Guide de démarrage rapide des APIs de modèles

Authentification et URL de base

L'endpoint se trouve à https://api.modelapis.cc/v1. Transmettez votre clé dans le Authorization header en tant que jeton Bearer. Le système rejette les requêtes avec des clés invalides via des erreurs 401 et bloque les tentatives de dépenser du crédit que vous ne possédez pas via des réponses 402. Vous pouvez générer une nouvelle clé immédiatement sur le tableau de bord, et l'ancienne devient inactive instantanément.

Envoi d'une complétion de chat

Envoyez une requête POST à /v1/chat/completions avec votre historique de messages. L'ID du modèle est « uncensored » et il accepte des paramètres standard comme temperature et top_p. Cette configuration fonctionne avec n'importe quel client qui utilise le protocole OpenAI, y compris Cursor et d'autres outils de développement.

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"}]
  }'

Vérifiez la réponse pour le 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.

Réponses en streaming via SSE

Activez le streaming en définissant stream: true dans le corps de votre requête. L'API renvoie des événements envoyés par le serveur (SSE) contenant des fragments partiels de texte. Cette approche est idéale pour créer des interfaces de chat qui rendent le texte au fur et à mesure de sa génération.

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)

Chaque chunk ne contient qu'un fragment de la réponse finale. Le dernier chunk inclut les statistiques complètes d'utilisation des jetons pour la requête. Cela vous permet de suivre les coûts en temps réel sans attendre la fin de toute la génération.

Appel de fonction et outils

Définissez vos outils dans la tools parameter et définissez tool_choice à autoLe modèle retourne des appels d'outils structurés lorsque cela est approprié, permettant à votre application d'exécuter des fonctions externes. Cette fonctionnalité fonctionne parfaitement avec les SDK OpenAI standard.

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);

Analysez le tool_calls tableau dans le message de l'assistant pour déclencher la logique de votre backend. Vous pouvez ensuite réinjecter les résultats dans la conversation en tant que réponses d'outil. Ce cycle permet des flux de travail agents complexes sans quitter l'API.

Application stricte du Mode JSON

Définir response_format à {"type": "json_object"} pour forcer le modèle à produire un JSON valide. C'est crucial pour les applications qui analysent la réponse de manière programmatique. Le modèle respectera strictement cette contrainte.

Utilisez ce mode lorsque vous avez besoin de structures prévisibles pour vos pipelines de données. Il réduit le besoin de hacks regex post-traitement. Le modèle reste sans censure même en mode JSON, fournissant des données brutes sans filtres de contenu.

Limites des jetons et fenêtre de contexte

La fenêtre de contexte prend en charge jusqu'à 100 000 tokens, combinant prompt et complétion. Vous pouvez demander jusqu'à 16 000 tokens de sortie par requête. Si vous ne spécifiez pas max_tokens, la valeur par défaut est de 2 048 tokens.

Les requêtes sont limitées à 300 par minute par clé. La taille maximale du corps de la requête est de 8 Mo. Ces limites garantissent des performances stables pour une utilisation à fort volume. Les erreurs et les refus ne consomment pas votre crédit prépayé, vous ne payez donc que pour les générations réussies.

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)