Швидкий старт API моделей

Аутентифікація та базовий URL

Ендпоінт знаходиться за адресою https://api.modelapis.cc/v1. Передайте свій ключ у Authorization header як Bearer-токен. Система відхиляє запити з недійсними ключами помилкою 401 та блокує спрати витратити кредит, якого у вас немає, відповіддю 402. Ви можете миттєво згенерувати новий ключ на панелі керування, а старий стане неактивним миттєво.

Надсилання запиту на завершення чату

Надішліть POST-запит на /v1/chat/completions з вашою історією повідомлень. Ідентифікатор моделі — «uncensored», і він приймає стандартні параметри, як-от temperature та top_p. Ця конфігурація працює з будь-яким клієнтом, який підтримує протокол OpenAI, включаючи Cursor та інші інструменти розробника.

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"}]
  }'

Перевірте відповідь на content field всередині повідомлення асистента. Якщо ви перевищите ліміт швидкості, API повертає код стану 429. Ви можете моніторити свій залишок безпосередньо в панелі керування dashboard без необхідності вручну парсити заголовки.

Потокові відповіді через SSE

Увімкніть потокову передачу, встановивши stream: true у тілі вашого запиту. API повертає події, надіслані сервером (SSE), що містять часткові фрагменти тексту. Цей підхід ідеально підходить для створення чат-інтерфейсів, які відображають текст по мірі його генерації.

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)

Кожен чанк містить лише фрагмент кінцевої відповіді. Останній чанк містить повну статистику використання токенів для запиту. Це дозволяє відстежувати витрати в реальному часі, не чекаючи завершення всієї генерації.

Function Calling та інструменти

Визначте свої інструменти в tools параметр та встановіть tool_choice до auto. Модель повертає структуровані виклики інструментів, коли це доречно, дозволяючи вашій програмі виконувати зовнішні функції. Ця функція бездоганно працює зі стандартними 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);

Парсуйте tool_calls масив у повідомленні асистанта, щоб запустити логіку вашого бекенду. Потім ви можете повернути результати назад у розмову як відповіді інструментів. Цей цикл дозволяє створювати складні агентні робочі процеси, не виходячи з API.

Примус режиму JSON

Встановити response_format до {"type": "json_object"} щоб змусити модель виводити валідний JSON. Це критично важливо для застосунків, які програмно обробляють відповідь. Модель буде суворо дотримуватися цього обмеження.

Використовуйте цей режим, коли вам потрібні передбачувані структури для ваших конвеєрів даних. Він зменшує потребу в хаків з регулярними виразами для постобробки. Модель залишається без цензури навіть у режимі JSON, надаючи сирі дані без фільтрів контенту.

Ліміти токенів та вікно контексту

Вікно контексту підтримує до 100 000 токенів як для запиту, так і для відповіді разом. Ви можете запитувати до 16 000 токенів відповіді за один запит. Якщо ви не вкажете max_tokens, за замовчуванням встановлюється 2,048 токенів.

Запити обмежені 300 на хвилину на ключ. Максимальний розмір тіла запиту становить 8 МБ. Ці ліміти забезпечують стабільну продуктивність для великого обсягу використання. Помилки та відмови не споживають ваш передоплачений кредит, тому ви платите лише за успішні генерації.

Потокова 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)