API-Dokumentation: Unzensierte Chat-Vervollständigungen

Basis-URL und Authentifizierungseinrichtung

Richten Sie Ihren Client zunächst auf unseren Endpunkt. Verwenden Sie den https://api.tokencostclaude.com/v1 Basis-URL für alle Anfragen fest. Authentifizieren Sie sich über die Authorization header mit Ihrem Bearer-Token.

Copycurl https://api.tokencostclaude.com/v1/chat/completions \
  -H "Authorization: Bearer $API_KEY" \
  -H "Content-Type: application/json" \
  -d '{
    "model": "uncensored",
    "messages": [{"role": "user", "content": "List the 2024 monthly costs for ten million tokens"}]
  }'

Halten Sie Ihren Schlüssel sicher. Jedes Konto hält jeweils nur einen aktiven Schlüssel. Ersetzen Sie einen alten Schlüssel, indem Sie einen neuen im Dashboard generieren.

POST /v1/chat/completions Endpunkt-Leitfaden

Senden Sie Nachrichten zur Textgenerierung. Posten Sie einen JSON-Body an den /v1/chat/completions Pfad. Die Modell-ID ist uncensored.

Copyfrom openai import OpenAI

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

Eingabetokens kosten $0,15 pro Million. Ausgabetokens kosten $0,50 pro Million. Fehler und Ablehnungen verursachen keine Kosten. Ihr Prepaid-Guthaben wird nur bei erfolgreicher Inhaltsgenerierung reduziert.

Streaming-Antworten und Token-Nutzung in SSE

Aktivieren Sie Streaming, indem Sie stream: true. Der Server sendet Server-Sent Events. Jeder Chunk enthält teilweise Text und Metadaten.

Copyimport OpenAI from "openai";

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

Die Token-Nutzungsdaten erscheinen im letzten Chunk. Dies ermöglicht eine präzise Kostenverfolgung pro Anfrage. Analysieren Sie die usage field to monitor your spending in real time.

Unterstützung für Function Calling (Tools) und JSON-Modus

Definieren Sie Tools in der tools array. Das Modell antwortet mit strukturierten Tool-Aufrufen. Sie können eine strenge JSON-Ausgabe mit response_format gesetzt auf {"type": "json_object"}.

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)

Dies funktioniert mit Standard-OpenAI-kompatiblen Clients. Konfigurieren Sie Tool-Auswahlen, um zu steuern, wann das Modell entscheidet, eine Funktion aufzurufen, anstatt einfachen Text zu generieren.

Parameter: Temperatur, Top-p, Stop, Seed und Strafen

Passen Sie das Modellverhalten mit Standardparametern an. Legen Sie temperature für Zufälligkeit. Verwenden Sie top_p für Nucleus-Sampling. Definieren Sie stop Sequenzen, um die Generierung frühzeitig zu stoppen.

Festlegen seed für reproduzierbare Ausgaben. Wenden Sie presence_penalty und frequency_penalty um Wiederholung zu steuern. Diese Felder spiegeln die OpenAI-API-Spezifikation genau wider.

GET /v1/models Endpunkt und Verwendung der Modell-ID

Verfügbare Modelle abfragen über den GET /v1/models Endpunkt. Überprüfen Sie den uncensored Modell ist aufgeführt. Die Antwort bestätigt, dass Ihre Verbindung gültig ist.

Verwenden Sie stets uncensored als Modell-ID in Ihren Anfragen. Dies stellt sicher, dass Sie unser unzensiertes Large Language Model treffen. Prüfen Sie diesen Endpunkt, um Verbindungsprobleme zu debuggen, bevor Sie schwere Payloads senden.