Быстрый старт API моделей

Аутентификация и базовый URL

Эндпоинт находится по адресу https://api.modelapis.cc/v1. Передайте ваш ключ в Authorization header в виде Bearer-токена. Система отклоняет запросы с недействительными ключами ошибками 401 и блокирует попытки потратить кредит, которого у вас нет, ответами 402. Вы можете сгенерировать новый ключ на панели управления, и старый становится неактивным мгновенно.

Отправка запроса на завершение чата

Отправьте POST-запрос на /v1/chat/completions с вашей историей сообщений. Идентификатор модели — «uncensored», и он принимает стандартные параметры, такие как temperature и top_p. Эта настройка работает с любым клиентом, поддерживающим протокол OpenAI, включая Cursor и другие инструменты для разработчиков.

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"}]
  }'

Проверьте ответ на content field внутри сообщения ассистента. Если вы превысите лимит частоты запросов, API вернет код статуса 429. Вы можете отслеживать свой оставшийся баланс напрямую в панели управления, не разбирая заголовки вручную.

Потоковые ответы через SSE

Включите потоковую передачу, установив stream: true в тело запроса. API возвращает события, отправляемые сервером (SSE), содержащие частичные фрагменты текста. Этот подход идеален для создания интерфейсов чата, которые отображают текст по мере его генерации.

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)

Каждый чанк содержит только фрагмент окончательного ответа. Последний чанк включает полную статистику использования токенов для запроса. Это позволяет отслеживать расходы в реальном времени, не дожидаясь завершения всей генерации.

Function Calling и инструменты

Определите свои инструменты в tools parameter и установите tool_choice для auto. Модель возвращает структурированные вызовы инструментов, когда это уместно, позволяя вашему приложению выполнять внешние функции. Эта функция бесшовно работает со стандартными SDK 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);

Анализируйте tool_calls массив в сообщении ассистента, чтобы запустить логику вашего бэкенда. Затем вы можете вернуть результаты обратно в разговор в качестве ответов инструмента. Этот цикл позволяет создавать сложные агентные рабочие процессы, не выходя из API.

Принудительное применение режима JSON

Установить response_format для {"type": "json_object"} заставить модель выводить валидный JSON. Это критически важно для приложений, которые программно обрабатывают ответ. Модель будет строго соблюдать это ограничение.

Используйте этот режим, когда вам нужны предсказуемые структуры для ваших конвейеров данных. Это снижает необходимость в постобработке с помощью хаков регулярных выражений. Модель остается без цензуры даже в режиме JSON, доставляя сырые данные без фильтров контента.

Лимиты токенов и контекстное окно

Окно контекста поддерживает до 100 000 токенов для суммы промпта и завершения. Вы можете запросить до 16 000 выходных токенов за один запрос. Если вы не укажете max_tokens, по умолчанию установлено 2 048 токенов.

Запросы ограничены 300 в минуту на ключ. Максимальный размер тела запроса составляет 8 МБ. Эти лимиты обеспечивают стабильную производительность при высоком объеме использования. Ошибки и отказы не расходуют ваш предоплаченный кредит, поэтому вы платите только за успешные генерации.

Потоковая передача

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)