Panduan permulaan pantas API model

Pengesahan dan URL Asas

Endpoint terletak di https://api.modelapis.cc/v1. Lulus kunci anda dalam Authorization header sebagai token bearer. Sistem menolak permintaan dengan kunci tidak sah melalui ralat 401 dan menyekat percubaan untuk membelanjakan kredit yang anda tidak ada dengan respons 402. Anda boleh menjana kunci baharu serta-merta di papan pemuka, dan kunci lama menjadi tidak aktif serta-merta.

Menghantar Penyiapan Sembang

Hantar permintaan POST ke /v1/chat/completions dengan sejarah mesej anda. ID model adalah "uncensored" dan ia menerima parameter standard seperti temperature dan top_p. Konfigurasi ini berfungsi dengan mana-mana klien yang menyokoti protokol OpenAI, termasuk Cursor dan alat pembangun lain.

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 aliran dengan menetapkan stream: true dalam badan permintaan anda. API ini mengembalikan Acara yang Dihantar Pelayan (SSE) yang mengandungi segmen teks separa. Pendekatan ini sesuai untuk membina antara muka sembang yang merender teks semasa ia dijana.

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 mengandungi hanya sebahagian kecil daripada respons akhir. Chunk akhir termasuk statistik penggunaan token penuh untuk permintaan tersebut. Ini membolehkan anda menjejak kos secara masa nyata tanpa menunggu keseluruhan penjanaan selesai.

Panggilan Fungsi dan Alat

Takrifkan alat anda dalam tools parameter dan tetapkan tool_choice ke autoModel ini mengembalikan panggilan alat berstruktur apabila sesuai, membolehkan aplikasi anda melaksanakan fungsi luaran. Ciri ini berfungsi dengan lancar dengan SDK OpenAI piawai.

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);

Uraikan tool_calls array in the assistant message to trigger your backend logic. You can then feed the results back into the conversation as tool responses. This cycle enables complex agentic workflows without leaving the API.

Pemaksaan Mod JSON

Tetapkan response_format ke {"type": "json_object"} untuk memaksa model output JSON yang sah. Ini penting untuk aplikasi yang menguraikan respons secara berprogram. Model akan mematuhi kekangan ini dengan ketat.

Gunakan mod ini apabila anda memerlukan struktur yang boleh diramal untuk saluran data anda. Ia mengurangkan keperluan untuk hack regex pasca-pemprosesan. Model kekal tanpa sensor walaupun dalam mod JSON, menyampaikan data mentah tanpa penapis kandungan.

Had Token dan Tetingkap Konteks

Tingkap konteks menyokong sehingga 100,000 token untuk gabungan prompt dan penyelesaian. Anda boleh meminta sehingga 16,000 token output setiap permintaan. Jika anda tidak menentukan max_tokens, lalai ialah 2,048 token.

Permintaan terhad kepada 300 setiap minit setiap kunci. Saiz badan permintaan maksimum ialah 8 MB. Had-had ini memastikan prestasi stabil untuk penggunaan bervolume tinggi. Ralat dan penolakan tidak menggunakan kredit pra-bayaran anda, jadi anda hanya membayar untuk penjanaan berjaya.

Aliran

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)