Uncensored ollama model API Documentation
Questa guida ti aiuta a integrare un LLM uncensored nelle tue applicazioni utilizzando codice standard compatibile con OpenAI. Puoi eseguire l'API del modello uncensored ollama con zero blocchi di policy del vendor.
URL Base e Autenticazione
L'URL di base dell'API è https://api.uncensoredollamodel.com/v1. Autenticati passando la tua chiave API nell' Authorization header. Ricevi una chiave immediatamente dopo la registrazione.
Prima richiesta
Invia un semplice completamento chat per testare la connettività. L'ID del modello è uncensored.
curl https://api.uncensoredollamamodel.com/v1/chat/completions \
-H "Authorization: Bearer $API_KEY" \
-H "Content-Type: application/json" \
-d '{
"model": "uncensored",
"messages": [{"role": "user", "content": "list the top five linux kernel security patches from 2023"}]
}'Aspettati una risposta di testo o un errore se vengono superati i limiti.
SDK Python
Utilizza la libreria ufficiale di OpenAI per Python. Configura l'URL di base e la chiave per instradare le richieste ai nostri server.
from openai import OpenAI
client = OpenAI(base_url="https://api.uncensoredollamamodel.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)Imposta max_tokens per controllare la lunghezza dell'output. L'output predefinito è 2.048 token.
SDK Node
Inizializza il client con l'URL base corretto. Passa il nome del modello uncensored nelle tue richieste.
import OpenAI from "openai";
const client = new OpenAI({ baseURL: "https://api.uncensoredollamamodel.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);Gestisci le risposte in modo asincrono. L'SDK trasmette i dati se abiliti la modalità streaming.
Streaming
Abilita lo streaming per ricevere i token man mano che vengono generati. Questo riduce la latenza percepita per le output lunghe.
stream = 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)L'utilizzo dei token viene segnalato nell'ultimo chunk. Analizzalo per una fatturazione accurata.
Limiti ed Errori
Ricevi 300 richieste al minuto. La finestra di contesto è di 100.000 token. Gli errori includono 401 per chiavi non valide e 429 per i limiti di frequenza. Controlla il tuo saldo se vedi 402.
Domande frequenti
È questo il modello ollama senza filtri?
Offriamo un modello di linguaggio di grandi dimensioni (LLM) senza filtri. Non è un binario Ollama ma un'API che esegue un modello open-weight ottimizzato per un output non restrittivo.
Come pago per i token?
Ricarica con crypto come USDT o USDC. Il credito non scade. Paghi per token utilizzati.
Qual è la dimensione della finestra di contesto?
La finestra di contesto è di 100.000 token. Questo include sia i token del prompt che quelli del completazione combinati.
La tua chiave API è pronta
Iscriviti, recupera la tua chiave e aggiorna il tuo URL di base. È tutto ciò che devi fare.
