Inicio rápido: Integra la API de LLM sin censura

Prerrequisitos: SDK y clave API

Comienza creando una cuenta para recibir tu clave API única. Inicia sesión con Google o con una contraseña de correo electrónico para generar una clave al instante sin verificación telefónica. Instala el paquete SDK de tu preferencia, como openai para Python, y configúrelo con la URL base https://api.apiaicheapest.com/v1. Autentifica cada solicitud configurando el Authorization header para Bearer YOUR_API_KEY. Puedes probar la conectividad inmediatamente usando los ejemplos proporcionados.

Solicitud de Completado de Chat Básico

Envía una solicitud estándar de completación de chat para generar respuestas de texto. La API acepta una lista de mensajes y devuelve la salida del modelo. Utiliza el ID del modelo uncensored acceder a nuestro modelo de peso abierto sin rechazos de contenido. Cada respuesta incluye detalles de uso de tokens para un seguimiento preciso de la facturación. Los errores como crédito insuficiente o claves inválidas se devuelven con códigos de estado HTTP claros.

Copycurl https://api.apiaicheapest.com/v1/chat/completions \
  -H "Authorization: Bearer $API_KEY" \
  -H "Content-Type: application/json" \
  -d '{
    "model": "uncensored",
    "messages": [{"role": "user", "content": "Convert this Python list to a JSON array"}]
  }'

Respuestas en streaming (SSE)

Habilita el streaming para recibir tokens en tiempo real a medida que se generan. Configura el stream el parámetro a true en tu cuerpo de solicitud. El servidor devuelve una secuencia de Eventos Enviados por Servidor (SSE) que contienen finalizaciones parciales. Lee el último fragmento para obtener el recuento total de tokens y el costo. Este enfoque reduce significativamente la latencia percibida para los usuarios finales.

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)

Llamada de funciones (Herramientas)

Define herramientas para permitir que el modelo llame a funciones externas dinámicamente. Pasa una lista de definiciones de herramientas en tools parameter y especifica tool_choice como auto. El modelo devuelve los argumentos de la función en formato JSON cuando es apropiado. Analiza estos argumentos en tu código para ejecutar la lógica requerida. Esta función permite flujos de trabajo de agentes complejos y tareas de extracción de datos.

Copyimport OpenAI from "openai";

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

Modo JSON y parámetros

Fuerza una salida estructurada estableciendo response_format para {"type": "json_object"}. Esto garantiza que el modelo devuelva JSON, lo cual es crucial para el consumo programático. También puedes controlar la aleatoriedad con temperature y top_p, o secuencias de parada. Ajusta estos parámetros para equilibrar creatividad y precisión. El modelo soporta una ventana de contexto de 100,000 tokens para documentos largos.

Manejo de límites y errores

Monitora los límites de velocidad y las respuestas de error para mantener una integración fluida. La API permite 300 solicitudes por minuto por clave con un límite de concurrencia de 8 solicitudes simultáneas. Maneja HTTP 401 para claves inválidas, 402 por crédito insuficiente y 429 por límites de velocidad. Aumenta tu crédito prepagado mediante recargas con criptomonedas para evitar interrupciones del servicio. Comprueba siempre la usage field in responses to track token consumption accurately.

Python

Copyfrom openai import OpenAI

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