Modell-APIs: Schnellstartanleitung

Authentifizierung und Base URL

Der Endpunkt befindet sich unter https://api.modelapis.cc/v1. Übergeben Sie Ihren Schlüssel im Authorization header als Bearer-Token. Das System lehnt Anfragen mit ungültigen Schlüsseln über 401-Fehler ab und blockiert Versuche, Guthaben auszugeben, das Ihnen nicht gehört, mit 402-Antworten. Sie können sofort auf dem Dashboard einen neuen Schlüssel generieren, und der alte wird sofort inaktiv.

Eine Chat Completion senden

Senden Sie eine POST-Anfrage an /v1/chat/completions mit Ihrem Nachrichtenverlauf. Die Modell-ID ist „uncensored“ und sie akzeptiert Standardparameter wie temperature und top_p. Dieses Setup funktioniert mit jedem Client, der das OpenAI-Protokoll spricht, einschließlich Cursor und anderer Dev-Tools.

Copycurl https://api.modelapis.cc/v1/chat/completions \
  -H "Authorization: Bearer $API_KEY" \
  -H "Content-Type: application/json" \
  -d '{
    "model": "uncensored",
    "messages": [{"role": "user", "content": "get current unix timestamp"}]
  }'

Prüfen Sie die Antwort auf das content field inside the assistant message. If you exceed your rate limit, the API returns a 429 status code. You can monitor your remaining balance directly in the dashboard dashboard without needing to parse headers manually.

Streaming-Antworten über SSE

Aktivieren Sie Streaming, indem Sie stream: true in Ihrem Anfragekörper. Die API gibt Server-Sent Events (SSE) zurück, die teilweise Textchunks enthalten. Dieser Ansatz ist ideal für den Aufbau von Chat-Schnittstellen, die Text rendern, während er generiert wird.

Copyfrom openai import OpenAI

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

Jeder Chunk enthält nur einen Fragment der endgültigen Antwort. Der letzte Chunk enthält die vollständigen Token-Nutzungsstatistiken für die Anfrage. Dies ermöglicht es Ihnen, Kosten in Echtzeit zu verfolgen, ohne auf das Ende der gesamten Generierung warten zu müssen.

Function Calling und Tools

Definieren Sie Ihre Tools in der tools parameter und legen Sie tool_choice zu auto. Das Modell gibt strukturierte Tool-Aufrufe zurück, wenn dies angemessen ist, sodass Ihre Anwendung externe Funktionen ausführen kann. Dieses Feature funktioniert nahtlos mit den Standard-OpenAI-SDKs.

Copyimport OpenAI from "openai";

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

Den tool_calls Array in der Assistenten-Nachricht, um Ihre Backend-Logik auszulösen. Sie können die Ergebnisse dann als Werkzeugantworten in das Gespräch zurückführen. Dieser Zyklus ermöglicht komplexe agentic Workflows, ohne die API zu verlassen.

JSON-Modus-Durchsetzung

Festlegen response_format zu {"type": "json_object"} das Modell dazu zu zwingen, gültiges JSON auszugeben. Dies ist entscheidend für Anwendungen, die die Antwort programmatisch parsen. Das Modell hält sich strikt an diese Einschränkung.

Verwenden Sie diesen Modus, wenn Sie vorhersagbare Strukturen für Ihre Datenpipelines benötigen. Er reduziert die Notwendigkeit von Post-Processing-Regex-Hacks. Das Modell bleibt auch im JSON-Modus unzensiert und liefert Rohdaten ohne Inhaltsfilter.

Token-Limits und Kontextfenster

Der Context-Window unterstützt bis zu 100.000 Tokens für Prompt und Completion zusammen. Sie können bis zu 16.000 Output-Tokens pro Anfrage anfordern. Wenn Sie nicht angeben max_tokens, beträgt der Standardwert 2.048 Tokens.

Anfragen sind auf 300 pro Minute pro Schlüssel begrenzt. Die maximale Größe des Anfragekörpers beträgt 8 MB. Diese Limits gewährleisten eine stabile Leistung bei hoher Auslastung. Fehler und Ablehnungen verbrauchen Ihr Prepaid-Guthaben nicht, sodass Sie nur für erfolgreiche Generierungen bezahlen.

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)