Documentation API chat IA Abliterated

Démarrage rapide : Votre première requête

Envoyez une simple complétion de chat pour vérifier la connectivité et le comportement sans censure. L'API accepte les standards chat/completions payloads et renvoie des réponses textuelles sans filtres de contenu pour un usage adulte légal. Vous avez besoin d'une clé API valide et de l'URL de base correcte pour procéder. Commencez par une courte invite pour confirmer que le modèle répond comme prévu.

L'ID de modèle est uncensored. La fenêtre de contexte prend en charge un total de 100,000 jetons. Des limites de sortie s'appliquent par requête. Vérifiez vos crédits avant d'envoyer de grosses charges utiles. Les erreurs de type 402 indiquent un solde insuffisant.

Nous privilégions le débit brut par rapport au routage complexe. Aucun proxy tiers n'interfère avec vos requêtes. L'infrastructure est conçue pour les développeurs qui ont besoin de fiabilité. Utilisez les exemples ci-dessous pour intégrer rapidement.

Authentification et URL de base

Utilisez votre clé API unique envoyée immédiatement après l'inscription. Authentifiez chaque requête avec le Authorization: Bearer <key> header. L'URL de base est https://api.abliteratedaichat.com/v1. Cela garantit la compatibilité avec les SDK OpenAI officiels et toute bibliothèque cliente compatible.

Gardez votre clé en sécurité. Une clé active par compte ; une nouvelle clé remplace l'ancienne. Si vous perdez l'accès, générez une nouvelle clé depuis le tableau de bord. Les erreurs retournent un code 401 pour les clés invalides. N'exposez jamais votre clé dans le code côté client.

La création de compte nécessite uniquement une adresse e-mail ou un compte Google. Aucun numéro de téléphone n'est requis. Les crédits n'expirent jamais. Les remboursements ne sont pas émis, mais les erreurs de facturation sont corrigées via le Support. Utilisez la clé dans vos variables d'environnement pour un code propre.

Réponses en streaming avec SSE

Activez le streaming en définissant stream: true dans votre requête. Recevez des tokens via Server-Sent Events (SSE) au fur et à mesure de leur génération. Le dernier chunk inclut l'utilisation totale des tokens pour la facturation et le suivi. Cela réduit la latence perçue pour les tâches de jeu de rôle ou d'écriture longue.

Analysez soigneusement le flux SSE. Ignorez les événements autres que les données. Concaténez les deltas de jetons pour reconstituer la réponse complète. Le modèle ne refuse pas le contenu adulte légal, donc le streaming fonctionne sans problème pour les scénarios de chatbot NSFW. Surveillez les limites de taux 429 lors des sessions à haut débit.

Le streaming est idéal pour les applications en temps réel. Il permet l'affichage immédiat du texte généré. Utilisez-le pour les interfaces de chat où les utilisateurs attendent une réponse instantanée. Assurez-vous que votre client gère correctement les réponses partielles.

Mode JSON et appel de fonctions

Utiliser response_format avec {"type": "json_object"} pour imposer des sorties structurées. C'est crucial pour l'analyse de données ou l'intégration avec d'autres systèmes. L'appel de fonction fonctionne via le standard tools et tool_choice paramètres. Le modèle suit les instructions avec précision, même avec des contraintes complexes.

Testez d'abord l'appel de fonctions avec des outils simples. Vérifiez que le modèle respecte le schéma. Les modèles abligés respectent mieux les instructions que de nombreuses alternatives sans censure. Cependant, les invites longues avec plusieurs contraintes peuvent encore provoquer des écarts. Validez toujours la sortie JSON.

Combinez le streaming avec le mode JSON si nécessaire. Le dernier chunk contient les statistiques d'utilisation. L'appel de fonctions ajoute de la flexibilité à votre intégration LLM uncensored. Utilisez ceci pour des architectures d'agents ou des workflows automatisés nécessitant des données structurées.

Paramètres : Température, Top P et séquences d'arrêt

Ajuster temperature pour la créativité ou le déterminisme. Utilisez top_p pour l'échantillonnage par noyau. Définissez stop séquences pour interrompre la génération à des marqueurs spécifiques. Ces paramètres contrôlent le comportement du modèle. Des températures plus faibles produisent des sorties plus cohérentes. Des températures plus élevées augmentent l'aléatoire.

Expérimentez avec différentes valeurs pour votre cas d’utilisation. Le jeu de rôle bénéficie d’une température plus élevée. Les tâches de codage peuvent nécessiter une température plus basse pour la précision. L’API prend en charge tous les paramètres standard : seed, presence_penalty, et frequency_penalty. Ajustez-les pour des résultats optimaux.

Les séquences d'arrêt sont utiles pour les conversations multi-tours. Elles empêchent le modèle de continuer au-delà du point souhaité. Utilisez-les pour structurer proprement les réponses. Combinez-les avec le mode JSON pour une extraction de données fiable. Testez minutieusement avant le déploiement en production.

Limites de taux et concurrence

La limite est de 300 requêtes par minute par clé. Les requêtes simultanées sont plafonnées à 8 par clé. La taille du corps de la requête est limitée à 8 Mo. Ces limites garantissent une utilisation équitable et des performances stables. Le dépassement des limites renvoie des erreurs 429. Implémentez une logique de réessai avec une backoff exponentielle.

Surveillez votre utilisation pour éviter le throttling. Une concurrence élevée peut déclencher des limites si les requêtes sont volumineuses. La fenêtre de contexte est de 100,000 tokens. La sortie maximale est de 16,000 tokens par requête. Les erreurs et les refus sont gratuits, donc les requêtes échouées ne coûtent pas de crédits.

Planifiez votre intégration en conséquence. Utilisez la file d'attente pour le trafic par rafales. L'API gère efficacement un débit élevé. Pas de garanties SLA, mais l'infrastructure est conçue pour la fiabilité. Contactez le Support pour les problèmes. Gardez votre clé en sécurité pour éviter toute utilisation non autorisée.

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)