die API unterstützt alle Standardparameter: seed, presence_penalty, und frequency_penalty. Passe diese für optimale Ergebnisse an.

Stop-Sequenzen sind nützlich für Multi-Turn-Gespräche. Sie verhindern, dass das Modell über einen gewünschten Punkt hinaus fortfährt. Nutzen Sie sie, um Antworten sauber zu strukturieren. Kombinieren Sie sie mit dem JSON-Modus für eine zuverlässige Datenextraktion. Testen Sie gründlich, bevor Sie in die Produktion gehen.

Rate-Limits und Parallelität

Das Limit beträgt 300 Anfragen pro Minute pro Schlüssel. Gleichzeitige Anfragen sind pro Schlüssel auf 8 begrenzt. Die Größe des Anfragekörpers ist auf 8 MB begrenzt. Diese Limits gewährleisten eine faire Nutzung und eine stabile Leistung. Das Überschreiten der Limits führt zu 429-Fehlern. Implementieren Sie Wiederholungslogik mit exponentiellem Backoff.

Überwachen Sie Ihre Nutzung, um Drosselung zu vermeiden. Hohe Parallelität kann Limits auslösen, wenn Anfragen groß sind. Das Kontextfenster beträgt 100.000 Tokens. Die maximale Ausgabe beträgt 16.000 Tokens pro Anfrage. Fehler und Ablehnungen sind kostenlos, sodass fehlgeschlagene Anfragen keine Guthaben kosten.

Planen Sie Ihre Integration entsprechend. Nutzen Sie Warteschlangen für Verkehrsspitzen. Die API bewältigt hohen Durchsatz effizient. Keine SLA-Garantien, aber die Infrastruktur ist auf Zuverlässigkeit ausgelegt. Kontaktieren Sie den Support bei Problemen. Halten Sie Ihren Schlüssel sicher, um unbefugte Nutzung zu vermeiden.

cURL

Copycurl https://api.abliteratedaichat.com/v1/chat/completions \
  -H "Authorization: Bearer $API_KEY" \
  -H "Content-Type: application/json" \
  -d '{
    "model": "uncensored",
    "messages": [{"role": "user", "content": "What is the capital of France"}]
  }'

Python

Copyfrom openai import OpenAI

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