Τεκμηρίωση API

Βασικό URL και Αυθεντικοποίηση

Συνδεθείτε σε https://api.tokenllm.cc/v1 χρησιμοποιώντας το μοναδικό API key σας. Αυτό το base URL λειτουργεί με οποιοδήποτε τυπικό OpenAI SDK ρυθμίζοντας το base_url variable. Λαμβάνετε ένα ενεργό key ανά λογαριασμό· η δημιουργία νέου key αντικαθιστά το προηγούμενο. Η authentication βασίζεται στο Authorization: Bearer <key> header. Δεν παρακολουθούμε τα prompts σας για εκπαίδευση, και μπορείτε να εγγραφείτε με Google ή email χωρίς αριθμό τηλεφώνου. Τα σφάλματα και οι απορρίψεις καταναλώνουν μηδενικά tokens, οπότε πληρώνετε μόνο για την πραγματική inference.

Το Τερματικό Chat Completions

Στείλτε κείμενο στο POST /v1/chat/completions για τη δημιουργία απαντήσεων. Αυτή η διεπαφή διαχειρίζεται ροές εργασίας εισόδου κειμένου-εξόδου κειμένου με το μοντέλο μας uncensored. Δεν χρειάζεστε embeddings ή δημιουργία εικόνων για τυπικές εργασίες συνομιλίας. Το ID του μοντέλου είναι πάντα "uncensored". Τα αιτήματα επεξεργάζονται στους δικούς μας διακομιστές, διασφαλίζοντας ότι κανένας τρίτος πάροχος δεν φιλτράρει την έξοδό σας. Διατηρήστε το payload σας κάτω από 8 MB για να αποφύγετε προβλήματα περικοπής.

Απαιτούμενες και Προαιρετικές Παράμετροι

Συμπεριλάβετε ένα messages array με το ιστορικό της συνομιλίας σας. Ορίστε model σε "uncensored" για να διασφαλίσετε τη σωστή δρομολόγηση. Μπορείτε να προσαρμόσετε temperature για τη δημιουργικότητα ή top_p για ποικιλία. Χρησιμοποιήστε max_tokens για να ορίσετε όριο εξόδου στα 16.000 tokens, ή να ορίσετε προεπιλογή στα 2.048. Το παράθυρο συνάφειας υποστηρίζει συνολικά 100.000 tokens για prompt και ολοκλήρωση. Προαιρετικές παράμετροι όπως seed και stop σας προσφέρουν ακριβή έλεγχο της παραγωγής.

Streaming Αποκρίσεις μέσω SSE

Ενεργοποιήστε streaming ρυθμίζοντας stream: true στην αίτησή σας. Το API επιστρέφει Server-Sent Events (SSE) για παράδοση tokens σε πραγματικό χρόνο. Κάθε chunk περιέχει μερικό κείμενο, και το τελευταίο chunk περιλαμβάνει στατιστικά συνολικής χρήσης tokens. Αυτή η προσέγγιση μειώνει την αντιλαμβανόμενη καθυστέρηση για μεγάλες απαντήσεις. Μπορείτε να επεξεργαστείτε τα tokens καθώς φτάνουν, κάτι που είναι ιδανικό για διεπαφές συνομιλίας. Η ροή (streaming) λειτουργεί με όλες τις τυπικές παραμέτρους.

Function Calling και JSON Mode

Ορίστε εργαλεία στο tools η παράμετρος για δυνατότητες κλήσης συναρτήσεων. Το μοντέλο μπορεί να εξάγει δομημένο JSON όταν ορίσετε response_format για {"type": "json_object"}. Αυτό εξασφαλίζει αξιόπιστη ανάλυση για εφαρμογές downstream. Μπορείτε να καθορίσετε tool_choice για να επιβληθεί ή να επιτραπεί η αυτόματη επιλογή. Αυτές οι λειτουργίες λειτουργούν μέσα στο ίδιο μοντέλο χωρίς λογοκρισία, οπότε δεν χρειάζεστε έναν ξεχωριστό πάροχο δομημένης εξόδου.

Χειρισμός Σφαλμάτων και Χρήση Token

Διαχειριστείτε το HTTP 401 για μη έγκυρα keys και το 429 για όρια ρυθμού. Περιορίζεστε σε 300 αιτήσεις ανά λεπτό και 8 ταυτόχρονες αιτήσεις ανά key. Αν λάβετε 402, το προπληρωμένο credit σας έχει εξαντληθεί. Οι απορρίψεις λόγω φίλτρων περιεχομένου (όπως σεξουαλικό περιεχόμενο ανηλίκων) δεν χρεώνουν tokens. Το API δεν λήγει ποτέ το credit σας, οπότε μπορείτε να προσθέσετε credit οποιαδήποτε στιγμή. Ελέγχετε πάντα το σώμα της απόκρισης για λεπτομερή μηνύματα σφάλματος.

cURL

Copycurl https://api.tokenllm.cc/v1/chat/completions \
  -H "Authorization: Bearer $API_KEY" \
  -H "Content-Type: application/json" \
  -d '{
    "model": "uncensored",
    "messages": [{"role": "user", "content": "What is the current price of one llm token"}]
  }'

Python

Copyfrom openai import OpenAI

client = OpenAI(base_url="https://api.tokenllm.cc/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.tokenllm.cc/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);

Ροή

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)