Model apis quickstart-gids

Authenticatie en basis-URL

Het eindpunt bevindt zich op https://api.modelapis.cc/v1. Voer je sleutel in de Authorization header als Bearer-token. Het systeem verwerpt verzoeken met ongeldige sleutels via 401-fouten en blokkeert pogingen om tegoed te gebruiken dat je niet hebt met 402-responsen. Je kunt direct een nieuwe sleutel genereren op het dashboard, en de oude sleutel wordt direct inactief.

Een Chat Completion versturen

Stuur een POST-verzoek naar /v1/chat/completions met je berichtgeschiedenis. De model id is "uncensored" en accepteert standaardparameters zoals temperature en top_p. Deze opstelling werkt met elke client die het OpenAI-protocol spreekt, waaronder Cursor en andere 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"}]
  }'

Controleer de response op de content veld binnen het assistantbericht. Als je je rate limit overschrijdt, retourneert de API een 429-statuscode. Je kunt je resterende saldo direct in het dashboard volgen zonder dat je headers handmatig hoeft te parseren.

Streaming-responsen via SSE

Activeer streaming door stream: true in je aanvraaglichaam. De API retourneert Server-Sent Events (SSE) die gedeeltelijke tekstblokken bevatten. Deze aanpak is ideaal voor het bouwen van chatinterfaces die tekst renderen terwijl deze wordt gegenereerd.

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)

Elk chunk bevat slechts een fragment van de finale respons. Het laatste chunk bevat de volledige tokengebruikstatistieken voor het verzoek. Dit stelt je in staat kosten in realtime bij te houden zonder te wachten tot de volledige generatie is voltooid.

Function Calling en tools

Definieer je tools in de tools parameter en stel tool_choice naar auto. Het model retourneert gestructureerde tool calls wanneer dit gepast is, waardoor je applicatie externe functies kan uitvoeren. Deze functie werkt naadloos met de standaard OpenAI SDK's.

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);

Parseer de tool_calls array in het bericht van de assistent om je backend-logica te activeren. Je kunt de resultaten vervolgens terugvoeren in het gesprek als toolresponsen. Deze cyclus maakt complexe agentic workflows mogelijk zonder de API te verlaten.

JSON-modusafdwinging

Instellen response_format naar {"type": "json_object"} om het model te dwingen geldige JSON uit te voeren. Dit is cruciaal voor applicaties die het antwoord programmeel verwerken. Het model houdt zich strikt aan deze beperking.

Gebruik deze modus wanneer je voorspelbare structuren nodig hebt voor je datapipelines. Het vermindert de behoefte aan post-processing regex-hacks. Het model blijft uncensored, zelfs in JSON-modus, en levert ruwe gegevens zonder contentfilters.

Tokenlimieten en contextvenster

Het contextvenster ondersteunt tot 100.000 tokens voor zowel prompt als completion samen. Je kunt tot 16.000 outputtokens per verzoek opgeven. Als je niet specificeert max_tokens, de standaardwaarde is 2.048 tokens.

Aanvragen zijn beperkt tot 300 per minuut per sleutel. De maximale grootte van het aanvraaglichaam is 8 MB. Deze limieten zorgen voor stabiele prestaties bij hoog volume gebruik. Fouten en weigeringen verbruiken uw prepaidtegoed niet, dus u betaalt alleen voor succesvolle generaties.

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)