Panduan awal cepat API model

Autentikasi dan URL Dasar

Endpoint berada di https://api.modelapis.cc/v1. Luluskan kunci Anda di Authorization header sebagai token bearer. Sistem menolak permintaan dengan kunci tidak valid melalui kesalahan 401 dan memblokir upaya untuk menghabiskan kredit yang tidak Anda miliki dengan respons 402. Anda dapat membuat kunci baru segera di dasbor, dan kunci lama menjadi tidak aktif secara instan.

Mengirimkan Penyelesaian Chat

Kirim permintaan POST ke /v1/chat/completions dengan riwayat pesan Anda. ID model adalah "uncensored" dan menerima parameter standar seperti temperature dan top_p. Konfigurasi ini bekerja dengan klien apa pun yang mendukung protokol OpenAI, termasuk Cursor dan alat pengembang lainnya.

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"}]
  }'

Periksa respons untuk 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.

Respons Streaming melalui SSE

Aktifkan streaming dengan mengatur stream: true dalam badan permintaan Anda. API mengembalikan Server-Sent Events (SSE) yang berisi potongan teks parsial. Pendekatan ini sangat ideal untuk membangun antarmuka obrolan yang merender teks saat teks tersebut dihasilkan.

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)

Setiap chunk hanya berisi fragmen dari respons akhir. Chunk terakhir mencakup statistik penggunaan token penuh untuk permintaan tersebut. Ini memungkinkan Anda melacak biaya secara real-time tanpa menunggu seluruh generasi selesai.

Pemanggilan Fungsi dan Alat

Tentukan alat Anda di tools parameter dan atur tool_choice ke auto. Model mengembalikan panggilan alat terstruktur saat sesuai, memungkinkan aplikasi Anda mengeksekusi fungsi eksternal. Fitur ini berfungsi dengan mulus dengan SDK OpenAI standar.

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);

Parse tool_calls array dalam pesan asisten untuk memicu logika backend Anda. Anda kemudian dapat memasukkan kembali hasil ke dalam percakapan sebagai respons alat. Siklus ini memungkinkan alur kerja agentic kompleks tanpa meninggalkan API.

Penegakan Mode JSON

Atur response_format ke {"type": "json_object"} untuk memaksa model menghasilkan JSON yang valid. Ini sangat penting untuk aplikasi yang memproses respons secara terprogram. Model akan mematuhi batasan ini secara ketat.

Gunakan mode ini ketika Anda membutuhkan struktur yang dapat diprediksi untuk pipeline data Anda. Mode ini mengurangi kebutuhan akan trik regex pasca-pemrosesan. Model tetap uncensored bahkan dalam mode JSON, mengirimkan data mentah tanpa filter konten.

Batas Token dan Jendela Konteks

Jendela konteks mendukung hingga 100.000 token untuk gabungan prompt dan completion. Anda dapat meminta hingga 16.000 token output per permintaan. Jika Anda tidak menentukan max_tokens, defaultnya adalah 2.048 token.

Permintaan dibatasi hingga 300 per menit per kunci. Ukuran body permintaan maksimum adalah 8 MB. Batasan ini memastikan kinerja stabil untuk penggunaan volume tinggi. Kesalahan dan penolakan tidak menggunakan kredit pra-bayar Anda, sehingga Anda hanya membayar untuk generasi yang berhasil.

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)