API Documentatie

Basis-URL en authenticatie

Verbind met https://api.tokenllm.cc/v1 met behulp van je unieke API-sleutel. Deze base URL werkt met elke standaard OpenAI SDK door de base_url variabele. Je ontvangt één actieve sleutel per account; het genereren van een nieuwe sleutel vervangt de vorige. Authenticatie is afhankelijk van de Authorization: Bearer <key> header. We volgen je prompts niet voor training, en je kunt je aanmelden via Google of e-mail zonder telefoonnummer. Fouten en weigeringen verbruiken nul tokens, dus je betaalt alleen voor daadwerkelijke inferentie.

Het Chat Completions Endpoint

Stuur tekst naar POST /v1/chat/completions om antwoorden te genereren. Dit eindpunt verwerkt tekst-in, tekst-uit-workflows met ons ongecensureerde model. Je hebt geen embeddings of beeldgeneratie nodig voor standaard chattaken. De model-ID is altijd "uncensored". Verzoeken worden verwerkt op onze eigen servers, wat garandeert dat geen derde partij je uitvoer filtert. Houd je payload onder de 8 MB om truncatieproblemen te vermijden.

Vereiste en optionele parameters

Voeg een messages array met je gespreksgeschiedenis. Stel model na "uncensored" om correcte routing te garanderen. Je kunt temperature voor creativiteit of top_p voor diversiteit. Gebruik max_tokens om output te beperken tot 16.000 tokens, of standaard naar 2.048. Het contextvenster ondersteunt in totaal 100.000 tokens voor prompt en voltooiing. Optionele parameters zoals seed en stop geven je precieze controle over de generatie.

Streaming-responsen via SSE

Activeer streaming door stream: true in je verzoek. De API retourneert Server-Sent Events (SSE) voor realtime tokenlevering. Elk chunk bevat gedeeltelijke tekst, en het laatste chunk bevat totale tokenverbruiksstatistieken. Deze aanpak vermindert de waargenomen latentie voor lange antwoorden. Je kunt tokens verwerken terwijl ze aankomen, wat ideaal is voor chatinterfaces. Streaming werkt met alle standaardparameters.

Function Calling en JSON-modus

Definieer tools in de tools parameter voor function calling-mogelijkheden. Het model kan gestructureerde JSON uitvoeren als je response_format naar {"type": "json_object"}. Dit zorgt voor betrouwbare parsing voor downstream-toepassingen. Je kunt specificeren tool_choice om automatische selectie af te dwingen of toe te staan. Deze functies werken binnen hetzelfde ongecensureerde model, dus u heeft geen aparte provider voor gestructureerde uitvoer nodig.

Fouthantering en Tokengebruik

Afhandelen van HTTP 401 voor ongeldige sleutels en 429 voor limieten. Je bent beperkt tot 300 verzoeken per minuut en 8 gelijktijdige verzoeken per sleutel. Als je een 402 krijgt, is je vooruitbetaalde krediet op. Weigeringen vanwege inhoudsfilters (zoals seksuele inhoud met minderjarigen) kosten geen tokens. De API laat je krediet nooit vervallen, dus je kunt op elk moment opladen. Controleer altijd het antwoordlichaam voor gedetailleerde foutberichten.

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);

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)