मॉडल एपीआई क्विकस्टार्ट गाइड

प्रमाणीकरण और बेस यूआरएल

एंडपॉइंट यहाँ रहता है https://api.modelapis.cc/v1. अपनी कुंजी में पास करें Authorization header एक bearer token के रूप में। सिस्टम अमान्य कुंजियों वाले अनुरोधों को 401 त्रुटियों के माध्यम से अस्वीकार कर देता है और उन प्रयासों को 402 प्रतिक्रियाओं के माध्यम से रोक देता है जहां आप अपना क्रेडिट खर्च करने का प्रयास कर रहे हैं। आप डैशबोर्ड पर तुरंत एक नई कुंजी उत्पन्न कर सकते हैं, और पुरानी कुंजी तुरंत निष्क्रिय हो जाती है।

चैट कंप्लीशन भेजना

एक POST अनुरोध भेजें /v1/chat/completions अपने संदेश इतिहास के साथ। मॉडल id "uncensored" है और यह मानक पैरामीटर जैसे कि temperature और top_p. यह सेटअप किसी भी क्लाइंट के साथ काम करता है जो OpenAI प्रोटोकॉल बोलता है, जिसमें Cursor और अन्य डेव टूल्स शामिल हैं।

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"}]
  }'

प्रतिक्रिया के लिए जांचें content field असिस्टेंट संदेश के अंदर। यदि आप अपने रेट लिमिट को पार कर जाते हैं, तो API 429 स्टेटस कोड लौटाता है। आप डैशबोर्ड डैशबोर्ड में अपने शेष बैलेंस को सीधे मॉनिटर कर सकते हैं, हेडर्स को मैन्युअल रूप से पार्स करने की आवश्यकता के बिना।

SSE के माध्यम से स्ट्रीमिंग रिस्पॉन्सेस

सेटिंग करके स्ट्रीमिंग सक्षम करें stream: true अपने अनुरोध बॉडी में। API सर्वर-सेंट इवेंट्स (SSE) लौटाती है जिसमें आंशिक टेक्स्ट चंक होते हैं। यह दृष्टिकोण चैट इंटरफेस बनाने के लिए आदर्श है जो टेक्स्ट को जनरेट होते ही रेंडर करते हैं।

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)

प्रत्येक चंक में अंतिम प्रतिक्रिया का केवल एक अंश होता है। अंतिम चंक में अनुरोध के लिए पूर्ण टोकन उपयोग आंकड़े शामिल होते हैं। यह आपको पूरे जनरेशन के समाप्त होने का इंतज़ार किए बिना वास्तविक समय में लागत ट्रैक करने की अनुमति देता है।

फंक्शन कॉलिंग और टूल्स

अपने टूल्स को tools पैरामीटर और सेट करें tool_choice को auto. मॉडल उचित होने पर संरचित टूल कॉल लौटाता है, जिससे आपका एप्लिकेशन बाहरी फंक्शन निष्पादित कर सकता है। यह सुविधा मानक OpenAI SDKs के साथ सहज रूप से काम करती है।

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);

पार्स करें tool_calls सहायक संदेश में एरे ताकि आपकी बैकएंड लॉजिक ट्रिगर हो सके। आप फिर परिणामों को बातचीत में टूल प्रतिक्रियाओं के रूप में डाल सकते हैं। यह चक्र एपीआई से बाहर न निकलते हुए जटिल एजेंटिक वर्कफ़्लो को सक्षम बनाता है।

JSON मोड एनफोर्समेंट

सेट करें response_format को {"type": "json_object"} मॉडल को मान्य JSON आउटपुट देने के लिए। यह उन एप्लिकेशन के लिए महत्वपूर्ण है जो प्रतिक्रिया को प्रोग्रामेटिक रूप से पार्स करते हैं। मॉडल इस प्रतिबंध का कड़ाई से पालन करेगा।

जब आपको अपने डेटा पाइपलाइनों के लिए भविष्यवाणी योग्य संरचनाओं की आवश्यकता हो तो इस मोड का उपयोग करें। यह पोस्ट-प्रसंस्करण regex हैक्स की आवश्यकता को कम करता है। मॉडल JSON मोड में भी uncensored रहता है, कंटेंट फिल्टर्स के बिना कच्चा डेटा प्रदान करता है।

टोकन सीमाएँ और संदर्भ विंडो

संदर्भ विंडो प्रॉम्प्ट और पूर्णता दोनों के लिए 100,000 टोकन तक समर्थित है। आप प्रति अनुरोध 16,000 आउटपुट टोकन तक अनुरोध कर सकते हैं। यदि आप निर्दिष्ट नहीं करते max_tokens, डिफ़ॉल्ट 2,048 टोकन है।

प्रति कुंजी प्रति मिनट 300 अनुरोधों तक सीमित हैं। अधिकतम अनुरोध बॉडी आकार 8 MB है। ये सीमाएँ उच्च-वॉल्यूम उपयोग के लिए स्थिर प्रदर्शन सुनिश्चित करती हैं। त्रुटियाँ और अस्वीकृतियाँ आपके प्रीपेड क्रेडिट को नहीं खपत करती हैं, इसलिए आप केवल सफल जनरेशन के लिए भुगतान करते हैं।

स्ट्रीमिंग

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)