Guia de início rápido das APIs de modelo

Autenticação e URL Base

O endpoint está localizado em https://api.modelapis.cc/v1. Passe sua chave no Authorization cabeçalho como um token bearer. O sistema rejeita solicitações com chaves inválidas através de erros 401 e bloqueia tentativas de gastar crédito que você não possui com respostas 402. Você pode gerar uma nova chave imediatamente no painel, e a chave antiga se torna inativa instantaneamente.

Enviando uma Conclusão de Chat

Envie uma requisição POST para /v1/chat/completions com seu histórico de mensagens. O ID do modelo é "uncensored" e aceita parâmetros padrão como temperature e top_p. Essa configuração funciona com qualquer cliente que fale o protocolo OpenAI, incluindo Cursor e outras ferramentas de desenvolvimento.

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"}]
  }'

Verifique a resposta para o 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.

Respostas em Streaming via SSE

Ative o streaming definindo stream: true no corpo da sua solicitação. A API retorna Eventos Enviados pelo Servidor (SSE) contendo fragmentos parciais de texto. Esta abordagem é ideal para criar interfaces de chat que renderizam texto conforme é gerado.

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)

Cada chunk contém apenas um fragmento da resposta final. O último chunk inclui as estatísticas completas de uso de tokens da requisição. Isso permite que você rastreie os custos em tempo real sem esperar que toda a geração seja concluída.

Chamada de Função e Ferramentas

Defina suas ferramentas no tools parameter e defina tool_choice para auto. O modelo retorna chamadas de ferramentas estruturadas quando apropriado, permitindo que sua aplicação execute funções externas. Este recurso funciona perfeitamente com os SDKs padrão da OpenAI.

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);

Analise o tool_calls array na mensagem do assistente para acionar a lógica do seu backend. Você pode então alimentar os resultados de volta na conversa como respostas de ferramentas. Esse ciclo permite fluxos de trabalho agênticos complexos sem sair da API.

Aplicação Rigorosa do Modo JSON

Definir response_format para {"type": "json_object"} forçar o modelo a gerar JSON válido. Isso é crucial para aplicações que analisam a resposta programaticamente. O modelo aderirá a essa restrição rigorosamente.

Use este modo quando precisar de estruturas previsíveis para seus pipelines de dados. Isso reduz a necessidade de hacks de regex pós-processamento. O modelo permanece sem censura mesmo no modo JSON, entregando dados brutos sem filtros de conteúdo.

Limites de Tokens e Janela de Contexto

A janela de contexto suporta até 100.000 tokens para prompt e conclusão combinados. Você pode solicitar até 16.000 tokens de saída por solicitação. Se você não especificar max_tokens, o padrão é 2.048 tokens.

As requisições são limitadas a 300 por minuto por chave. O tamanho máximo do corpo da requisição é de 8 MB. Esses limites garantem desempenho estável para uso de alto volume. Erros e recusas não consomem seu crédito pré-pago, então você paga apenas por gerações bem-sucedidas.

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)