Hướng dẫn bắt đầu nhanh cho API mô hình

Xác thực và Base URL

Điểm cuối nằm tại https://api.modelapis.cc/v1. Truyền khóa của bạn trong Authorization header dưới dạng bearer token. Hệ thống từ chối các yêu cầu với khóa không hợp lệ bằng lỗi 401 và chặn các nỗ lực sử dụng tín dụng mà bạn không có bằng phản hồi 402. Bạn có thể tạo khóa mới ngay lập tức trên bảng điều khiển, và khóa cũ sẽ không còn hoạt động ngay lập tức.

Gửi Hoàn thành Trò chuyện

Gửi yêu cầu POST đến /v1/chat/completions với lịch sử thông điệp của bạn. Định danh mô hình là "uncensored" và nó chấp nhận các tham số tiêu chuẩn như temperature và top_p. Cấu hình này hoạt động với bất kỳ client nào hỗ trợ giao thức OpenAI, bao gồm Cursor và các công cụ dành cho nhà phát triển khác.

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"}]
  }'

Kiểm tra phản hồi để xem content field bên trong thông điệp trợ lý. Nếu bạn vượt quá giới hạn tốc độ của mình, API sẽ trả về mã trạng thái 429. Bạn có thể theo dõi số dư còn lại trực tiếp trong bảng điều khiển mà không cần phân tích các tiêu đề thủ công.

Phản hồi luồng qua SSE

Bật phát trực tiếp bằng cách đặt stream: true trong thân yêu cầu của bạn. API trả về các chunk Sự kiện được gửi bởi máy chủ (SSE) chứa các chunk văn bản một phần. Cách tiếp cận này lý tưởng để xây dựng các giao diện trò chuyện hiển thị văn bản khi nó được tạo.

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)

Mỗi khối chỉ chứa một phần nhỏ của phản hồi cuối cùng. Khối cuối cùng bao gồm thống kê sử dụng mã thông báo đầy đủ cho yêu cầu. Điều này cho phép bạn theo dõi chi phí theo thời gian thực mà không cần chờ toàn bộ quá trình tạo hoàn tất.

Function Calling và các công cụ

Xác định công cụ của bạn trong tools tham số và đặt tool_choice để autoMô hình trả về các cuộc gọi công cụ có cấu trúc khi phù hợp, cho phép ứng dụng của bạn thực hiện các chức năng bên ngoài. Tính năng này hoạt động liền mạch với các SDK OpenAI tiêu chuẩn.

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);

Phân tích tool_calls mảng trong tin nhắn trợ lý để kích hoạt logic backend của bạn. Sau đó, bạn có thể đưa kết quả trở lại vào cuộc hội thoại dưới dạng phản hồi công cụ. Chu kỳ này cho phép các quy trình làm việc agentic phức tạp mà không cần rời khỏi API.

Bắt buộc Chế độ JSON

Đặt response_format để {"type": "json_object"} để buộc mô hình xuất ra JSON hợp lệ. Điều này rất quan trọng đối với các ứng dụng phân tích phản hồi theo chương trình. Mô hình sẽ tuân thủ nghiêm ngặt ràng buộc này.

Sử dụng chế độ này khi bạn cần các cấu trúc dự đoán được cho các đường ống dữ liệu của bạn. Nó giảm nhu cầu về các thủ thuật regex xử lý sau. Mô hình vẫn không bị kiểm duyệt ngay cả trong chế độ JSON, cung cấp dữ liệu thô mà không có bộ lọc nội dung.

Giới hạn Token và Cửa sổ ngữ cảnh

Cửa sổ ngữ cảnh hỗ trợ tối đa 100.000 token cho cả prompt và completion kết hợp. Bạn có thể yêu cầu tối đa 16.000 token đầu ra cho mỗi yêu cầu. Nếu bạn không chỉ định max_tokens, mặc định là 2.048 token.

Các yêu cầu được giới hạn ở mức 300 mỗi phút mỗi khóa. Kích thước thân yêu cầu tối đa là 8 MB. Các giới hạn này đảm bảo hiệu suất ổn định cho việc sử dụng khối lượng lớn. Lỗi và từ chối không tiêu thụ tín dụng trả trước của bạn, vì vậy bạn chỉ trả tiền cho các lần tạo thành công.

Phát trực tiếp

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)