Integra la API LLM sin censura

Prerrequisitos e instalación del SDK

Instala el SDK oficial para tu lenguaje para comunicarte con el endpoint. Necesitas Python 3.7+ o Node.js 18+ con una clave de API activa. Las bibliotecas cliente manejan la serialización y la lógica de reintento automáticamente. Esto asegura que tu integración permanezca estable bajo condiciones de carga variables.

Versiones requeridas: Python openai>=1.0.0 o Node [email protected]. Estos paquetes admiten las interfaces modernas de streaming y llamada de herramientas.

Configurar la URL base

Apunta tu cliente SDK a nuestra URL base específica para dirigir el tráfico correctamente. Esto asegura que te conectes al modelo sin censura en lugar del punto de conexión predeterminado de OpenAI. La URL base es https://api.iasenzacensura.com/v1.

Configura la URL base en el código de inicialización de tu cliente. Este único cambio redirige todas las llamadas subsiguientes a nuestra infraestructura. Puedes verificar la conexión llamando a GET /v1/models y buscando el uncensored ID del modelo.

Autenticación con clave de API

Pasa tu clave API en el Authorization header para cada solicitud. Usa el formato Bearer YOUR_API_KEY para autenticar tu identidad. La clave se genera inmediatamente después de registrarte con Google o correo electrónico.

Mantén tu clave segura. Proporciona acceso a tu crédito prepagado. Si pierdes la clave, genera una nueva desde el panel; la clave antigua se vuelve inválida inmediatamente. Esto asegura que tu saldo sin usar permanezca protegido contra el uso no autorizado.

Enviar una Solicitud de Completación de Chat

Envía un POST solicitud para /v1/chat/completions con tu prompt y el ID del modelo. El ID del modelo es uncensored. Esto devuelve una respuesta de texto sin rechazos de contenido para uso adulto lícito.

Copycurl https://api.iasenzacensura.com/v1/chat/completions \
  -H "Authorization: Bearer $API_KEY" \
  -H "Content-Type: application/json" \
  -d '{
    "model": "uncensored",
    "messages": [{"role": "user", "content": "List the top 5 Python web frameworks"}]
  }'

La respuesta incluye estadísticas de uso de tokens. Los tokens de entrada cuestan $0.15 por millón; los tokens de salida cuestan $0.50 por millón. Los errores no consumen crédito, lo que protege tu saldo durante las fases de prueba.

Gestión de respuestas en streaming (SSE)

Habilita la transmisión estableciendo stream: true en tu cuerpo de solicitud. Esto devuelve Eventos Enviados por Servidor (SSE) para la entrega de tokens en tiempo real. Recibes tokens parciales a medida que se generan, reduciendo significativamente la latencia percibida.

Copyfrom openai import OpenAI

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

Cada fragmento contiene texto parcial y datos de uso. El último fragmento incluye el recuento total de tokens para la solicitud. Analiza estos eventos para actualizar tu interfaz de usuario de forma incremental. Esto es ideal para interfaces de chat donde los usuarios esperan retroalimentación inmediata.

Configurando parámetros y herramientas

Personaliza el comportamiento de generación utilizando parámetros estándar como temperature, top_p, y stop. Configura response_format para {"type": "json_object"} para una salida estructurada. Habilita la llamada de funciones pasando un tools array.

Copyimport OpenAI from "openai";

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

Estos parámetros controlan la aleatoriedad y la estructura. Temperaturas más altas aumentan la creatividad; valores más bajos mejoran la precisión. Las definiciones de herramientas permiten que el modelo invoque funciones externas dinámicamente. Esto permite flujos de trabajo complejos sin lógica de análisis externa.

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)