Documentación de la API

URL Base y Autenticación

Conéctate a https://api.tokenllm.cc/v1 usando tu clave API única. Esta base URL funciona con cualquier SDK estándar de OpenAI configurando el base_url variable. Recibes una clave activa por cuenta; generar una nueva clave reemplaza a la anterior. La autenticación se basa en el Authorization: Bearer <key> header. No rastreamos tus prompts para entrenamiento, y puedes registrarte con Google o correo electrónico sin número de teléfono. Los errores y rechazos consumen cero tokens, así que solo pagas por la inferencia real.

El endpoint de finalización de chat

Enviar texto a POST /v1/chat/completions para generar respuestas. Este endpoint maneja flujos de trabajo de entrada y salida de texto con nuestro modelo sin censura. No necesitas embeddings ni generación de imágenes para tareas de chat estándar. El ID del modelo es siempre "uncensored". Las solicitudes se procesan en nuestros propios servidores, asegurando que ningún proveedor de terceros filtre tu salida. Mantén tu carga útil por debajo de 8 MB para evitar problemas de truncamiento.

Parámetros requeridos y opcionales

Incluir un messages array con tu historial de conversaciones. Establece model a "uncensored" para garantizar el enrutamiento correcto. Puedes ajustar temperature para la creatividad o top_p para la diversidad. Usa max_tokens para limitar la salida a 16.000 tokens, o predeterminar a 2.048. La ventana de contexto soporta 100.000 tokens en total para prompt y finalización. Los parámetros opcionales como seed y stop te otorga un control preciso sobre la generación.

Respuestas en streaming vía SSE

Habilita la transmisión estableciendo stream: true en tu solicitud. La API devuelve Eventos Enviados por Servidor (SSE) para la entrega de tokens en tiempo real. Cada fragmento contiene texto parcial, y el último fragmento incluye las estadísticas de uso total de tokens. Este enfoque reduce la latencia percibida para respuestas largas. Puedes procesar los tokens a medida que llegan, lo cual es ideal para interfaces de chat. El flujo funciona con todos los parámetros estándar.

Llamada de Función y Modo JSON

Define herramientas en el tools el parámetro para capacidades de llamada a funciones. El modelo puede generar JSON estructurado cuando estableces response_format para {"type": "json_object"}. Esto asegura un análisis fiable para aplicaciones posteriores. Puedes especificar tool_choice para forzar o permitir la selección automática. Estas funciones funcionan dentro del mismo modelo uncensored, por lo que no necesitas un proveedor de salida estructurada separado.

Gestión de errores y uso de tokens

Gestiona HTTP 401 para claves inválidas y 429 por límites de tasa. Estás limitado a 300 solicitudes por minuto y 8 solicitudes concurrentes por clave. Si obtienes un 402, tu crédito prepagado se ha agotado. Las denegaciones debido a filtros de contenido (como contenido sexual con menores) no cobran tokens. La API nunca expira tu crédito, por lo que puedes recargar en cualquier momento. Comprueba siempre el cuerpo de la respuesta para obtener mensajes de error detallados.

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);

Transmisión

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)